用于圖像的并行處理的方法和裝置制造方法
【專利摘要】本發(fā)明涉及卷積數(shù)據(jù)的并行計算。尤其是，本發(fā)明涉及高斯金字塔構(gòu)造和圖像數(shù)據(jù)的并行處理，例如用在SIFT算法中的重復(fù)卷積的數(shù)據(jù)的并行計算。這可以通過提供由多個像素定義的一原始圖像獲得多個差分圖像的一種方法來實現(xiàn)，所述方法包括：提供多個模糊卷積函數(shù)，所述模糊卷積函數(shù)的每一個通過與所述原始圖像的卷積提供所述原始圖像增加的模糊度；通過計算兩個所述模糊卷積函數(shù)之間的差來建立多個差分卷積函數(shù)Dif，所述模糊卷積函數(shù)的每一個提供所述原始圖像增加的模糊度；以及通過將所述差分卷積函數(shù)Dif的每一個與所述原始圖像進行卷積，由所述原始圖像計算多個差分圖像，以獲得差分圖像。
【專利說明】用于圖像的并行處理的方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及卷積數(shù)據(jù)的并行計算。尤其是，本發(fā)明涉及適合于圖像數(shù)據(jù)的并行處理的高效率的高斯金字塔結(jié)構(gòu)(Gaussian pyramid construction)的計算。
【背景技術(shù)】
[0002]除其它之外，在美國專利6711293 BI公開的傳統(tǒng)SIFT算法，公開了一種用于識別圖像中的尺度不變特征的方法和裝置，以及對圖像中的目標(biāo)的這些特征進行定位的應(yīng)用。
[0003]美國專利申請2010/0169576公開了一種用于實現(xiàn)尺度不變特征變換算法的方法，其中，可以通過將一輸入圖像與高斯濾波器的差分進行卷積來獲得高斯圖像的差分。盡管該申請聲稱該處理過程可以被并行執(zhí)行，然而該申請并未提及實際的并行實現(xiàn)。

【發(fā)明內(nèi)容】

[0004]傳統(tǒng)SIFT算法被設(shè)計為適用于利用順序處理器實現(xiàn)的串行算法。為了提高傳統(tǒng)SIFT算法的速度，可以設(shè)想將該算法作為并行處理來執(zhí)行。然而，傳統(tǒng)SIFT算法包括許多步驟，其中，每個步驟的結(jié)果為計算后續(xù)結(jié)果的先決條件。因此，傳統(tǒng)SIFT算法不適用于并行處理。
[0005]本發(fā)明的
【發(fā)明者】意外地發(fā)現(xiàn)傳統(tǒng)SIFT算法中的某些步驟可以再次執(zhí)行以允許并行處理。本
【發(fā)明者】進一步發(fā)現(xiàn)這樣的某些步驟的再次執(zhí)行允許該方法在硬件中實現(xiàn)，因此，與執(zhí)行該算法的已知軟件相比，大大提高了計算速度。
[0006]根據(jù)一個方面，本發(fā)明涉及一種獲得一差分圖像的方法，所述差分圖像應(yīng)用于識別由多個像素定義的圖像的尺度不變特征的方法中，所述方法包括:通過計算兩個不同的模糊卷積函數(shù)之差計算差分卷積函數(shù)Dif，所述兩個不同的模糊卷積函數(shù)中的每一個通過與原始圖像的卷積提供所述原始圖像的不同的模糊度；以及將所述差分卷積函數(shù)Dif與原始圖像進行卷積以得到差分圖像。所述差分卷積函數(shù)優(yōu)選地只計算一次且后續(xù)可以重復(fù)用于不同的圖像。
[0007]根據(jù)一個方面，本發(fā)明涉及一種獲得多個差分圖像的方法，所述差分圖像應(yīng)用于識別由多個像素定義的圖像的尺度不變特征的方法，所述方法包括:提供多個模糊卷積函數(shù)，，所述模糊函數(shù)中的每一個通過與原始圖像的卷積提供原始圖像的增長的模糊度；以及從一原始圖像中計算多個差分圖像。所述模糊卷積函數(shù)優(yōu)選地只計算一次，且后續(xù)可重復(fù)用于不同的圖像。使用高斯模糊函數(shù)，就足以通過計算所述函數(shù)的寬度的總和以得到對所述函數(shù)進行卷積獲得的函數(shù)的寬度。
