專利名稱：基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬 于通用圖像數(shù)據(jù)處理技術(shù)，特別是一種基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法。
背景技術(shù)：
圖像特征點(diǎn)是一種能夠?qū)Χ喾N圖像變化都具有一定魯棒性的圖像局部特征。在提取特征點(diǎn)之后，需要使用描述子，利用特征點(diǎn)周圍的局部圖像信息，通過(guò)計(jì)算獲取各特征點(diǎn)的特征向量，并形成圖像的特征向量空間。在兩幅圖像中匹配相同的特征點(diǎn)就是在這兩幅圖像的特征向量空間中匹配對(duì)應(yīng)的特征向量。尺度不變特征點(diǎn)不僅能夠適應(yīng)平移、旋轉(zhuǎn)和噪聲等圖像變化，而且對(duì)圖像尺度變化(圖像縮放)也具有較強(qiáng)的魯棒性。因而，對(duì)應(yīng)于尺度不變特征點(diǎn)的描述方法以及特征描述向量也需要具有尺度不變性。Mikolajczyk提出了 Harris-Laplace尺度不變特征點(diǎn)，并利用微分不變 (differentialinvariants)描述子來(lái)計(jì)算特征點(diǎn)的特征向量。微分不變描述子使用被命名為local jet的一系列微分計(jì)算來(lái)對(duì)特征點(diǎn)附近的局部區(qū)域圖像進(jìn)行描述，并采用馬氏距離(Mahalanobis distance)來(lái)判別特征向量之間的相似性。該描述子雖然具有一定的尺度不變性，但是微分計(jì)算本身對(duì)圖像噪聲比較敏感(K. Mikolajczyk. Detection of localfeatures invariant to affine transformations [PhD Thesis]. Montbonnot, France :INRIA，2002)。Lowe基于動(dòng)物視覺(jué)神經(jīng)細(xì)胞對(duì)外部圖像信息的應(yīng)答特性提出 SIFT(Scale-InvariantFeature Transform)尺度不變特征點(diǎn)和SIFT描述子，將以特征點(diǎn)為中心的局部區(qū)域圖像劃分成16個(gè)正方形區(qū)域，計(jì)算各區(qū)域內(nèi)的八方向梯度方向直方圖來(lái)組成特征點(diǎn)的128維特征向量，并利用歐式距離進(jìn)行相似性判別。SIFT描述子的魯棒性較強(qiáng)，但是由于特征向量的維數(shù)較高，向量匹配的計(jì)算量也較大(D.G.Lowe. Distinctive imagefeatures from scale-invariant keypoints. International Journal of Computer Vision,2004,60 (2) :91 110)。上述尺度不變特征點(diǎn)描述和匹配方法都是基于圖像的灰度信息，并沒(méi)有利用圖像的彩色信息。Swain和Ballard提出彩色直方圖對(duì)彩色圖像進(jìn)行匹配。彩色直方圖中的每一維表示所使用的彩色模型的一個(gè)分量，并且依據(jù)分量的取值范圍進(jìn)行離散化。直方圖中每個(gè)單元的數(shù)值通過(guò)統(tǒng)計(jì)落入相應(yīng)單元中的像素的個(gè)數(shù)而獲得(M. J. Swain,D. H Ballard. Color indexing. International Journal of Computer Vision,1991,7 (1) :11 32)。 RGB彩色直方圖不具有對(duì)光照改變的適應(yīng)能力。為了增強(qiáng)對(duì)光照變化的魯棒性，Adjeroh 和Lee選用了具有彩色不變性的彩色比率模型分量來(lái)組成彩色比率直方圖(D. A. Adjeroh, M. C.Lee. On ratio-based color indexing. IEEE Transactions on ImageProcessing, 2001,10(1) :36 48)。彩色直方圖雖然利用了圖像的彩色信息，但是對(duì)噪聲和縮放等圖像變化的魯棒性較差，不適用于圖像尺度不變特征點(diǎn)的描述和匹配。
