[發(fā)明專利]一種基于傅里葉變換的快速圖像SIFT提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910316073.4
• 申請(qǐng)日: 2019-04-19
• 公開（公告）號(hào): CN110197184A
• 公開（公告）日: 2019-09-03
• 發(fā)明（設(shè)計(jì)）人: 王偉波;劉鵬飛
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06F17/14
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種可以實(shí)現(xiàn)快速SIFT特征點(diǎn)提取的方法。在建立高斯差分圖像金字塔時(shí)，根據(jù)傅里葉變換的卷積定理，用高斯卷積核函數(shù)的傅里葉變換和待配準(zhǔn)圖像的傅里葉變換的乘積的傅里葉逆變換代替原有方法的直接求高斯核函數(shù)與待配準(zhǔn)圖像的卷積，依托快速傅里葉變換的優(yōu)勢(shì)，大大降低了提取SIFT特征描述符的計(jì)算量與計(jì)算時(shí)間。后續(xù)極值點(diǎn)的檢測(cè)與剔除機(jī)制以及特征點(diǎn)的描述符生成方法與傳統(tǒng)SIFT一致，從而實(shí)現(xiàn)在保持原有SIFT方法穩(wěn)定性與抗噪性等優(yōu)點(diǎn)的同時(shí)，實(shí)現(xiàn)快速、實(shí)時(shí)、穩(wěn)定、可靠的SIFT特征點(diǎn)提取。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，特別是涉及圖像的特征點(diǎn)快速提取、配準(zhǔn)、與識(shí)別等領(lǐng)域。

背景技術(shù)

SIFT(尺度不變特征變換)算法，是公認(rèn)的綜合匹配能力最強(qiáng)的圖像匹配方法，具備縮放、平移、尺度等不變性，穩(wěn)定性與抗噪性強(qiáng)，常用于處理兩幅圖像之間存在平移、旋轉(zhuǎn)、仿射變換等條件下的配準(zhǔn)。但是該方法又有不足之處，那就是由于高斯尺度金子塔的構(gòu)建以及特征點(diǎn)的描述符計(jì)算等過程運(yùn)算量大，耗時(shí)長(zhǎng)。現(xiàn)有的改進(jìn)多是針對(duì)如何提高SIFT特征點(diǎn)提取速度，同時(shí)盡可能實(shí)現(xiàn)綜合性能的提升。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種可以實(shí)現(xiàn)快速SIFT特征提取的可靠方法，由于改進(jìn)SIFT描述符會(huì)或多或少降低SIFT特征點(diǎn)進(jìn)行圖像匹配的性能，因此本發(fā)明從高斯尺度金子塔的構(gòu)建入手。依據(jù)信號(hào)處理理論中的傅里葉變換的卷積定理，通過計(jì)算高斯卷積核和圖片的傅里葉變換的乘積，再求逆變換的方法代替原有方法的在空域做卷積，大大減少了計(jì)算量與計(jì)算時(shí)間，從而實(shí)現(xiàn)快速的高斯差分圖像金字塔的構(gòu)建。同時(shí)本發(fā)明不改變描述符的生成方法，從而在保證性能的前提下加快該方法進(jìn)行特征點(diǎn)提取的速度，實(shí)現(xiàn)快速、實(shí)時(shí)、穩(wěn)定、可靠的SIFT特征點(diǎn)提取。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案為：一種基于傅里葉變換的快速圖像SIFT提取方法，包括以下步驟：

步驟一:基于傅里葉變換的卷積定理，構(gòu)建高斯差分(DOG)尺度空間。

步驟二:在DOG空間搜索極值點(diǎn)，初步確定特征點(diǎn)位置與所在尺度。

步驟三:特征點(diǎn)的精確定位，同時(shí)消除低對(duì)比度并消除邊緣響應(yīng)，獲得穩(wěn)定的關(guān)鍵點(diǎn)的準(zhǔn)確位置、所在尺度信息。

步驟四:以1.5倍特征點(diǎn)所在尺度為鄰域窗口，計(jì)算得到特征點(diǎn)鄰域梯度直方圖，為特征點(diǎn)分配主方向θ。

步驟五:根據(jù)關(guān)鍵點(diǎn)周圍16*16鄰域計(jì)算生成SIFT特征描述符。

在步驟一中，基于傅里葉變換的卷積定理，構(gòu)建高斯差分(DOG)尺度空間的具體做法為：

定義圖像的尺度空間表達(dá)函數(shù):

L(x,y,σ)＝G(x,y,σ)*I(x,y)

其中*代表卷積，I(x,y)代表輸入圖像，G(x,y,σ)為尺度為σ的高斯核函數(shù):

而生成L(x,y,σ)的過程可以通過傅里葉變換的卷積定理得到加速，實(shí)現(xiàn)方法為：

L(x,y,σ)＝F^-1{F{G(x,y,σ)}·F{I(x,y)}}

其中，F(xiàn){·}為傅里葉變換；F^-1{·}為傅里葉逆變換。

最后根據(jù)兩個(gè)由常數(shù)因子k隔離開的相鄰尺度生成高斯差分函數(shù)D(x,y,σ):

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

在步驟二中，在DOG空間搜索極值點(diǎn)，初步確定特征點(diǎn)位置與所在尺度，搜索策略為：