[0008]根據(jù)一個方面，本發(fā)明涉及一種從由多個像素定義的原始圖像獲得多個差分圖像的方法，所述方法包括:
[0009]a.提供多個模糊卷積函數(shù)，所述模糊函數(shù)中的每一個通過與原始圖像的卷積提供所述原始圖像的增長的模糊度；
[0010]b.通過計算兩個所述模糊卷積函數(shù)之差來建立多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與原始圖像的卷積提供所述原始圖像的不同的模糊度；以及
[0011]c.通過將所述差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積以獲得差分圖像，從原始圖像計算多個差分圖像。
[0012]根據(jù)一個方面，本發(fā)明涉及一種獲得第一多個差分圖像以及至少一個后續(xù)多個差分圖像的方法，所述方法包括:
[0013]a.根據(jù)本發(fā)明，通過使用多個模糊卷積函數(shù)，從原始圖像中獲得第一多個差分圖像；
[0014]b.將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)DAcon ；
[0015]c.將所述下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積以獲得后續(xù)圖像；
[0016]d.根據(jù)本發(fā)明從所述后續(xù)圖像中獲得后續(xù)多個差分圖像；以及
[0017]e.可選地使用所述后續(xù)圖像作為所述原始圖像，且重復(fù)步驟c和d以獲得另外的后續(xù)多個差分圖像。
[0018]根據(jù)一個方面，本發(fā)明涉及一種獲得第一多個差分圖像和至少一個后續(xù)多個差分圖像的方法，所述方法包括:
[0019]a.根據(jù)本發(fā)明，使用多個模糊卷積函數(shù)從一原始圖像中獲得第一多個差分圖像；
[0020]b.對所述模糊原始圖像進行下抽樣以獲得第一圖像；
[0021]c.將所述多個模糊函數(shù)與一抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)Acon ；
[0022]d.將所述獲得的抗鋸齒卷積函數(shù)Acon與第一圖像進行卷積以獲得后續(xù)圖像；
[0023]e.根據(jù)本發(fā)明，從所述后續(xù)圖像中獲得后續(xù)多個差分圖像；以及
[0024]f.可選地將所述后續(xù)圖像作為所述原始圖像，且重復(fù)步驟b、c和d以獲得另外的后續(xù)多個差分圖像。
[0025]根據(jù)一個方面，本發(fā)明涉及一種獲得第一多個差分圖像以及后續(xù)多個差分圖像的數(shù)量η的方法，所述方法包括:
[0026]a.根據(jù)本發(fā)明，使用多個模糊卷積函數(shù)，從一原始圖像中獲得所述第一多個差分圖像；
[0027]b.通過將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積，獲得第一下抽樣抗鋸齒卷積函數(shù)DAcon (I)；
[0028]c.當(dāng)η大于I時，通過將之前下抽樣抗鋸齒卷積函數(shù)DAcon(t-Ι)與所述多個模糊函數(shù)，一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積，獲得另外的下抽樣抗鋸齒卷積函數(shù)DAcon (t),當(dāng)t = 2時開始此步驟c,且重復(fù)此步驟同時t等步長增加,直到t到達η ；
[0029]d.將所有下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積，以獲得每個下抽樣抗鋸齒卷積函數(shù)DAcon(X)的圖像(X)；
[0030]e.根據(jù)本發(fā)明，獲得η個后續(xù)多個差分圖像，從每個圖像(X)中獲得每個多數(shù)
(X)。
