一种基于信息量的快速SIFT提取方法技术

本发明专利技术公开了一种基于信息量的快速SIFT提取方法，在原图的基础上进行一次高斯卷积，得到高斯卷积图；分别在原图与高斯卷积图上采用八点邻域极值法求取候选特征点，每个候选特征点分别向原图垂直投影，在原图上以投影点为中心，以4个像素为半径的圆形区域内，搜索与投影点距离最接近的原图上的候选特征点为尺度不变特征点；分别计算半径从一个像素到20个像素变化的圆区域内除以半径的单位半径信息量，以信息量取最大值时候的半径为局部尺度；计算12维SSIFT特征向量，再归一化该向量，实现图像之间的快速匹配。本发明专利技术的有益效果是缩短了计算时间，提高了实时性，适用于有噪声的复杂环境下进行目标匹配。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于信息量的快速SIFT提取方法，在原图的基础上进行一次高斯卷积，得到高斯卷积图；分别在原图与高斯卷积图上采用八点邻域极值法求取候选特征点，每个候选特征点分别向原图垂直投影，在原图上以投影点为中心，以4个像素为半径的圆形区域内，搜索与投影点距离最接近的原图上的候选特征点为尺度不变特征点；分别计算半径从一个像素到20个像素变化的圆区域内除以半径的单位半径信息量，以信息量取最大值时候的半径为局部尺度；计算12维SSIFT特征向量，再归一化该向量，实现图像之间的快速匹配。本专利技术的有益效果是缩短了计算时间，提高了实时性，适用于有噪声的复杂环境下进行目标匹配。【专利说明】_种基于信息量的快速SIFT提取方法
本专利技术属于图像处理
，涉及一种基于信息量的快速SIFT提取方法。
技术介绍
近年来图像的多尺度空间理论逐渐成为研宄的热点，1999年与2004年，加拿 大科学家Iowe在前人基础上提出了稳定的尺度不变特征提取算法SIFT成为了视觉领 域的里程碑。但SIFT具有计算量大，不完全仿射等缺点，因此国内外学者提出了许多改 进算法，如刘立等人提出的简化算法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算子的时间复杂度， 但又相应地损失了算法的匹配性能。Mortensen在SIFT特征中加入全局纹理特征，提出的 SIFT+GC(sift+globle context)算子能在复杂的相似环境中提高匹配正确率，MOREL提出 的ASIFT(affine sift)算子在SIFT的基础上加入了相机的角度参数，大大提高了算法的 仿射不变性。与SIFT+GC算法一样，缺点是时间复杂度成倍地增加。 以上算法都是建立在尺度空间建立之上，而尺度空间的遍历导致了计算时间长， 匹配效率不高的问题。
技术实现思路
本专利技术的目的在于提供一种基于信息量的快速SIFT提取方法，解决了传统SIFT 算法在有噪声的复杂环境下产生大量伪特征点以及计算效率较低的问题。 本专利技术所采用的技术方案是按照以下步骤进行： 步骤1 :在原图的基础上进行一次高斯卷积，得到高斯卷积图； 步骤2 :分别在原图与高斯卷积图上采用八点邻域极值法求取候选特征点，使每 个像素与相邻八个像素的灰度值比较，如果为最大值或最小值，就认为该点为候选特征 占. 步骤3 :通过步骤2获得的高斯卷积图上的每个候选特征点分别向原图垂直投影， 在原图上以投影点为中心，以4个像素为半径的圆形区域内，搜索与投影点距离最接近的 原图上的候选特征点，该候选特征点即为原图上的尺度不变特征点； 步骤4 :在原图上以每个尺度不变特征点为中心，分别计算半径从一个像素到20 个像素变化的圆区域内除以半径的单位半径信息量，以信息量取最大值时候的半径为局部 尺度； 步骤5、计算12维SSIFT特征向量，以尺度不变特征点为中心，采用3倍局部尺度 为半径的圆形区域作为统计邻域范围，在该区域里统计每个像素的梯度向量，将梯度向量 分别投影到12个梯度方向并进行累加，形成12维特征向量，在该特征向量里查找最大的梯 度方向元素，并将该特征向量循环左移至向量头部，再归一化该向量； 步骤6 :通过尺度不变特征点以及与之对应的特征向量，实现图像之间的快速匹 配。 