也有學(xué)者將圖像的RGB或HSV彩色分量當(dāng)成灰度圖像信息來(lái)處理，并利用SIFT等原本基于灰度信息的描述子計(jì)算各彩色分量圖中的彩色分量梯度直方圖，最終生成3X^8 =384維特征向量。這種匹配方法實(shí)質(zhì)上是SIFT描述子的一種擴(kuò)展，但是特征向量維數(shù)卻大大增加，匹配的實(shí)時(shí)性受到較大影響?？偨Y(jié)國(guó)內(nèi)外公開的圖像特征點(diǎn)描述和匹配相關(guān)文獻(xiàn)及研究成果，存在以下不足 (1)基于微分計(jì)算的特征點(diǎn)描述子雖然特征向量維數(shù)較低并且匹配計(jì)算量小，但是對(duì)圖像噪聲較為敏感；0)SIFT描述子等基于特定區(qū)域圖像信息分布的描述方法具有較強(qiáng)的魯棒性，但是由于描述子結(jié)構(gòu)復(fù)雜，并且特征向量的維數(shù)較高，匹配的計(jì)算量往往很大；(3)基于彩色直方圖的描述子對(duì)圖像變化的魯棒性較差；(4)將圖像的彩色分量當(dāng)成灰度圖像來(lái)處理，使用SIFT等基于圖像灰度信息的描述子，所生成的特征向量的維數(shù)會(huì)成倍增加，匹配的計(jì)算量更大。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種以圖像 RGB彩色信息為基礎(chǔ)的，具有尺度不變特性的圖像特征點(diǎn)描述子，實(shí)現(xiàn)不同圖像的尺度不變特征點(diǎn)之間的有效匹配。為了解決上述技術(shù)問(wèn)題，本發(fā)明公開了一種基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，包括如下步驟步驟1，提取輸入數(shù)字彩色圖像的R、G、B彩色分量；根據(jù)圖像的噪聲設(shè)置高斯卷積的標(biāo)準(zhǔn)差，分別對(duì)所提取的R、G、B彩色分量圖像使用一維高斯模板在垂直和水平方向上先后進(jìn)行兩次一維高斯卷積，作為后續(xù)彩色分量均值計(jì)算的依據(jù)；步驟2，依據(jù)各特征點(diǎn)的坐標(biāo)確定對(duì)應(yīng)同心圓描述子的中心位置，依據(jù)特征點(diǎn)的方向確定描述子的基準(zhǔn)方向，依據(jù)特征點(diǎn)尺度確定描述子的區(qū)域大??；對(duì)落入同一描述子子區(qū)域中的所有像素點(diǎn)計(jì)算R、G、B彩色分量的均值，所有16個(gè)子區(qū)域的彩色分量均值共構(gòu)建 48維特征向量元素。其中，特征點(diǎn)尺度值等于圖像尺度空間中提取該特征點(diǎn)所在圖像層所對(duì)應(yīng)的尺度大??；步驟3，依據(jù)描述子子區(qū)域與特征點(diǎn)之間的距離確定各子區(qū)域的高斯權(quán)重；按照所屬子區(qū)域，將各特征向量元素乘以相應(yīng)的權(quán)重值，以區(qū)分離特征點(diǎn)距離遠(yuǎn)近不同的子區(qū)域所占的比重；步驟4，將特征向量的48維元素按照所屬彩色分量的不同分為三組，對(duì)應(yīng)于R、G、 B彩色分量，其中，每組元素包括16個(gè)，對(duì)應(yīng)于描述子的16個(gè)子區(qū)域；分別對(duì)屬于同一彩色分量的16個(gè)向量元素進(jìn)行歸一化處理，形成最終的特征描述向量；步驟5，對(duì)圖像所有尺度不變特征點(diǎn)進(jìn)行特征向量計(jì)算后，將所有的特征向量組合成該圖像的特征向量空間；在兩幅圖像的特征向量空間中進(jìn)行特征點(diǎn)匹配，計(jì)算一幅圖像中的某個(gè)特征點(diǎn)的特征向量與另一幅圖像的所有特征向量之間的歐式距離，當(dāng)最近距離與次近距離的比值小于閾值時(shí)，距離最近的一對(duì)特征點(diǎn)為匹配特征點(diǎn)。