[0031]根據(jù)一個方面，本發(fā)明涉及一種識別圖像特征的方法，所述圖像特征在由多個像素定義的圖像中在不同的尺度上穩(wěn)定，其中，多個濾波步驟和重復(fù)抽樣步驟可并行執(zhí)行，所述方法包括:
[0032]a.根據(jù)本發(fā)明獲得多個差分圖像；
[0033]b.在所述多個差分圖像中找到像素幅度極值；
[0034]c.針對每個差分圖像中的每個像素產(chǎn)生一個像素梯度向量；
[0035]d.將向量方向和與每個差分圖像相關(guān)聯(lián)的最大和最小的幅度的像素相關(guān)聯(lián)。
[0036]根據(jù)一個方面，本發(fā)明涉及從由多個像素定義的原始圖像獲得多個差分圖像的圖像處理裝置，所述裝置包括關(guān)于所述第一圖像的數(shù)據(jù)的接收設(shè)備，傳輸或存儲所述差分圖像的設(shè)備，以及處理設(shè)備，所述處理設(shè)備被配置為:通過將多個差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積來從原始圖像中計算多個差分圖像；其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
[0037]根據(jù)一個方面，本發(fā)明涉及一種識別由多個像素定義的圖像中的尺度不變特征的圖像處理裝置，所述圖像處理裝置包括處理器電路，所述處理器電路被配置為實施本發(fā)明的一種方法。
[0038]根據(jù)一個方面，本發(fā)明涉及一種從由多個像素定義的原始圖像獲得多個差分圖像的軟件程序，所述軟件程序使得多個處理器執(zhí)行:通過將多個差分卷積函數(shù)Dif中的每一個與原始圖像進行卷積，從所述原始圖像中計算多個差分圖像，使所述多個處理器并行計算不同的差分圖像；其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
[0039]根據(jù)一個方面，本發(fā)明涉及一種識別由多個像素定義的圖像中的尺度不變特征的軟件程序，所述軟件程序被設(shè)置為:執(zhí)行本發(fā)明的一種方法。
【專利附圖】

【附圖說明】
[0040]下面引入附圖且將對有些附圖作進一步解釋。
[0041]圖1為使用級聯(lián)方法建立高斯金字塔的傳統(tǒng)方法的概圖；
[0042]圖2為繪出根據(jù)適用于并行硬件實施的兩個實施例的兩個不同DoG金字塔方法的示意圖；
[0043]圖3為繪出根據(jù)一個實施例的雙線性下抽樣插值器的方框圖的示意圖；
[0044]圖4為繪出根據(jù)一個實施例的雙線性下抽樣插值器的硬件有效實施的方框圖的示意圖；
[0045]圖5為繪出根據(jù)一個實施例的雙線性下抽樣插值器的示意性流程圖；
[0046]圖6為根據(jù)本發(fā)明的實施例說明如何將用于高斯金字塔的基本構(gòu)件相連接以達到高效的硬件性能的示意圖；
[0047]圖7為根據(jù)本發(fā)明的一個實施例的用于高斯金字塔構(gòu)造的有效的雙線性插值器的示意圖，該金字塔示意圖基于雙線性紋理插值法；
[0048]圖8A顯示了通過計算兩個具有不同寬度的高斯函數(shù)之差得到高斯核(DiF)的差，其中的一個高斯函數(shù)見圖8B ；
[0049]圖9為根據(jù)一個實施例計算DoG函數(shù)的示意性方框圖；[0050]圖10為一個實施例的硬件實施的部分示意圖；
[0051]圖11為一個實施例的硬件實施的部分示意圖；
[0052]圖12為一個實施例的硬件實施的部分示意圖；
【具體實施方式】
[0053]其他方面和實施例如下所述。
[0054]根據(jù)一實施例，本發(fā)明涉及一種從由多個像素定義的一原始圖像獲得多個差分圖像的方法，所述方法包括:
[0055]a.提供多個模糊卷積函數(shù)，所述模糊函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的增加的模糊度；