进一步，所述步骤1的具体步骤为：设原图为f，则高斯卷积图L为f与高斯模板g 的卷积，即L = f*g，高斯参数取值σ = 1. 3,本专利技术高斯模板g为： 【权利要求】1. 一种基于信息量的快速SIFT提取方法，其特征在于按照以下步骤进行： 步骤1:在原图的基础上进行一次高斯卷积，得到高斯卷积图； 步骤2:分别在原图与高斯卷积图上采用八点邻域极值法求取候选特征点，使每个像 素与相邻八个像素的灰度值比较，如果为最大值或最小值，就认为该点为候选特征点； 步骤3 :通过步骤2获得的高斯卷积图上的每个候选特征点分别向原图垂直投影，在原 图上以投影点为中心，以4个像素为半径的圆形区域内，搜索与投影点距离最接近的原图 上的候选特征点，该候选特征点即为原图上的尺度不变特征点； 步骤4 :在原图上以每个尺度不变特征点为中心，分别计算半径从一个像素到20个像 素变化的圆区域内除以半径的单位半径信息量，以信息量取最大值时候的半径为局部尺 度； 步骤5、计算12维SSIFT特征向量，以尺度不变特征点为中心，采用3倍局部尺度为半 径的圆形区域作为统计邻域范围，在该区域里统计每个像素的梯度向量，将梯度向量分别 投影到12个梯度方向并进行累加，形成12维特征向量，在该特征向量里查找最大的梯度方 向元素，并将该特征向量循环左移至向量头部，再归一化该向量； 步骤6:通过尺度不变特征点以及与之对应的特征向量，实现图像之间的快速匹配。2. 按照权利要求1所述一种基于信息量的快速SIFT提取方法，其特征在于：所述步骤 1的具体步骤为：设原图为f，则高斯卷积图L为f与高斯模板g的卷积，即L=f*g，高斯 参数取值σ=1.3,本专利技术高斯模板g为：3. 按照权利要求1所述一种基于信息量的快速SIFT提取方法，其特征在于：所述步骤 4中，单位半径信息量info=num/r，其中info为单位半径信息量，num为原图上以尺度不 变特征点为中心同心圆内候选特征点数目，r是半径。【文档编号】G06T7/00GK104463867SQ201410740083【公开日】2015年3月25日 申请日期:2014年12月8日 优先权日:2014年12月8日 【专利技术者】刘立, 伍大清, 李悛, 汪琳霞, 刘芳菊, 罗扬 申请人:南华大学本文档来自技高网...

【技术保护点】
一种基于信息量的快速SIFT提取方法，其特征在于按照以下步骤进行：步骤1：在原图的基础上进行一次高斯卷积，得到高斯卷积图；步骤2：分别在原图与高斯卷积图上采用八点邻域极值法求取候选特征点，使每个像素与相邻八个像素的灰度值比较，如果为最大值或最小值，就认为该点为候选特征点；步骤3：通过步骤2获得的高斯卷积图上的每个候选特征点分别向原图垂直投影，在原图上以投影点为中心，以4个像素为半径的圆形区域内，搜索与投影点距离最接近的原图上的候选特征点，该候选特征点即为原图上的尺度不变特征点；步骤4：在原图上以每个尺度不变特征点为中心，分别计算半径从一个像素到20个像素变化的圆区域内除以半径的单位半径信息量，以信息量取最大值时候的半径为局部尺度；步骤5、计算12维SSIFT特征向量，以尺度不变特征点为中心，采用3倍局部尺度为半径的圆形区域作为统计邻域范围，在该区域里统计每个像素的梯度向量，将梯度向量分别投影到12个梯度方向并进行累加，形成12维特征向量，在该特征向量里查找最大的梯度方向元素，并将该特征向量循环左移至向量头部，再归一化该向量；步骤6：通过尺度不变特征点以及与之对应的特征向量，实现图像之间的快速匹配。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘立，伍大清，李悛，汪琳霞，刘芳菊，罗扬，
申请(专利权)人：南华大学，
类型：发明
国别省市：湖南;43