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