[0056]b.通過計算兩個所述模糊卷積函數(shù)之差建立多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度；以及
[0057]c.通過將所述差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積以獲得差分圖像，從所述原始圖像中計算多個差分圖像。
[0058]該方法的一個特別的優(yōu)勢在于適用于并行處理。
[0059]根據(jù)一個實施例，本發(fā)明涉及一種方法，其中，所述多個差分圖像被并行計算。
[0060]根據(jù)一個實施例，本發(fā)明涉及根據(jù)本發(fā)明的一種方法，所述方法用于識別所述原始圖像中的尺度不變特征。
[0061]根據(jù)一個實施例，本發(fā)明涉及根據(jù)本發(fā)明的一種方法，其中，所述多個差分模糊卷積函數(shù)被建立一次且重復(fù)用于所述差分圖像的后續(xù)計算。所述模糊卷積函數(shù)和/或差分卷積函數(shù)優(yōu)選地只計算一次且可在隨后重復(fù)用于差分圖像。所述卷積函數(shù)可在硬件中實施，如單個芯片中。
[0062]根據(jù)一個實施例，本發(fā)明涉及根據(jù)本發(fā)明的一種方法，其中，所述模糊卷積函數(shù)為高斯函數(shù)。通過使用高斯模糊卷積函數(shù)，計算所述高斯模糊卷積函數(shù)的寬度之和足以獲得通過對所述函數(shù)進行卷積可獲得的所述函數(shù)的寬度。
[0063]根據(jù)一個實施例，本發(fā)明涉及根據(jù)本發(fā)明的一種方法，其中，所述差分卷積函數(shù)Dif由多項式近似表示。
[0064]根據(jù)一個實施例，本發(fā)明涉及一種獲得第一多個差分圖像及至少一個后續(xù)多個差分圖像的方法，所述方法包括:
[0065]a.根據(jù)本發(fā)明，通過使用多個模糊卷積函數(shù)從一原始圖像獲得第一多個差分圖像；
[0066]b.將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)DAcon ；
[0067]c.將所述下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積以獲得后續(xù)圖像；
[0068]d.根據(jù)本發(fā)明。從所述后續(xù)圖像中獲得后續(xù)多個差分圖像；以及
[0069]e.可選地將所述后續(xù)圖像用作所述原始圖像，且重復(fù)步驟c和d以獲得額外的后續(xù)多個差分圖像。[0070]步驟b可被執(zhí)行一次，且可以是硬件實施的一部分。若沒有步驟e，可通過與額外的模糊函數(shù)、下抽樣函數(shù)以及抗鋸齒卷積函數(shù)相結(jié)合從所述原始圖像中直接計算更多后續(xù)多個差分圖像。
[0071]根據(jù)一個實施例，本發(fā)明涉及一種根據(jù)本發(fā)明的方法，其中，通過將額外的模糊、下抽樣和抗鋸齒卷積函數(shù)進行卷積，從所述原始圖像中可直接計算出所述后續(xù)多個差分圖像。
[0072]根據(jù)一個實施例，本發(fā)明涉及一種獲得第一多個差分圖像和至少一個后續(xù)多個差分圖像的方法，所述方法包括:
[0073]a.根據(jù)本發(fā)明，使用多個模糊卷積函數(shù)，從一原始圖像中獲得第一多個差分函數(shù)；
[0074]b.對所述模糊原始圖像進行下抽樣以獲得第一圖像；
[0075]c.將所述多個模糊函數(shù)與抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)Acon ；
[0076]d.將已獲得的抗鋸齒卷積函數(shù)Acon與所述第一圖像進行卷積以獲得后續(xù)圖像；
[0077]e.根據(jù)本發(fā)明，從所述后續(xù)圖像獲得后續(xù)多個的差分圖像；以及
[0078]f.可選地將所述后續(xù)圖像作為原始圖像，且重復(fù)步驟b、c和d以獲得額外的后續(xù)多個差分圖像，。
