[發(fā)明專利]一種圖像的局部特征描述方法無效
| 申請?zhí)枺?/td> | 201110178612.6 | 申請日: | 2011-06-29 |
| 公開(公告)號: | CN102393960A | 公開(公告)日: | 2012-03-28 |
| 發(fā)明(設計)人: | 郭延文;陳曄;湯鋒 | 申請(專利權)人: | 南京大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00 |
| 代理公司: | 江蘇圣典律師事務所 32237 | 代理人: | 胡建華 |
| 地址: | 210093 江蘇省南京*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 圖像 局部 特征 描述 方法 | ||
技術領域
本發(fā)明涉及計算機圖像的處理方法,特別是一種具有較強描述性和區(qū)分力的圖像局部特征描述方法。
背景技術
圖像的局部特征描述是計算機視覺與圖像處理等領域研究的基本問題和熱點問題,一個描述性強、具有較好不變性和區(qū)分度的圖像局部特征描述方法在圖像配準與拼接、目標跟蹤、物體識別和圖像檢索等方面具有應用。
相對于整體特征,局部特征標記出了圖像中的重要區(qū)域,將圖像信息用這些區(qū)域來表示,能夠在表示圖像局部重要信息的同時,節(jié)約應用時的計算量。傳統(tǒng)的局部特征描述如尺度不變特征SIFT(Scale?Invariant?Feature?Transformation)等,一般采用編碼圖像局部信息的向量來表征圖像局部信息,有著良好的平移不變性、旋轉不變性、尺度不變性。
但近年來的研究表明,傳統(tǒng)局部特征描述針對圖像拍攝視點仿射變換的不變性范圍相當有限,這嚴重限制了局部特征描述符在圖像配準和拼接等領域的應用。
發(fā)明內容
發(fā)明目的:本發(fā)明所要解決的技術問題是針對現有技術的不足,提供一種圖像的局部特征描述方法。
為了解決上述技術問題,本發(fā)明公開了一種圖像的局部特征流形表示方法,包括以下步驟:
步驟1,提取特征點周圍的局部區(qū)域圖像:一般情況下,局部區(qū)域取為以該特征點為中心,固定寬和高的正方形圖像區(qū)域。
步驟2,對局部圖像進行一系列復合變換,復合變換由三種基礎變換依次組合而成,三種基礎變換是縮放變換、旋轉變換和錯切變換,改變各變換的參數,構造一系列變換圖像;
步驟3,對每個變換圖像的特征點提取尺度不變特征描述;
步驟4,形成特征向量集:將針對每個變換圖像的特征點提取的特征描述向量排列在一起,構成特征向量集;
步驟5,采用線性子空間逼近特征向量集:針對該特征向量集,運用主元分析提取特征向量集的特征主元向量;
步驟6,生成特征描述符:將特征主元向量聯結在一起,構成特征描述符。
本發(fā)明中,所述步驟1以特征點為中心,提取一個高和寬分別為50×50的正方形局部圖像區(qū)域;可以根據圖像的大小以及特征點在圖像中的位置,適當調整特征點周圍局部圖像區(qū)域的大小。
本發(fā)明中,所述步驟2包括以下步驟:
步驟21,首先對局部圖像區(qū)域進行縮放變換,得到三張縮放圖像,其寬和高分別為原局部圖像的1半,1倍和2倍;如果原始局部圖像區(qū)域分辨率為50×50,則三張縮放圖像分別為25×25,50×50和100×100;
步驟22,其次對三張縮放圖像分別進行旋轉變換,旋轉的角度為順時針30、60、90、120、150、180、210、240、270、300和330度,得到一系列旋轉圖像;
步驟23,再次對旋轉圖像分別進行錯切變換,錯切變換涉及到對圖像橫和縱坐標的縮放,縮放參數取值范圍均是{-1,0,1},改變橫向和縱向縮放的參數共產生9種錯切變換。
本發(fā)明中,所述步驟3使用SIFT(Scale?Invariant?Feature?Transformation)算法對每張變換圖像的中心點提取其一個128維的尺度不變特征描述向量,該向量包括所描述區(qū)域的尺度、所描述區(qū)域的主梯度方向和描述子矢量。SIFT算法的具體內容可參見維基百科關于尺度不變特征提取的闡述或作者David?G.Lowe的原論文。
本發(fā)明中,所述步驟4中,每張變換圖像的中心點均有一個128維的尺度不變的特征描述向量,將這些特征向量按照行序排列,即構成一個完整的特征向量集合。
本發(fā)明中,所述步驟5使用PCA主元分析方法對特征向量集合進行降維,可以人為設定降維的維度,假設降維的維度為N,則提取出N個特征主元向量,一般N的取值為5。主元分析PCA(Principal?component?analysis)是一種對數據進行分析的技術,最重要的應用是對原有數據進行簡化,可以有效的找出數據中最“主要”的元素和結構,去除噪音和冗余,將原有的復雜數據降維,揭示隱藏在復雜數據背后的簡單結構,關于其算法的具體內容可參見維基百科關于主元分析的闡述。
本發(fā)明中,所述步驟6將步驟51提取到的N個特征主元向量作為原始局部特征點的特征流形表示。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京大學,未經南京大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201110178612.6/2.html,轉載請聲明來源鉆瓜專利網。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