本發(fā)明步驟2中，所述特征點(diǎn)描述子為一種同心圓結(jié)構(gòu)，取外圓半徑為特征點(diǎn)尺度大小的k倍，k為自然數(shù)，內(nèi)圓的半徑為外圓半徑的二分之一，等于特征點(diǎn)尺度大小的k/2 倍；內(nèi)圓每隔90度劃分4個(gè)子區(qū)域，圓環(huán)每隔30度劃分12個(gè)子區(qū)域，16個(gè)子區(qū)域面積相同，編號(hào)從內(nèi)向外逆時(shí)針排列，并設(shè)置描述子基準(zhǔn)方向?yàn)槠?°方向；在特征向量計(jì)算中， 以特征點(diǎn)所在的圖像坐標(biāo)為描述子中心位置，旋轉(zhuǎn)描述子的基準(zhǔn)方向與特征點(diǎn)方向一致。
本發(fā)明步驟2中，基于同心圓描述子的特征向量計(jì)算步驟如下步驟201 依據(jù)特征點(diǎn)在圖像中的坐標(biāo)(i，j)、方向β和尺度s，設(shè)置同心圓描述子中心在圖像坐標(biāo)(i，j)上，旋轉(zhuǎn)描述子的基準(zhǔn)方向指向β角度，并取描述子半徑r = ks;步驟202:以圖像坐標(biāo)(i，j)為中心，以2r為邊長(zhǎng)，選取同心圓描述子的外接正方形A，并確定正方形區(qū)域A中的所有像素點(diǎn)，用Im(x，y)表示圖像中坐標(biāo)為(x，y)的像素點(diǎn)， 對(duì)于區(qū)域A中的每個(gè)像素點(diǎn)，有i-2r ^ χ ^ i+2r且j_2r ^ y ^ j+2r ；步驟203:選取區(qū)域A內(nèi)的一個(gè)像素點(diǎn)，計(jì)算該像素點(diǎn)與特征點(diǎn)之間的距離1，計(jì)算該像素點(diǎn)和特征點(diǎn)連線與描述子方向之間的夾角Θ，并轉(zhuǎn)換到0° 360°范圍內(nèi)；步驟204 對(duì)距離1進(jìn)行判別，如果1 > r，像素點(diǎn)未落入描述子的區(qū)域內(nèi)，進(jìn)行步驟203 ；如果0. 5r < 1 < r，進(jìn)行步驟205 ；如果1 < 0. 5r，進(jìn)行步驟206 ；步驟205:用η表示像素點(diǎn)所落入描述子子區(qū)域的標(biāo)號(hào)，對(duì)θ進(jìn)行判別，判據(jù)如下如果0°彡θ <30°，則η = 5，判定該像素點(diǎn)落入子區(qū)域5 ；如果30°彡θ < 60°，則η = 6，判定該像素點(diǎn)落入子區(qū)域6 ；如果60°彡θ < 90°，則η = 7，判定該像素點(diǎn)落入子區(qū)域7 ；如果90°彡θ <120°，則η = 8，判定該像素點(diǎn)落入子區(qū)域8 ；如果120°彡θ <150°，則η = 9，判定該像素點(diǎn)落入子區(qū)域9 ；如果150°彡θ < 180°，則η = 10，判定該像素點(diǎn)落入子區(qū)域10 ；如果180° ( θ < 210°，則η = 11，判定該像素點(diǎn)落入子區(qū)域11 ；如果210°彡θ < 240°，則η = 12，判定該像素點(diǎn)落入子區(qū)域12 ；如果240°彡θ < 270°，則η = 13，判定該像素點(diǎn)落入子區(qū)域13 ；如果270°彡θ < 300°，則η = 14，判定該像素點(diǎn)落入子區(qū)域14 ；如果300°彡θ < 330°，則η = 15，判定該像素點(diǎn)落入子區(qū)域15 ；如果330°彡θ < 360°，則η = 16，判定該像素點(diǎn)落入子區(qū)域16 ；進(jìn)行步驟207 ；步驟206 對(duì)θ進(jìn)行判別，判據(jù)如下如果0° ^ θ <90°，則η = 1，判定該像素點(diǎn)落入子區(qū)域1 ；如果90°彡θ <180°，則η = 2，判定該像素點(diǎn)落入子區(qū)域2 ；如果180°彡θ < 270°，則η = 3，判定該像素點(diǎn)落入子區(qū)域3 ；如果270°彡θ < 360°，則η = 4，判定該像素點(diǎn)落入子區(qū)域4 ；進(jìn)行步驟207;步驟207 依據(jù)下式將該像素點(diǎn)的R、G、B彩色分量值分別累加到與子區(qū)域η對(duì)應(yīng)的特征向量的元素中colorFeature[3n_3] = colorFeature[3n-3]+RIm(χ, y),colorFeature[3η_2] = colorFeature[3η_2]+GIm(χ，y)，colorFeature[3η_1] = colorFeature[3η_1]+BIm(χ，y)；其中，RIm(x，y)、GIm(x，y)和BIm(x，y)分別表示像素點(diǎn) Im(x，y)的 R、G、B 彩色分量值；colorFeature[]表示特征點(diǎn)的特征向量，并且colorFeature[]的維數(shù)為48維；步驟208 判定該像素點(diǎn)落入子區(qū)域n，根據(jù)式pointN[n-1] = pointN[n_l]+l，統(tǒng)計(jì)各子區(qū)域中的像素點(diǎn)個(gè)數(shù)，其中，16維向量pointN□用來(lái)存儲(chǔ)16個(gè)子區(qū)域分別包含像素點(diǎn)的個(gè)數(shù)，且pointN [n-1]對(duì)應(yīng)于子區(qū)域η ；步驟209 判斷區(qū)域A中所有像素點(diǎn)是否全部計(jì)算完畢，如果沒(méi)有計(jì)算完，進(jìn)行步驟203，否則進(jìn)行步驟210 ；步驟 210 依據(jù)式 colorFeature [m] = colorFeature [m] /pointN[ [m/3] ] (m = 0， 1,2, ...，47)，計(jì)算各描述子子區(qū)域中R、G、B彩色分量的均值，作為對(duì)應(yīng)的特征向量元素。 其中，[m/3]為取整數(shù)運(yùn)算。本發(fā)明步驟202中，描述子外接正方形區(qū)域A超出圖像邊界范圍時(shí)，確定像素點(diǎn)的處理方式如下用變量imH和imW分別表示圖像的高度和寬度，如果χ < 0 且 y < 0，取 Im(x，y) = Im(-χ, -y)；如果χ > imH-1 且 y < 0，取 Im(x，y) = Im(2 (imH-1)-χ, -y)；如果χ < 0 且 y > imW-1，取 Im(x，y) = Im(-x, 2 (imff-1)-y)；如果χ > imH-1 且 y > imW-1，取 Im (χ, y) = Im (2 (imH-1)-χ, 2 (imff-1)-y) 本發(fā)明步驟3中，按照所屬子區(qū)域與特征點(diǎn)之間的距離，將各特征向量元素乘以相應(yīng)的高斯權(quán)重值，取高斯標(biāo)準(zhǔn)差ο等于r，子區(qū)域5 16與子區(qū)域1 4的高斯權(quán)重比值為0. 7788 ；設(shè)置與子區(qū)域1 4對(duì)應(yīng)的特征向量元素值不變，而與子區(qū)域5 16對(duì)應(yīng)的特征向量元素乘以權(quán)重值0. 7788
權(quán)利要求
