[發明專利]一種快速局部不變特征提取與描述方法

有效

• 申請號: 201710579415.2
• 申請日: 2017-07-17
• 公開（公告）號: CN107358244B
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 向北海
• 申請（專利權）人: 湖南優象科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 陸薇薇

本發明提出了一種快速局部不變特征提取與描述方法，首先通過分塊FAST角點檢測算法計算特征點集合，然后通過擴展局部二元模式對特征點進行特征描述，將顏色比對的結果分成五類，使之更好的反應紋理變化的細節。本發明方法能夠更為細致的描述圖像的紋理分布，同時還提高了紋理描述的抗噪性。

技術領域

本發明涉及圖像處理、計算機視覺的技術領域，特別涉及一種特征提取與描述方法。

背景技術

隨著電子信息技術的迅速發展，獲取圖像的種類和數量急劇增加，讓計算機代替人工，自動完成圖像的理解分析成為一項重要并且緊迫的任務。其中，圖像特征的提取與表達，作為圖像理解的第一步，是解決圖像分類、目標匹配和紋理識別等各種視覺任務的基礎和關鍵步驟。由于圖像局部特征對于背景干擾、尺度縮放和視點變換等具有一定的魯棒性，并且提供了一種具有統計意義的圖像內容表示，因此研究圖像的局部特征具有重要意義。

目前已有相當多的文獻對圖像局部特征進行研究，提出了各種局部特征描述子。其中尺度不變特征變換(SIFT)算子將角點檢測和特征矢量生成等步驟完整地結合在一起進行優化，同時具備尺度和旋轉的不變性，成為局部不變特征研究過程中一個里程碑式的成就，其他很多描述算子都是在此基礎上改進得到的。但是，SIFT算法只考慮了尺度和旋轉的不變性，對仿射變換具有一定的敏感性，隨著視角變化的增大其穩定性逐漸下降。而且對于背景復雜、層次豐富的圖像存在匹配速度慢的缺點，無法滿足實時性場合的要求。

另一個常用的描述子是局部二進制模式(LBP)，通過將中心像素與近鄰像素的灰度值進行對比，形成一個位串然后將其編碼，最后將圖像的標簽頻率直方圖作為紋理表達。具有計算簡單、對目標灰度變化不敏感的優點。但是傳統的LBP描述子提取圖像的信息都不夠豐富，難以精確地描繪局部紋理結構。

其他一些常用的描述子還有互信息描述子、基于霍夫編碼的描述子、灰度共生矩陣描述子等，對圖像本身也提出各種限制要求。然而，現實世界中的圖像不僅種類繁多、結構復雜，而且成像條件幾乎不可預知，加之大數據時代的到來，提取有效的局部不變特征和設計高效的圖像表達方法是十分具有挑戰性的任務。

發明內容

針對上述已有技術的不足，本發明提供了一種快速局部不變特征提取與描述方法。本發明方法能夠更為細致的描述圖像的紋理分布，同時還提高了紋理描述的抗噪性。

本發明的技術方案是：

一種快速局部不變特征提取與描述方法，包括以下步驟：

S1：通過分塊FAST角點檢測算法計算特征點集合；

S1.1，記需要進行特征提取和描述的彩色RGB圖像為P(x,y,z)，將圖像P(x,y,z)均勻的分塊，獲得N個子圖像，每個子圖像大小為21×21，記為{P₁(x,y,z),…,P_N(x,y,z)}；

S1.2，在每個子圖像中使用FAST角點檢測算法進行特征點檢測，在圖像P(x,y,z)的每個子圖像中獲得一個特征點，得到圖像P(x,y,z)所有子圖像的特征點集合為{(x₁,y₁),…,(x_N,y_N)}；

S1.2中，圖像P(x,y,z)中每個子圖像的特征點的獲取方法為：對于圖像P(x,y,z)中的任一子圖像P_n(x,y,z)，對子圖像P_n(x,y,z)采用FAST角點檢測算法進行特征點檢測，如果檢測出多個特征點，選擇響應值最大的特征點作為子圖像P_n(x,y,z)最終選取的特征點；如果沒有檢測出特征點，則選取子圖像P_n(x,y,z)的中間點作為子圖像P_n(x,y,z)最終選取的特征點。

S2：對特征點進行特征描述，將顏色比對的結果分成五類，每個特征點獲得一個特征向量；