[0079]根據(jù)一個實施例，本發(fā)明涉及一種獲得第一多個差分圖像和后續(xù)多個差分圖像的數(shù)量η的方法，所述方法包括:
[0080]a.根據(jù)本發(fā)明，使用多個模糊卷積函數(shù)，從一原始圖像中獲得所述第一多個差分圖像；
[0081]b.通過將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積以獲得第一下抽樣抗鋸齒卷積函數(shù)DAcon (I)；
[0082]c.當(dāng)η大于I時，通過將之前下抽樣抗鋸齒卷積函數(shù)DAcon(t-Ι)與所述多個模糊函數(shù)、一下抽樣函數(shù)及一抗鋸齒函數(shù)進行卷積來獲得額外的下抽樣抗鋸齒卷積函數(shù)DAcon (t),步驟c從t = 2開始,且重復(fù)此步驟同時t等步長增加,直到t到達η ；
[0083]d.將所有下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積以獲得每個下抽樣抗鋸齒卷積函數(shù)DAcon(X)的圖像(X)；
[0084]e.根據(jù)本發(fā)明，獲得η個后續(xù)多個差分函數(shù)，并獲得每個圖像(X)的每個復(fù)數(shù)
(X)。
[0085]本文引入的虛擬參數(shù)t和X用于區(qū)分函數(shù)、復(fù)數(shù)及圖像。根據(jù)更近一步的實施例，步驟b和c只需執(zhí)行一次且可由硬件實施。
[0086]根據(jù)一個實施例，本發(fā)明涉及一種識別圖像特征的方法，所述圖像特征在由多個像素定義的圖像中在不同的尺度上穩(wěn)定，其中，多重濾波步驟和重新抽樣步驟可并行執(zhí)行，所述方法包括“
[0087]a.根據(jù)本發(fā)明獲得多個差分圖像；
[0088]b.在所述多個差分圖像中查找像素幅度極值；
[0089]c.針對每個所述差分圖像的每個所述像素產(chǎn)生一個像素梯度向量；
[0090]d.將向量方向和與每個所述差分圖像相關(guān)聯(lián)的最大和最小的幅度的像素相關(guān)聯(lián)。[0091]根據(jù)一個實施例，本發(fā)明涉及一種方法，其中，多重濾波步驟為高斯濾波步驟。
[0092]根據(jù)一個實施例，本發(fā)明涉及一種從由多個像素定義的原始圖像獲得多個差分圖像的圖像處理裝置，所述裝置包括接收關(guān)于所述第一圖像的數(shù)據(jù)的設(shè)備，對所述差分圖像進行傳輸或存儲的設(shè)備，以及處理設(shè)備，所述處理設(shè)備被配置為:通過將多個差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積計算所述原始圖像的所述多個差分圖像，以獲得所述差分圖像；其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
[0093]根據(jù)一個實施例，本發(fā)明涉及一種識別由多個像素定義的圖像的尺度不變特征的圖像處理裝置，所述圖像處理裝置包括處理器電路，所述處理器電路被設(shè)置為:實施本發(fā)明中的一種方法。
[0094]根據(jù)一個實施例，本發(fā)明涉及一種圖像處理裝置，其中，所述處理器電路包括芯片(例如，CPU)。
[0095]根據(jù)一個實施例，本發(fā)明涉及一種圖像處理裝置，所述圖像處理裝置包括多個芯片，每個芯片被配置為計算至少一個差分圖像。這就允許了差分圖像的并行計算。
[0096]根據(jù)一個實施例，本發(fā)明涉及一種圖像處理裝置，其中，所述圖像處理設(shè)備包括雙線性插值器，所述雙線性插值器包括乘法累加單元(MAC)、延遲線加法器以及控制邏輯塊。
