[發明專利]部分遮擋目標的局部特征點提取方法

有效

• 申請號: 201310257137.0
• 申請日: 2013-06-25
• 公開（公告）號: CN103295015A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 朱長仁;邱鵬;郭軍
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/20
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 王文惠

技術領域

本發明涉及圖像目標檢測技術，更具體地說，涉及到一種部分遮擋目標的局部特征點提取方法。

背景技術

遮擋目標檢測一直是計算機視覺研究領域的一個熱點和難點。由于待檢測目標被其它物體遮擋了一部分，造成了目標信息的丟失，無法基于全局特征進行目標檢測，只能基于目標的可視部分信息進行檢測，其主流方法是基于局部特征的方法，其中基于局部特征點方法性能相對較好而受到關注，目前主要局部特征點提取方法有Harris、SUSAN、SIFT、SURF等。

然而目前基于局部特征提取方法還存在問題：一般大部分實際應用對檢測性能和速度都是有要求的，要求特征點提取能夠快速準確，然而現有局部特征點提取方法在部分遮擋情況下的穩定性不好，而且特征點提取耗時較多。

部分遮擋目標穩健局部特征點提取方法的難點表現在以下兩個方面：一方面，由于部分遮擋造成目標部分信息的缺失，并且由于遮擋物體的形狀和位置大小等在不同時間、不同地點所表現出來的多樣性使得目標的表現形式也是千變萬化，給部分遮擋目標的特征表征帶來了困難；另一方面，成像平臺、傳感器和天氣等多方面因素造成目標成像形式的多樣性，給提取穩定局部特征點增加了難度。

發明內容

本發明解決現有方法不能滿足部分遮擋目標的快速魯棒檢測問題，提出了一種部分遮擋目標局部特征點提取方法，實現部分遮擋目標的快速、準確檢測。

本發明的基本思路是：首先，針對特征點需要適應多種變化的情況，基于SIFT（Scale?Invariant?Feature?Transform，尺度不變特征變換）對圖像進行訓練，提取出在絕大多數變化情況下都比較穩定的局部特征點，作為粗特征點，SIFT具體實現詳見文章“David?G.Lowe，Distinctive?image?features?from?scale-invariant?keypoints.International?Journal?of?Computer?Vision,200460(2):91-110”。然后，通過從三個方面（灰度對比度，梯度均值幅值比和高曲率）對粗特征點進行置信度計算，設定閾值對粗特征點進行篩選；最后對篩選后的粗特征點進行穩健局部特征點提取。

本發明的技術方案是：部分遮擋目標穩健局部特征點提取方法，具體包括以下步驟：

已知：一幅參考圖像I是光學遙感圖像。

第一步：仿真圖像集生成

對參考圖像I進行仿真操作，生成圖像集X，圖像集X中共有N幅圖像。圖像集X包括以下三種情況生成的圖像：光照變化、旋轉變換和尺度縮放。N的取值根據實際需求確定。

第二步：粗特征點提取

利用SIFT算法對參考圖像I和圖像集X中的任意一幅圖像進行特征匹配，得到兩幅圖像匹配后的局部特征點在圖像I中的坐標集S_n，n=1，2，…，N，S_n表示參考圖像I與圖像集X中第n幅圖像特征匹配的局部特征點的坐標集。

設S＝S₁∪S₂∪…∪S_N，S的元素個數為N′，S中第m個元素S[m]在S₁，S₂，…，S_N中總共出現的次數為L[m]，m=1，2，…，N′。則S[m]的概率T[m]=L[m]/N。

根據實際需求，設定粗特征點提取閾值t，當T[m]≥t時，將S[m]作為粗特征點保存到集合U₀中。

第三步：粗特征點篩選

利用參考圖像I，對集合U₀中的每一個元素進行下述計算：

步驟1：計算三種置信度

第①種計算：計算與灰度對比度有關的置信度

在以所述元素為中心的半徑為R_r個像素的圓環鄰域上，利用下式計算所述元素的與灰度對比度有關的置信度z₁，

上式中，N_r是圓環鄰域的像素點個數，n₀是圓環鄰域上像素點灰度值大于所述元素灰度值加上一個灰度閾值t′的像素點個數，n₁是圓環鄰域上像素點灰度值小于所述元素灰度值減去一個灰度閾值t′的像素點個數，NUM是像素點個數閾值；灰度閾值t′和像素點個數閾值NUM均根據實際需求設定。

第②種計算：計算與梯度均值幅值比有關的置信度