1.一種基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，包括以下步驟步驟1，提取輸入數(shù)字彩色圖像的R、G、B彩色分量；根據(jù)圖像的噪聲設(shè)置高斯卷積的標(biāo)準(zhǔn)差，分別對(duì)所提取的R、G、B彩色分量圖像使用一維高斯模板在垂直和水平方向上先后進(jìn)行兩次一維高斯卷積，作為后續(xù)彩色分量均值計(jì)算的依據(jù)；步驟2，依據(jù)各特征點(diǎn)的坐標(biāo)確定對(duì)應(yīng)同心圓描述子的中心位置，依據(jù)特征點(diǎn)的方向確定描述子的基準(zhǔn)方向，依據(jù)特征點(diǎn)尺度確定描述子的區(qū)域大?。粚?duì)落入同一描述子子區(qū)域中的所有像素點(diǎn)計(jì)算R、G、B彩色分量的均值，所有16個(gè)子區(qū)域的彩色分量均值共構(gòu)建48 維特征向量元素，其中，特征點(diǎn)尺度值等于圖像尺度空間中提取該特征點(diǎn)所在圖像層所對(duì)應(yīng)的尺度大小；步驟3，依據(jù)描述子子區(qū)域與特征點(diǎn)之間的距離確定各子區(qū)域的高斯權(quán)重；按照所屬子區(qū)域，將各特征向量元素乘以相應(yīng)的權(quán)重值，以區(qū)分離特征點(diǎn)距離遠(yuǎn)近不同的子區(qū)域所占的比重；步驟4，將特征向量的48維元素按照所屬彩色分量的不同分為三組，對(duì)應(yīng)于R、G、B彩色分量，其中，每組元素包括16個(gè)，對(duì)應(yīng)于描述子的16個(gè)子區(qū)域；分別對(duì)屬于同一彩色分量的16個(gè)向量元素進(jìn)行歸一化處理，形成最終的特征描述向量；步驟5，對(duì)圖像所有尺度不變特征點(diǎn)進(jìn)行特征向量計(jì)算后，將所有的特征向量組合成該圖像的特征向量空間；在兩幅圖像的特征向量空間中進(jìn)行特征點(diǎn)匹配，計(jì)算一幅圖像中的某個(gè)特征點(diǎn)的特征向量與另一幅圖像的所有特征向量之間的歐式距離，當(dāng)最近距離與次近距離的比值小于閾值時(shí)，距離最近的一對(duì)特征點(diǎn)為匹配特征點(diǎn)。
2.根據(jù)權(quán)利要求1所述的基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，步驟2中，所述特征點(diǎn)描述子為一種同心圓結(jié)構(gòu)，取外圓半徑為特征點(diǎn)尺度大小的k倍， k為自然數(shù)，內(nèi)圓的半徑為外圓半徑的二分之一，等于特征點(diǎn)尺度大小的k/2倍；內(nèi)圓每隔 90度劃分4個(gè)子區(qū)域，圓環(huán)每隔30度劃分12個(gè)子區(qū)域，16個(gè)子區(qū)域面積相同，編號(hào)從內(nèi)向外逆時(shí)針排列，并設(shè)置描述子基準(zhǔn)方向?yàn)槠?°方向；在特征向量計(jì)算中，以特征點(diǎn)所在的圖像坐標(biāo)為描述子中心位置，旋轉(zhuǎn)描述子的基準(zhǔn)方向與特征點(diǎn)方向一致。
3.根據(jù)權(quán)利要求1所述的基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，步驟2中，基于同心圓描述子的特征向量計(jì)算步驟如下步驟201 依據(jù)特征點(diǎn)在圖像中的坐標(biāo)(i，j)、方向β和尺度s，設(shè)置同心圓描述子中心在圖像坐標(biāo)(i，j)上，旋轉(zhuǎn)描述子的基準(zhǔn)方向指向β角度，并取描述子半徑r = ks ；步驟202 以圖像坐標(biāo)(i，j)為中心，以2r為邊長(zhǎng)，選取同心圓描述子的外接正方形A， 并確定正方形區(qū)域A中的所有像素點(diǎn)，用Lii(X，y)表示圖像中坐標(biāo)為(x，y)的像素點(diǎn)，對(duì)于區(qū)域A中的每個(gè)像素點(diǎn)，有i-2r ^ χ ^ i+2r且j_2r ^ y ^ j+2r ；步驟203:選取區(qū)域A內(nèi)的一個(gè)像素點(diǎn)，計(jì)算該像素點(diǎn)與特征點(diǎn)之間的距離1，計(jì)算該像素點(diǎn)和特征點(diǎn)連線與描述子方向之間的夾角Θ，并轉(zhuǎn)換到0° 360°范圍內(nèi)；步驟204 對(duì)距離1進(jìn)行判別，如果1 > r，像素點(diǎn)未落入描述子的區(qū)域內(nèi)，進(jìn)行步驟 203 ；如果0. 