[發明專利]用于視頻圖像匹配的特征點快速檢測方法

在審

• 申請號: 201410563502.5
• 申請日: 2014-10-21
• 公開（公告）號: CN104318559A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 史再峰;扈立超;曹清潔;高天野;徐江濤;李斌橋
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

技術領域

本發明涉及一種圖像處理技術領域的方法，特別涉及可用于視頻圖像匹配的特征點快速檢測方法。

技術背景

特征點是目標輪廓上曲率的局部極大值點，對掌握目標的輪廓特征具有決定作用，一旦找到了目標的輪廓特征也就大致掌握了目標的形狀。特征點具有能勾畫出區域的形狀，可以傳遞大部分圖像信息等許多優點，對它們進行分析不僅可以為圖像匹配提供基礎，又為虛擬視點合成提供理論和方法。特征點沒有明確的數學定義，但人們普遍認為特征點是二維圖像亮度變化劇烈的點或圖像邊緣曲線上曲率極大值的點，特征點是圖像的一種重要局部特征。這些點在保留圖像圖形重要特征的同時，可以有效地減少信息的數據量，使其信息的含量很高，有效地提高了計算的速度，有利于圖像的可靠匹配，使得實時處理成為可能。其在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領域起著非常重要的作用。

目前，特征點的數學定義有：圖像灰度一階導數所對應的最大值的位置；圖像中兩條或兩條以上邊緣的交點；二維圖像亮度變化劇烈的位置等。由于特征點定義方式的不同，也就形成了不同原理的特征點檢測方法。常用的方法包括兩類：基于圖像邊緣的特征點檢測方法和基于圖像灰度信息的特征點檢測方法?；趫D像邊緣的特征點檢測方法，主要選擇圖像的邊緣作為特征點進行提取和檢測，包括圖像預分割、提取輪廓鏈碼和特征點檢測三個步驟，這種方法對待檢測區域的局部變化敏感性較強，而且在計算量上相當大，主要是因為整個過程需要對圖像的邊緣進行編碼，這就使這個檢測過程很大程度上要依賴圖像分割和圖像邊緣提取。因此，這類方法的使用范圍相對較小。而對于基于圖像灰度信息的特征點檢測方法，則是把圖像的梯度和曲率直接作為判斷特征點存在性的標準，避開了前者在結構上的缺陷，適用范圍廣。

Harris特征點檢測器作為基于圖像灰度信息的檢測方法被廣泛使用。其是以Moravec特征點檢測器為基礎上提出的，Moravec是通過研究圖像的一個局部窗口在水平、垂直、對角線和反對角線四個方向上的位移，計算圖像各個像素灰度變化情況，而Harris則是通過Taylor級數展開法擴展了思路，計算窗口沿著任何方向移動后的灰度變化情況，利用數學解析式來進一步確定特征點，定位精度高。同時引入了平滑因子，增強了該算法的魯棒性。整個算法是受到信號處理中自相關函數的啟發，引入與自相關函數相聯系的矩陣M。矩陣M的特征值可以表示某一點的圖像灰度自相關函數的極值曲率，如果兩個曲率極值都高，那么就取該像素點為特征點。Harris特征點檢測器原理參考圖1，其中λ1和λ2是矩陣M的兩個特征值。雖然Harris特征點定位準確，但由于涉及到卷積運算，計算量較大，時間復雜度高，在視頻圖像匹配中的應用受到一定的局限。

發明內容

為了克服現有技術的不足，提出用于視頻圖像匹配的特征點快速檢測方法，其具有一定的魯棒性，能夠在圖像發生灰度變化、旋轉和干擾噪聲等情況下檢測特征點，同時具有很高的檢測效率，能夠應用于視頻系統中，為此，本發明采取的技術方案是，用于視頻圖像匹配的特征點快速檢測方法，依次包括：排除非特征點步驟；梯度計算步驟；特征點響應參數計算步驟；排除干擾候選特征點步驟。

排除非特征點步驟具體為：

所述的特征點檢測方法首先選取一個半徑為3像素的離散化的Bresenham圓，圓內有待檢測點像素P以及像素P周圍均布的像素1到像素16共16個點，首先檢測像素點1和9，如果這兩個像素點的灰度值都在[I(p)-t,I(p)+t]的范圍內，則待檢測點像素P不是特征點，將其排除，其中I(p)為點P的灰度值，t為一閾值；如果點p仍然可能是一個特征點，就繼續檢測像素點5和13，如果這四個像素點中至少有三個點的灰度值大于I(p)+t或者小于I(p)-t，那么點p即為一個候選特征點，供所述的特征點檢測方法后續處理,如公式一所示。

N＝∑|I(n)–I(p)|>t?????(公式一)

其中，n為像素1、5、9和13中的任意一點，如果N大于等于3，那么點P即為一個候選特征點，否則將其排除；

梯度計算步驟具體為：

梯度計算步驟分別使用水平差分算子和垂直差分算子對圖像進行濾波，從而求得圖像在水平和垂直方向上的梯度，并計算梯度的乘積，用于生成自相關矩陣M的元素；梯度計算如公式二和公式三所示：