[0097]根據(jù)一個實施例，本發(fā)明涉及一種從由多個像素定義的原始圖像獲得多個差分圖像的軟件程序，所述軟件程序使得多個處理器執(zhí)行:通過將多個差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積以獲得差分圖像，由原始圖像計算多個差分圖像，使得所述多個處理器并行計算不同的差分圖像；其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
[0098]根據(jù)一個實施例，本發(fā)明涉及一種識別由多個像素定義的圖像的尺度不變特征的軟件程序，所述軟件程序被配置為:實施根據(jù)本發(fā)明的一種方法。
[0099]作為傳統(tǒng)SIFT算法的一部分，對在多個尺度上出現(xiàn)的高斯差分(DoG)進行計算。盡管原則上可以使用其他函數(shù)，本申請中使用高斯函數(shù)進行解釋。
[0100]在SIFT算法中，以一固定次數(shù)重復(fù)模糊輸入圖像且計算連續(xù)的模糊迭代間的差分。隨后對產(chǎn)生的圖像中的一個進行下抽樣且重復(fù)模糊/差分操作。在每個尺度上采集幾個“高斯差分”圖像作為結(jié)果。該采集被稱為高斯金字塔差分，本申請稱為DoG金字塔。
[0101]根據(jù)本發(fā)明的一個方面，產(chǎn)生對于高斯金字塔中所有層的縮放圖像且通過將所述縮放/下抽樣圖像與一個DoG內(nèi)核進行卷積來并行計算所述金字塔的所有尺度的所有DoG圖像，其中每個DoG內(nèi)核的方差和幅度唯一。產(chǎn)生的卷積過程等同于通過許多2D FIR濾波器對所有尺度的縮放圖像進行并行濾波，所述2D FIR濾波器的數(shù)量與所需的DoG圖像數(shù)量一致。所述FIR濾波器的系數(shù)可被預(yù)先計算。
[0102]以在像素數(shù)量上的線性時間復(fù)雜度為特征的金字塔方法很好地適用于實時圖像處理及分析，所述實時圖像處理及分析包括應(yīng)用如視頻壓縮，圖像增強和重建以及圖像分割和特征測量。
[0103]用于這些應(yīng)用的某些實施例為:[0104]?具有雙邊二次B樣條濾波的縮放
[0105]?任意模糊寬度的有效圖像模糊
[0106].分散像素數(shù)據(jù)的平滑插值法
[0107]?貼圖細化紋理
[0108]?用于檢測梯度極值的尺度空間構(gòu)造
[0109]本申請中，提出了一種方法和系統(tǒng)，如使用由組合的高斯濾波和重新抽樣內(nèi)核組成的解析濾波器的并行實例化達到的高斯金字塔的建立。為了對本發(fā)明進行說明，提出了通過所述SIFT算法建立檢測梯度極值的尺度空間的方法和系統(tǒng)的實施例。
[0110]SIFT的計算過程中的主要階段為尺度空間的構(gòu)造。在此階段，使用識別圖像候補點的級聯(lián)濾波方法檢測敏感圖像特征或者關(guān)鍵點。在之后的步驟中使用不同的手段估算和驗證圖像位置。
[0111]第一步是識別在敏感目標(biāo)的不同位置變換下可以被重復(fù)分配的圖像位置坐標(biāo)和尺度。
[0112]通過搜索在不同尺度上的穩(wěn)定特征的尺度函數(shù)執(zhí)行對尺度不變的位置的查找。選擇的的尺度空間卷積內(nèi)核為用于定義輸入圖像的尺度空間函數(shù)的高斯函數(shù)。
[0113]為檢測尺度空間中穩(wěn)定的關(guān)鍵點位置，與圖像相卷積的高斯函數(shù)(DoG)的差分D(x,y, σ)由計算兩個被恒定的倍數(shù)因子k分離的相鄰的尺度之間的差而得到。
[0114]DoG圖像D(x, y, σ )通過下式得到:
[0115]D(x, y, ο ) = L(x, y, kj σ )-L(χ, y, kj σ ),
[0116]其中，L(x, y, k σ )表示原始圖像I (χ, y)與尺度為ko的高斯模糊或高斯內(nèi)核G(x, y, k σ )的卷積,如，
[0117]L (χ, y, k σ ) = G (x, y, k σ ) *1 (χ, y)
[0118]符號表示χ與y的卷積運算。傳統(tǒng)SIFT算法計算兩個卷積，且隨后計算所述兩個卷積之差。