5r < 1 < r，進(jìn)行步驟205 ；如果1 < 0. 5r，進(jìn)行步驟206 ；步驟205:用η表示像素點(diǎn)所落入描述子子區(qū)域的標(biāo)號(hào)，對(duì)θ進(jìn)行判別，判據(jù)如下 如果0°彡θ <30°，則η = 5，判定該像素點(diǎn)落入子區(qū)域5;如果30°彡θ <60°，則η = 6，判定該像素點(diǎn)落入子區(qū)域6; 如果60°彡θ <90°，則η = 7，判定該像素點(diǎn)落入子區(qū)域7; 如果90°彡θ <120°，則η = 8，判定該像素點(diǎn)落入子區(qū)域8; 如果120° ( θ <150°，則η = 9，判定該像素點(diǎn)落入子區(qū)域9 ； 如果150°彡θ < 180°，則η = 10，判定該像素點(diǎn)落入子區(qū)域10 ； 如果180°彡θ <210°，則η = 11，判定該像素點(diǎn)落入子區(qū)域11 ； 如果210°彡θ < 240°，則η = 12，判定該像素點(diǎn)落入子區(qū)域12 ； 如果240°彡θ < 270°，則η = 13，判定該像素點(diǎn)落入子區(qū)域13 ； 如果270°彡θ < 300°，則η= 14，判定該像素點(diǎn)落入子區(qū)域14; 如果300°彡θ < 330°，則η = 15，判定該像素點(diǎn)落入子區(qū)域15 ； 如果330°彡θ < 360°，則η = 16，判定該像素點(diǎn)落入子區(qū)域16 ； 進(jìn)行步驟207 ；步驟206 對(duì)θ進(jìn)行判別，判據(jù)如下如果0°彡θ <90°，則η= 1，判定該像素點(diǎn)落入子區(qū)域1; 如果90°彡θ <180°，則η = 2，判定該像素點(diǎn)落入子區(qū)域2; 如果180° ( θ < 270°，則η = 3，判定該像素點(diǎn)落入子區(qū)域3 ； 如果270° ^ θ < 360°，則η = 4，判定該像素點(diǎn)落入子區(qū)域4; 進(jìn)行步驟207 ； 步驟207 依據(jù)下式將該像素點(diǎn)的R、G、B彩色分量值分別累加到與子區(qū)域η對(duì)應(yīng)的特征向量的元素中 colorFeature[3n_3] = colorFeature[3n-3]+RIm(x, y), colorFeature[3η_2] = colorFeature[3η_2]+GIm(χ, y), colorFeature[3η_1] = colorFeature[3η-1]+BIm(χ, y)；其中，肌111(1，7)、61111“，7)和BIm(x，y)分別表示像素點(diǎn)Im(x，y)的R、G、B彩色分量值；colorFeature []表示特征點(diǎn)的特征向量，并且colorFeature []的維數(shù)為48維；步驟208 判定該像素點(diǎn)落入子區(qū)域n，根據(jù)式pointN[n-l] = pointN[n-l]+l，統(tǒng)計(jì)各子區(qū)域中的像素點(diǎn)個(gè)數(shù)，其中，16維向量pointN□用來(lái)存儲(chǔ)16個(gè)子區(qū)域分別包含像素點(diǎn)的個(gè)數(shù)，且pointN[n-l]對(duì)應(yīng)于子區(qū)域η ；步驟209 判斷區(qū)域A中所有像素點(diǎn)是否全部計(jì)算完畢，如果沒(méi)有計(jì)算完，進(jìn)行步驟 203，否則進(jìn)行步驟210;步驟 210 依據(jù)式 colorFeature[m] = colorFeature[m]/pointN[[m/3]] (m = 0,1, 2, ...，47)，計(jì)算各描述子子區(qū)域中R、G、B彩色分量的均值，作為對(duì)應(yīng)的特征向量元素，其中，[m/3]為取整數(shù)運(yùn)算。
