【技术实现步骤摘要】
本专利技术涉及数字图像处理领域,特别涉及一种。
技术介绍
目前,基于内容的图像检索技术(CBIR)是图像处理领域较有感兴趣的方向之一,大量的文献聚焦在对图像颜色、纹理的构建或是从DCT系数中提取阵列特征。例如:文献[I]利用DC和低频带AC系数中构建能量 直方图;在0(^系数中,文献[2]和[3]近似计算像素的一介和二介距;文献[4]利用MPEG-7视觉描述子特征实现布局查询图像检索系统;还有文献[5]考虑图像的大小和主导颜色的分布情况等等,但是这些算法不能详细的描述图像的局部特征。然而尺度不变特征变换(SIFT)能够有效的描述图像的局部特征,并且具备旋转不变、尺度不变、仿射不变以及噪声不敏感等特性。因此Sivic and Zisserman把SIFT用在google视频方面,实现了基于内容的视频检索系统;Xu等人and Li等人[7,8]提出了利用SIFT检索图像的算法等等,但是这些算法存在在一个缺陷:两个关键点的欧式距离越短,它们的相似度测量越低。因此,需要一种改进的来至少部分地解决上述问题。本申请是基于以下多篇参考文献提出的:[I] J.A.Lay and L.Guang,Image retrieval based on energy histograms ofthe low frequency DCT coefficients”,Proc.1CASSP,vol.6,pp.3009-3012,1999.[2]Z.Liu, S.Li, and H.Burkhardt, content-based image retrieval schemein ...
【技术保护点】
一种方法,包括:输入彩色图像;对所述彩色图像执行直方图统计和直方图归一化,从而得到所述彩色图像的颜色特征向量;对于所述彩色图像的对应灰度图像执行小波分解,并针对所述小波分解的各级分解计算归一化的能量矢量;针对所述小波分级的各级分解子图:利用高斯差分(DoG)生成高斯差分尺度空间,在所述DoG尺度空间中进行极点检测以得到多个特征候选点,通过检测主曲率是否小于阈值,来在所述多个特征候选点中删除伪边缘点,从而得到稳定的关键点,利用关键点邻域像素的梯度方向直方图为每个关键点指定方向参数,利用尺度不变特征变换(SIFT)描述子对每一个关键点进行描述,从而生成SIFT描述算子矢量;基于所述SIFT描述算子矢量,将所述彩色图像与图像库中的M(M>1)个图像进行匹配,并将对应的M个匹配率组成相似度矢量;基于所述颜色特征向量、所述归一化的能量矢量、所述SIFT描述算子矢量以及所述相似度矢量来产生综合特征描述子,以便基于所述综合特征描述子与所述图像库中的所述M个图像进行再次匹配。
【技术特征摘要】
1.一种方法,包括: 输入彩色图像; 对所述彩色图像执行直方图统计和直方图归一化,从而得到所述彩色图像的颜色特征向量; 对于所述彩色图像的对应灰度图像执行小波分解,并针对所述小波分解的各级分解计算归一化的能量矢量; 针对所述小波分级的各级分解子图: 利用高斯差分(DoG)生成高斯差分尺度空间, 在所述DoG尺度空间 中进行极点检测以得到多个特征候选点, 通过检测主曲率是否小于阈值,来在所述多个特征候选点中删除伪边缘点,从而得到稳定的关键点, 利用关键点邻域像素的梯度方向直方图为每个关键点指定方向参数, 利用尺度不变特征变换(SIFT)描述子对每一个关键点进行描述,从而生成SIFT描述算子矢量; 基于所述SIFT描述算子矢量,将所述彩色图像与图像库中的M(M> I)个图像进行匹配,并将对应的M个匹配率组成相似度矢量; 基于所述颜色特征向量、所述归一化的能量矢量、所述SIFT描述算子矢量以及所述相似度矢量来产生综合特征描述子,以便基于所述综合特征描述子与所述图像库中的所述M个图像进行再次匹配。2.如权利要求1所述的方法,其中,在所述再次匹配之后,将所述再次匹配的M个匹配率组成第二相似度矢量,重复所述产生综合特征描述子和所述再次匹配。3.如权利要求1所述的方法,其中,将所述彩色图像变换至HSV颜色空间,并针对HSV颜色空间的三个颜色分量分别执行直方图统计并进行直方图归一化。4.如权利要求1所述的方法,其中,所述小波分解采用haar小波。5.如权利要求1所述的方法,其中,所述小波分解优选地采用二级分解。6.—种图像处理系统包括: 采集装置,用于采集实时图像数据; 存储装置,用于存储图像数据; 通信装置,将所述采集装置耦合到图像处理装置; 所述图像处理装置被配置为对来自所述采集装置的实时彩色图像数据和来自存储装置的彩色图像数据执行如下处理: 对所述彩色图像执行直方图统计和直方图归一化,从而得到所述彩色图像的颜色特征向量; 对于所述彩色图像的对应灰度图像执行小波分解,并针对所述小波分解的各级分解计算归一化的能量矢量; 针对所述小波分级的各级分解子图: 利用高斯差分(DoG)生成高斯差分尺度空间, 在所述DoG尺度空间中进行极点检测以得到多个特征候选点, 通过检测主曲率是否小于阈值,来在所述多个特征候选点中删除伪边缘点,从而得到稳定的关键点, 利用关键点邻域像素的梯度方向直方图为每个关键点指定方向参数, 利用尺度不变特征变换(SIFT)描述子对每一个关键点进行描述,从而生成SIFT描述算子矢量; 基于所述SIFT描述算子矢量,将所述彩色图像与图像库中的M(M> I)个图像进行匹配,并将对应的M个匹配率组成相似度矢量; 基于所述颜色特征向量、所述归一化的能量矢量、所述SIFT描述算子矢量以及所述相似度矢量来产生综合特征描述子,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。