[發明專利]基于場景驅動的智能手機圖像特征點選取方法

有效

• 申請號: 201210008617.9
• 申請日: 2012-01-02
• 公開（公告）號: CN102592129A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 李靜;盧朝陽;孔祥;劉敏博
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;H04N5/14
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術鄰域，特別涉及圖像特征點的提取方法，具體講的是一種基于場景驅動的智能手機圖像特征點快速選取方法，可應用于特征匹配，目標跟蹤，物體識別，運動目標的檢測和跟蹤，增強現實開發等領域。

背景技術

圖像的特征點提取是圖像處理的基本問題，精確高效的特征點提取算法為其他問題的解決提供堅實的底層基礎。

特征點也被稱為興趣點，角點，顯著點等等，Harris基于Moravec對興趣點的描述，利用亮度函數的自相關矩陣即二階矩矩陣，實現了對特征點的檢測。Mikolajczyk和Schmid利用Laplace算子檢測Harris角點的尺度，構建了一種具有尺度不變性的Harris-Laplace算子，并將Harris-Laplace算子擴展為具有仿射不變性的Harris-affine算子。Lindeberg利用Laplacian算子將圖像中的斑點作為興趣點，并通過確定每一個斑點的特征尺度和形狀使興趣點具有尺度不變性和仿射不變性。Lowe利用DoG算子代替Laplacian算子從而提高了興趣點檢測的速度。還有一些算法計算圖像亮度函數的高斯曲率，將曲率較大的點定位為特征點。除基于亮度的特征點算法外，還有一類算法根據Haralick對特征點的定義，在圖像中度量每一點的顯著性，從中篩選出一些明顯有別于其他點的特殊點作為特征點，這類點也被稱為顯著點。

目前，基于特征點的提取的一類方法仍然是圖像處理、計算機視覺領域的研究熱點，而且隨著我國3G網絡的逐步開通和移動通信事業的飛速發展，龐大的智能手機用戶群也在逐年增加，圖像處理與分析在智能手機上的應用也逐漸占有越來越重要的地位。特征提取作為圖像處理中的一個基本且非常關鍵的模塊，應用到目標識別、增強現實等很多領域，在智能手機的開發應用中是必不可少的環節。

雖然現在的智能手機硬件配置一直在更新，但處理能力還是很有限，對一些圖形圖像需要進行復雜處理的時候很難達到實時的要求，而且在大部分特征檢測算法中，并沒有針對圖像的背景信息自適應的調整算法所需的特征點數量，往往對于一幅背景較復雜的圖像提取的特征點偏多，為下一步的圖像處理比如特征描述或者圖像匹配造成冗余計算量；而對于背景比較簡單的圖像提取的特征點偏少，不能找到足夠魯棒性的特征點，給下一步圖像進行精確的描述和匹配造成困難。如何能夠有效利用資源，使得算法能以較少的CPU和內存資源來達到相同的效果，是目前手機平臺的算法開發上急需解決的問題。

發明內容

本發明的目的在于針對上述技術的不足，提出一種基于場景驅動的智能手機圖像特征點選取方法，以提高圖像處理速度，并使提取的特征點總體上更加穩定和魯棒。

為實現上述目的，本發明包括如下步驟：

1、一種基于場景驅動的智能手機圖像特征點選取方法，包括如下步驟：

(1)從手機攝像頭獲得移動場景的視頻幀；

(2)對視頻幀的第一幀圖像進行灰度化處理并利用快速特征檢測算法FAST進行特征點檢測，得到第一幀圖像所有的特征點位置和總的特征點數目M₁；

(3)計算第一幀圖像的綜合紋理特征值Z，定義視頻幀圖像的復雜度分為“復雜”、“一般”、“簡單”三個標準，設定復雜度閾值為6.0；若綜合紋理特征值Z＞6.0，則將視頻幀圖像的復雜度判為“復雜”，若4.0＜Z≤6.0，則將視頻幀圖像的復雜度判為“一般”，若Z≤4.0，則將視頻幀圖像的復雜度判為“簡單”；

(4)由步驟(3)得到的復雜度計算出第一幀圖像輸出特征點的數目N₀：若復雜度為“復雜”時，N₀＝M₁*0.9，若復雜度為“一般”時，N₀＝M₁*0.8，若復雜度為“簡單”時，N₀＝M₁*0.7；

(5)從M₁個特征點中隨機選取N₀個特征點，并利用加速的魯棒特征算法SURF對所選的N₀個特征點進行描述，計算出第一幀中每一個特征點的描述矢量；

(6)讀取視頻幀的第二幀圖像，進行灰度化處理并利用快速特征檢測算法FAST，得到第二幀所有特征點的位置和總的特征點數目M₂；

(7)利用加速的魯棒特征算法SURF對步驟(6)中得到的特征點進行描述，得出第二幀中每一個特征點的描述矢量；