4.根據(jù)權(quán)利要求3所述的基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，步驟202中，描述子外接正方形區(qū)域A超出圖像邊界范圍時(shí)，確定像素點(diǎn)的處理方式如下用變量imH和imW分別表示圖像的高度和寬度，如果 χ < 0 且 y < 0，取 Im(x，y) = Im(-χ, -y)；如果 x> imH-1 且 y < 0，取 Im(x，y) = Im(2 (imH-1)-χ, -y)；如果X < 0且7 > imW-1，取 Im (X，y) = Im(-x, 2 (imff-1)-y)；如果 χ > imH-1 且 y > imW-1，取 Im (χ，y) = Im (2 (imH-1) -χ, 2 (imff-1) -y)。
5.根據(jù)權(quán)利要求1所述的基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，步驟3中，按照所屬子區(qū)域與特征點(diǎn)之間的距離，將各特征向量元素乘以相應(yīng)的高斯權(quán)重值，取高斯標(biāo)準(zhǔn)差σ等于r，子區(qū)域5 16與子區(qū)域1 4的高斯權(quán)重比值為0.7788;設(shè)置與子區(qū)域1 4對(duì)應(yīng)的特征向量元素值不變，而與子區(qū)域5 16對(duì)應(yīng)的特征向量元素乘以權(quán)重值0. 7788 Γ icolorFeature[w]to = 0,1,2”..，11colorFeature\m\ = <。L J
w = 12,13”..，47
6.根據(jù)權(quán)利要求1所述的基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，其特征在于，步驟4中，分別對(duì)屬于同一彩色分量的16個(gè)向量元素進(jìn)行歸一化處理，形成最終的特征描述向量16colorFeature[3萬(wàn)一3] = colorFeature[3^-3]/^colorFeature[3Λ-3] η -1,2”..,16k=l 16colorFeature[3/7-2] = colorFeature[3n-2]/^colorFeature[3k-2] = 1,2”..,16。k=l 16colorFeature[3n-l] = colorFeature[3n-l]/^colorFeature[3k -1] η -1,2, ...,16k=l
全文摘要
本發(fā)明公開了基于彩色信息的尺度不變特征點(diǎn)描述和匹配方法，首先分別對(duì)數(shù)字彩色圖像中的R、G、B彩色分量進(jìn)行高斯卷積；依據(jù)特征點(diǎn)的坐標(biāo)、方向和尺度等信息，確定該特征點(diǎn)描述子的位置和結(jié)構(gòu)；計(jì)算描述子同心圓結(jié)構(gòu)中各子區(qū)域內(nèi)的R、G、B彩色分量的均值，將每個(gè)均值作為特征向量的一維元素構(gòu)建特征向量；按照所屬子區(qū)域與特征點(diǎn)之間的距離，對(duì)各維特征向量元素乘以高斯權(quán)重；分別對(duì)屬于同一彩色分量的特征向量元素進(jìn)行歸一化處理；依次計(jì)算所有特征點(diǎn)的特征向量，構(gòu)建圖像的特征向量空間；最后在兩幅圖像的特征向量空間中，計(jì)算兩兩特征向量之間的距離，匹配對(duì)應(yīng)的特征點(diǎn)。
文檔編號(hào)G06K9/62GK102184411SQ20111011783
公開日2011年9月14日 申請(qǐng)日期2011年5月9日 優(yōu)先權(quán)日2011年5月9日
發(fā)明者楊進(jìn)佩, 梁維泰, 閆晶晶, 高健 申請(qǐng)人:中國(guó)電子科技集團(tuán)公司第二十八研究所