[0119]根據(jù)本發(fā)明的一個方面，通過用一個函數(shù)DiF卷積圖像計算圖像的兩個卷積間的差分，所述函數(shù)DiF被計算為兩個卷積函數(shù)之差:
[0120]
【權(quán)利要求】
1.一種從由多個像素定義的一原始圖像獲得多個差分圖像的方法，所述方法包括: a.提供多個模糊卷積函數(shù)，所述模糊函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的增加的模糊度； b.通過計算兩個所述模糊卷積函數(shù)之差建立多個差分卷積函數(shù)Dif，通過所述兩個模糊卷積函數(shù)中的每一個與所述原始函數(shù)的卷積提供所述原始圖像的不同的模糊度； c.通過將所述差分卷積函數(shù)Dif中的每一個與所述原始圖像進行卷積以獲得所述差分圖像，從所述原始圖像中計算多個差分圖像。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述多個差分圖像被并行計算。
3.根據(jù)權(quán)利要求1或2所述的方法，用于識別所述原始圖像的尺度不變特征的方法中。
4.根據(jù)上述任一項權(quán)利要求所述的方法，其中，所述多個差分卷積函數(shù)被建立一次且重復(fù)用于所述差分圖像的后續(xù)計算。
5.根據(jù)上述任一項權(quán)利要求所述的方法，其中，所述模糊卷積函數(shù)為高斯函數(shù)。
6.根據(jù)上述任一項權(quán)利要求所述的方法，其中，所述差分卷積函數(shù)Dif由多項式近似表不。
7.一種獲得第一多個差分圖像和至少一個后續(xù)多個差分圖像的方法，所述方法包括: a.根據(jù)上述任一項權(quán)利，使用多個模糊卷積函數(shù)從一原始圖像獲得所述第一多個差分圖像； b.將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)DAcon ； c.將所述下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積以獲得后續(xù)圖像； d.根據(jù)上述任一項權(quán)利要求從所述后續(xù)圖像中獲得后續(xù)多個差分圖像；以及 e.可選地將所述后續(xù)圖像用作原始圖像，且重復(fù)步驟c和d以獲得額外的后續(xù)多個差分圖像。
8.根據(jù)權(quán)利要求7所述的方法，其中，通過將所述原始圖像與額外的模糊函數(shù)、下抽樣函數(shù)和抗鋸齒卷積函數(shù)進行卷積從所述原始圖像中計算所述后續(xù)多個差分圖像。
9.一種獲得第一多個差分圖像和至少一個后續(xù)多個差分圖像的方法，所述方法包括: a.根據(jù)上述任一項權(quán)利要求，使用多個模糊卷積函數(shù)從一原始圖像獲得第一多個差分圖像； b.對所述模糊原始圖像進行下抽樣以獲得第一圖像；c.將所述多個模糊函數(shù)與抗鋸齒函數(shù)進行卷積以獲得下抽樣抗鋸齒卷積函數(shù)Acon； d.將獲得的所述抗鋸齒卷積函數(shù)Acon與所述第一圖像進行卷積以獲得后續(xù)圖像； e.根據(jù)上述任一項權(quán)利要求，從所述后續(xù)圖像獲得后續(xù)多個差分圖像；以及 f.可選地將所述后續(xù)圖像作為所述原始圖像且重復(fù)步驟b、c和d以獲得額外的后續(xù)多個差分圖像。
10.一種獲得第一多個差分圖像和后續(xù)多個差分圖像的數(shù)量η的方法，所述方法包括: a.根據(jù)上述任一項權(quán)利要求，使用多個模糊卷積函數(shù)從一原始圖像獲得第一多個差分圖像； b.通過將所述多個模糊函數(shù)與一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積獲得第一下抽樣抗鋸齒卷積函數(shù)DAcon (I)；C.當(dāng)η大于I時，通過將之前下抽樣抗鋸齒卷積函數(shù)DAcon(t-ι)與所述多個模糊卷積函數(shù)、一下抽樣函數(shù)和一抗鋸齒函數(shù)進行卷積來獲得額外的下抽樣抗鋸齒卷積函數(shù)DAcon (t);此步驟從t = 2開始且重復(fù)此步驟同時t等步長增加,直到t到達η ； d.將所有下抽樣抗鋸齒卷積函數(shù)DAcon與所述原始圖像進行卷積以獲得每個下抽樣抗鋸齒卷積函數(shù)DAcon(x)的圖像(X)； e.根據(jù)上述任一項權(quán)利要求，獲得η個后續(xù)多個差分函數(shù)，并獲得每個圖像(X)的每個復(fù)數(shù)(X)。
