一种快速局部不变特征提取与描述方法技术

本发明专利技术提出了一种快速局部不变特征提取与描述方法，首先通过分块FAST角点检测算法计算特征点集合，然后通过扩展局部二元模式对特征点进行特征描述，将颜色比对的结果分成五类，使之更好的反应纹理变化的细节。本发明专利技术方法能够更为细致的描述图像的纹理分布，同时还提高了纹理描述的抗噪性。

A fast local invariant feature extraction and description method

The invention provides a fast local invariant feature extraction and description methods, first calculate the feature point set by block FAST corner detection algorithm, and then through the expansion of local two yuan model for feature description, color matching results will be divided into five categories, the response is better the details of texture. The method can describe the texture distribution of the image more carefully, and improve the anti noise property of the texture description.

【技术实现步骤摘要】
一种快速局部不变特征提取与描述方法
本专利技术涉及图像处理、计算机视觉的
，特别涉及一种特征提取与描述方法。
技术介绍
随着电子信息技术的迅速发展，获取图像的种类和数量急剧增加，让计算机代替人工，自动完成图像的理解分析成为一项重要并且紧迫的任务。其中，图像特征的提取与表达，作为图像理解的第一步，是解决图像分类、目标匹配和纹理识别等各种视觉任务的基础和关键步骤。由于图像局部特征对于背景干扰、尺度缩放和视点变换等具有一定的鲁棒性，并且提供了一种具有统计意义的图像内容表示，因此研究图像的局部特征具有重要意义。目前已有相当多的文献对图像局部特征进行研究，提出了各种局部特征描述子。其中尺度不变特征变换(SIFT)算子将角点检测和特征矢量生成等步骤完整地结合在一起进行优化，同时具备尺度和旋转的不变性，成为局部不变特征研究过程中一个里程碑式的成就，其他很多描述算子都是在此基础上改进得到的。但是，SIFT算法只考虑了尺度和旋转的不变性，对仿射变换具有一定的敏感性，随着视角变化的增大其稳定性逐渐下降。而且对于背景复杂、层次丰富的图像存在匹配速度慢的缺点，无法满足实时性场合的要求。另一个常用的描述子是局部二进制模式(LBP)，通过将中心像素与近邻像素的灰度值进行对比，形成一个位串然后将其编码，最后将图像的标签频率直方图作为纹理表达。具有计算简单、对目标灰度变化不敏感的优点。但是传统的LBP描述子提取图像的信息都不够丰富，难以精确地描绘局部纹理结构。其他一些常用的描述子还有互信息描述子、基于霍夫编码的描述子、灰度共生矩阵描述子等，对图像本身也提出各种限制要求。然而，现实世界中的图像不仅种类繁多、结构复杂，而且成像条件几乎不可预知，加之大数据时代的到来，提取有效的局部不变特征和设计高效的图像表达方法是十分具有挑战性的任务。
技术实现思路
针对上述已有技术的不足，本专利技术提供了一种快速局部不变特征提取与描述方法。本专利技术方法能够更为细致的描述图像的纹理分布，同时还提高了纹理描述的抗噪性。本专利技术的技术方案是：一种快速局部不变特征提取与描述方法，包括以下步骤：S1通过分块FAST角点检测算法计算特征点集合；S1.1记需要进行特征提取和描述的彩色RGB图像为P(x,y,z)，将图像P(x,y,z)均匀的分块，获得N个子图像，每个子图像大小为21×21，记为{P1(x,y,z),…,PN(x,y,z)}；S1.2在每个子图像中使用FAST角点检测算法进行特征点检测，在图像P(x,y,z)的每个子图像中获得一个特征点，得到图像P(x,y,z)所有子图像的特征点集合为{(x1,y1),…,(xN,yN)}；S1.2中，图像P(x,y,z)中每个子图像的特征点的获取方法为：对于图像P(x,y,z)中的任一子图像Pn(x,y,z)，对子图像Pn(x,y,z)采用FAST角点检测算法进行特征点检测，如果检测出多个特征点，选择响应值最大的特征点作为子图像Pn(x,y,z)最终选取的特征点；如果没有检测出特征点，则选取子图像Pn(x,y,z)的中间点作为子图像Pn(x,y,z)最终选取的特征点。S2：对特征点进行特征描述，将颜色比对的结果分成五类，每个特征点获得一个特征向量；S2.1任取特征点集合{(x1,y1),…,(xN,yN)}中的一特征点(xn,yn)；以特征点(xn,yn)为中心，在RGB图像P(x,y,z)中选择与该特征点(xn,yn)四周紧邻的8个像素点{(x1,y1),…,(x8,y8)}作为该特征点(xn,yn)对应的区域，获得特征点(xn,yn)在颜色空间R下的一个长度为五的特征向量{RT1,…,RT5}，方法如下：以特征点(xn,yn)的在颜色空间R的取值P(xn,yn,1)为对比阈值，然后进行第一个模式比对：其中m∈{1,2,…,8}表示像素点顺序号，P(xm,ym,1)表示点(xm,ym)的在颜色空间R的取值，th1表示第一个差异阈值，用于界定颜色差异较小的区域，这里取值15，r1(m)表示像素点(xm,ym)在第一个模式下的编码。最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r1(1),r1(2),…,r1(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第一个模式下的特征值，记为RT1。接下来进行第二个模式的比对：其中th2表示第二个差异阈值，用于界定颜色差异较大的区域，这里取值60，r2(m)表示像素点(xm,ym)在第二个模式下的编码。最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r2(1),r2(2),…,r2(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第二个模式下的特征值，记为RT2。进行第三个模式的比对：其中r3(m)表示像素点(xm,ym)在第三个模式下的编码。最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r3(1),r3(2),…,r3(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第三个模式下的特征值，记为RT3。进行第四个模式的比对：其中r4(m)表示像素点(xm,ym)在第四个模式下的编码。最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r4(1),r4(2),…,r4(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第四个模式下的特征值，记为RT4。进行第五个模式的比对：其中r5(m)表示像素点(xm,ym)在第五个模式下的编码。最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r5(1),r5(2),…,r5(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第五个模式下的特征值，记为RT5。可以看到，这五个模式将纹理的分布进行了更细的划分，通过两个差异阈值th1和th2对颜色比对结果进行五种情况的分类，不再是局部二元模式下单纯的大于和小于。因此本专利技术提出的特征描述方法能够更好的表征纹理分布的细节。经过上述方法，特征点(xn,yn)在颜色空间R下一共得到一个长度为五的特征向量{RT1,…,RT5}。S2.2，采用S2.1中相同的方法，获得特征点(xn,yn)在颜色空间G下的一个长度为五的特征向量{GT1,…,GT5}；S2.3，采用S2.1中相同的方法，获得特征点(xn,yn)在颜色空间B下的一个长度为五的特征向量{BT1,…,BT5}；S2.4将特征向量{RT1,…,RT5}，特征向量{GT1,…,GT5}以及特征向量{BT1,…,BT5}进行顺序连接，特征点(xn,yn)最终获得一个长度为15的特征向量{RT1,…,RT5,GT1,…,GT5,BT1,…,BT5}；至此，完成对特征点(xn,yn)特征描述。S2.5对特征点集合{(x1,y1),…,(xN,yN)}中的所有的特征点，都按照S2.1至S2.4中的方法进行处理，获得各自的特征向量，即完成特征描述。采用本专利技术可以达到以下技术效果：本专利技术提出了一种新的快速局部不变特征提取与描述方法，首先通过分块FAST角点检测算法计算特征点集合，然后通过扩展局部二元模式对特征点进行特征描述，将颜色比对的结果分成五类，本文档来自技高网...

