一種基于信息量的快速sift提取方法
【專利摘要】本發(fā)明公開了一種基于信息量的快速SIFT提取方法，在原圖的基礎(chǔ)上進(jìn)行一次高斯卷積，得到高斯卷積圖；分別在原圖與高斯卷積圖上采用八點鄰域極值法求取候選特征點，每個候選特征點分別向原圖垂直投影，在原圖上以投影點為中心，以4個像素為半徑的圓形區(qū)域內(nèi)，搜索與投影點距離最接近的原圖上的候選特征點為尺度不變特征點；分別計算半徑從一個像素到20個像素變化的圓區(qū)域內(nèi)除以半徑的單位半徑信息量，以信息量取最大值時候的半徑為局部尺度；計算12維SSIFT特征向量，再歸一化該向量，實現(xiàn)圖像之間的快速匹配。本發(fā)明的有益效果是縮短了計算時間，提高了實時性，適用于有噪聲的復(fù)雜環(huán)境下進(jìn)行目標(biāo)匹配。
【專利說明】_種基于信息量的快速SIFT提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及一種基于信息量的快速SIFT提取方法。

【背景技術(shù)】
[0002] 近年來圖像的多尺度空間理論逐漸成為研宄的熱點，1999年與2004年，加拿 大科學(xué)家Iowe在前人基礎(chǔ)上提出了穩(wěn)定的尺度不變特征提取算法SIFT成為了視覺領(lǐng) 域的里程碑。但SIFT具有計算量大，不完全仿射等缺點，因此國內(nèi)外學(xué)者提出了許多改 進(jìn)算法，如劉立等人提出的簡化算法SSIFT、Ke提出的PCA-SIFT算法以及Bay提出的 SURF (speeded up robust features)算法均在一定程度上降低了 SIFT算子的時間復(fù)雜度， 但又相應(yīng)地?fù)p失了算法的匹配性能。Mortensen在SIFT特征中加入全局紋理特征，提出的 SIFT+GC(sift+globle context)算子能在復(fù)雜的相似環(huán)境中提高匹配正確率，MOREL提出 的ASIFT(affine sift)算子在SIFT的基礎(chǔ)上加入了相機(jī)的角度參數(shù)，大大提高了算法的 仿射不變性。與SIFT+GC算法一樣，缺點是時間復(fù)雜度成倍地增加。
[0003] 以上算法都是建立在尺度空間建立之上，而尺度空間的遍歷導(dǎo)致了計算時間長， 匹配效率不高的問題。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種基于信息量的快速SIFT提取方法，解決了傳統(tǒng)SIFT 算法在有噪聲的復(fù)雜環(huán)境下產(chǎn)生大量偽特征點以及計算效率較低的問題。
[0005] 本發(fā)明所采用的技術(shù)方案是按照以下步驟進(jìn)行：
[0006] 步驟1 :在原圖的基礎(chǔ)上進(jìn)行一次高斯卷積，得到高斯卷積圖；
[0007] 步驟2 :分別在原圖與高斯卷積圖上采用八點鄰域極值法求取候選特征點，使每 個像素與相鄰八個像素的灰度值比較，如果為最大值或最小值，就認(rèn)為該點為候選特征 占.
[0008] 步驟3 :通過步驟2獲得的高斯卷積圖上的每個候選特征點分別向原圖垂直投影， 在原圖上以投影點為中心，以4個像素為半徑的圓形區(qū)域內(nèi)，搜索與投影點距離最接近的 原圖上的候選特征點，該候選特征點即為原圖上的尺度不變特征點；
[0009] 步驟4 :在原圖上以每個尺度不變特征點為中心，分別計算半徑從一個像素到20 個像素變化的圓區(qū)域內(nèi)除以半徑的單位半徑信息量，以信息量取最大值時候的半徑為局部 尺度；
[0010] 步驟5、計算12維SSIFT特征向量，以尺度不變特征點為中心，采用3倍局部尺度 為半徑的圓形區(qū)域作為統(tǒng)計鄰域范圍，在該區(qū)域里統(tǒng)計每個像素的梯度向量，將梯度向量 分別投影到12個梯度方向并進(jìn)行累加，形成12維特征向量，在該特征向量里查找最大的梯 度方向元素，并將該特征向量循環(huán)左移至向量頭部，再歸一化該向量；
[0011] 步驟6 :通過尺度不變特征點以及與之對應(yīng)的特征向量，實現(xiàn)圖像之間的快速匹 配。
[0012] 進(jìn)一步，所述步驟1的具體步驟為：設(shè)原圖為f，則高斯卷積圖L為f與高斯模板g 的卷積，即L = f*g，高斯參數(shù)取值σ = 1. 3,本發(fā)明高斯模板g為：

【權(quán)利要求】
1. 一種基于信息量的快速SIFT提取方法，其特征在于按照以下步驟進(jìn)行： 步驟1:在原圖的基礎(chǔ)上進(jìn)行一次高斯卷積，得到高斯卷積圖； 步驟2:分別在原圖與高斯卷積圖上采用八點鄰域極值法求取候選特征點，使每個像 素與相鄰八個像素的灰度值比較，如果為最大值或最小值，就認(rèn)為該點為候選特征點； 步驟3 :通過步驟2獲得的高斯卷積圖上的每個候選特征點分別向原圖垂直投影，在原 圖上以投影點為中心，以4個像素為半徑的圓形區(qū)域內(nèi)，搜索與投影點距離最接近的原圖 上的候選特征點，該候選特征點即為原圖上的尺度不變特征點； 步驟4 :在原圖上以每個尺度不變特征點為中心，分別計算半徑從一個像素到20個像 素變化的圓區(qū)域內(nèi)除以半徑的單位半徑信息量，以信息量取最大值時候的半徑為局部尺 度； 步驟5、計算12維SSIFT特征向量，以尺度不變特征點為中心，采用3倍局部尺度為半 徑的圓形區(qū)域作為統(tǒng)計鄰域范圍，在該區(qū)域里統(tǒng)計每個像素的梯度向量，將梯度向量分別 投影到12個梯度方向并進(jìn)行累加，形成12維特征向量，在該特征向量里查找最大的梯度方 向元素，并將該特征向量循環(huán)左移至向量頭部，再歸一化該向量； 步驟6:通過尺度不變特征點以及與之對應(yīng)的特征向量，實現(xiàn)圖像之間的快速匹配。
2. 按照權(quán)利要求1所述一種基于信息量的快速SIFT提取方法，其特征在于：所述步驟 1的具體步驟為：設(shè)原圖為f，則高斯卷積圖L為f與高斯模板g的卷積，即L=f*g，高斯 參數(shù)取值σ=1.3,本發(fā)明高斯模板g為：
3. 按照權(quán)利要求1所述一種基于信息量的快速SIFT提取方法，其特征在于：所述步驟 4中，單位半徑信息量info=num/r，其中info為單位半徑信息量，num為原圖上以尺度不 變特征點為中心同心圓內(nèi)候選特征點數(shù)目，r是半徑。
【文檔編號】G06T7/00GK104463867SQ201410740083
【公開日】2015年3月25日 申請日期:2014年12月8日 優(yōu)先權(quán)日:2014年12月8日
【發(fā)明者】劉立, 伍大清, 李悛, 汪琳霞, 劉芳菊, 羅揚 申請人:南華大學(xué)