11.一種識別由多個像素定義的圖像在不同尺度下穩(wěn)定的圖像特征的方法，其中，多重濾波步驟和重新抽樣步驟可被并行執(zhí)行，所述方法包括: a.根據(jù)上述任一項權(quán)利要求，獲得多個差分圖像； b.在所述多個差分圖像中查找像素幅度極值； c.針對每個所述差分圖像的每個所述像素產(chǎn)生一個像素梯度向量； d.將向量方向和與每個所述差分圖像相關(guān)聯(lián)的最大和最小的幅度的像素相關(guān)聯(lián)。
12.根據(jù)權(quán)利要求11所述的方法，其中，所述多重濾波步驟為高斯濾波步驟。
13.一種用于從由多個像素定義的原始圖像獲得多個差分圖像的圖像處理裝置，所述裝置包括接收關(guān)于所述第一圖像的數(shù)據(jù)的模塊，對所述差分圖像進行傳輸或存儲的模塊以及處理模塊，所述處理模塊被 配置為: 通過將所述差分卷積函數(shù)Dif 中的每一個與所述原始圖像進行卷積計算所述原始圖像的所述多個差分圖像，以獲得差分圖像； 其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
14.一種用于檢測由多個像素定義的圖像的尺度不變特征的圖像處理裝置，所述圖像處理裝置包括處理器電路，所述處理器電路被配置為:實施權(quán)利要求1-12中的任一項權(quán)利要求所述的方法。
15.根據(jù)權(quán)利要求13或14中的任一項所述的圖像處理裝置，其中，所述處理器電路包括芯片，如CPU。
16.根據(jù)權(quán)利要求13-15中的任一項所述的圖像處理裝置，所述圖像處理裝置包括多個芯片，每個所述芯片被配置為計算至少一個所述差分圖像。
17.根據(jù)權(quán)利要求13-16中的任一項所述的圖像處理裝置，其中，所述圖像處理裝置包括雙線性插值器，所述雙線性插值器包括乘法累加單元MAC、延遲線加法器以及控制邏輯塊。
18.一種計算機程序，包括當(dāng)所述程序代碼模塊，所述程序代碼模塊用于當(dāng)所述程序在計算機上執(zhí)行時執(zhí)行權(quán)利要求1-12中的任一項所述的所有步驟。
19.一種計算機程序產(chǎn)品，包括存儲在計算機可讀介質(zhì)中的程序代碼模塊，所述程序代碼模塊用于當(dāng)所述程序產(chǎn)品在計算機上執(zhí)行時，執(zhí)行權(quán)利要求1-12中的任一項所述的方法。
20.一種用于從由多個像素組成的原始圖像獲得多個差分圖像的軟件程序，所述軟件程序使得多個處理器執(zhí)行如下步驟: 通過將差分卷積函數(shù)Dif中的每一個與所述原始圖像函數(shù)進行卷積以獲得所述差分圖像，由所述原始圖像計算所述多個差分圖像，使所述多個處理器并行計算不同的所述差分圖像； 其中，通過計算兩個模糊卷積函數(shù)之差建立所述多個差分卷積函數(shù)Dif，所述兩個模糊卷積函數(shù)中的每一個通過與所述原始圖像的卷積提供所述原始圖像的不同的模糊度。
21.一種識別由多個像素組成的圖像的尺度不變特征的軟件程序，所述軟件程序被配置為: 實施權(quán)利要求1-12中的任一項所述的方法。
【文檔編號】G06T5/00GK103548053SQ201180059994
【公開日】2014年1月29日 申請日期:2011年12月15日 優(yōu)先權(quán)日:2010年12月17日
【發(fā)明者】摩塔薩姆·徹海博爾 申請人:伊維賽斯公司