【技术保护点】
一种快速局部不变特征提取与描述方法，其特征在于，包括以下步骤：S1通过分块FAST角点检测算法计算特征点集合；S1.1记需要进行特征提取和描述的彩色RGB图像为P(x,y,z)，将图像P(x,y,z)均匀的分块，获得N个子图像，每个子图像大小为21×21，记为{P1(x,y,z),…,PN(x,y,z)}；S1.2在每个子图像中使用FAST角点检测算法进行特征点检测，在图像P(x,y,z)的每个子图像中获得一个特征点，得到图像P(x,y,z)所有子图像的特征点集合为{(x1,y1),…,(xN,yN)}；S2：对特征点进行特征描述，将颜色比对的结果分成五类，每个特征点获得一个特征向量；S2.1任取特征点集合{(x1,y1),…,(xN,yN)}中的一特征点(xn,yn)；以特征点(xn,yn)为中心，在RGB图像P(x,y,z)中选择与该特征点(xn,yn)四周紧邻的8个像素点{(x

【技术特征摘要】
1.一种快速局部不变特征提取与描述方法，其特征在于，包括以下步骤：S1通过分块FAST角点检测算法计算特征点集合；S1.1记需要进行特征提取和描述的彩色RGB图像为P(x,y,z)，将图像P(x,y,z)均匀的分块，获得N个子图像，每个子图像大小为21×21，记为{P1(x,y,z),…,PN(x,y,z)}；S1.2在每个子图像中使用FAST角点检测算法进行特征点检测，在图像P(x,y,z)的每个子图像中获得一个特征点，得到图像P(x,y,z)所有子图像的特征点集合为{(x1,y1),…,(xN,yN)}；S2：对特征点进行特征描述，将颜色比对的结果分成五类，每个特征点获得一个特征向量；S2.1任取特征点集合{(x1,y1),…,(xN,yN)}中的一特征点(xn,yn)；以特征点(xn,yn)为中心，在RGB图像P(x,y,z)中选择与该特征点(xn,yn)四周紧邻的8个像素点{(x1,y1),…,(x8,y8)}作为该特征点(xn,yn)对应的区域，获得特征点(xn,yn)在颜色空间R下的一个长度为五的特征向量{RT1,…,RT5}，方法如下：以特征点(xn,yn)的在颜色空间R的取值P(xn,yn,1)为对比阈值，然后进行第一个模式比对：其中m∈{1,2,…,8}表示像素点顺序号，P(xm,ym,1)表示点(xm,ym)的在颜色空间R的取值，th1表示第一个差异阈值，r1(m)表示像素点(xm,ym)在第一个模式下的编码；最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r1(1),r1(2),…,r1(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第一个模式下的特征值，记为RT1；接下来进行第二个模式的比对：其中th2表示第二个差异阈值，r2(m)表示像素点(xm,ym)在第二个模式下的编码；最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r2(1),r2(2),…,r2(8)}，将其转化为十进制数所得的值即为特征点(xn,yn)的在第二个模式下的特征值，记为RT2；进行第三个模式的比对：其中r3(m)表示像素点(xm,ym)在第三个模式下的编码；最终8个像素点{(x1,y1),…,(x8,y8)}会获得一个8位的二进制数{r3(...

【专利技术属性】
技术研发人员：向北海，
申请(专利权)人：湖南优象科技有限公司，
类型：发明
国别省市：湖南,43