一种改进的提取图像中特征点的方法技术

本发明专利技术提出一种改进的提取图像中特征点的方法。首先计算对应于输入图像的积分图像。在尺度空间上以对应于某一层及层次的滤波器对图像计算对应的Ｈｅｓｓｉａｎ矩阵行列式值。Ｈｅｓｓｉａｎ矩阵中的元素包括滤波器覆盖区域分别与高斯分布函数关于ｘ的二阶偏导数、关于ｘ及ｙ的二阶偏导数以及关于ｙ的二阶偏导数的卷积。对应卷积元素的值通过改进的滤波器形状进行计算。滤波器设计的基本思想是，对滤波器中不同区域的像素进行权值分配，来计算对应区域卷积的近似值，以提高计算的时间效率并提高对于旋转和视角变换的鲁棒性。在尺度空间的不同层以及层中的计算得到的一系列Ｈｅｓｓｉａｎ矩阵的行列式构成的三维空间中检测局部的极值点，筛选到的局部极值点位置信息以及所在的层及层次信息构成了最终的特征点的信息。

【技术实现步骤摘要】

本专利技术属于一种改进的提取图像中特征点的方法。具体来说，为计算机视觉领域中的一种局部特征提取中检测特征点的方法，特别涉及到利用改进的滤波器形状在尺度空间上计算Hessian矩阵行列式并找出极值点以确定对应特征点的过程。
技术介绍
局部特征已经广泛运用于计算机视觉领域的多个方面，例如图像配准、目标识别、三维目标检索等方面。当前研究中，局部特征对于几何变换、光照变换具有不变性，对于噪声、遮挡、以及背景干扰均具有良好的鲁棒性，并且特征间具有很高的区分度。这些都成为它近些年来计算机视觉领域研究的一个重要课题。当前主流的局部特征的提取过程主要包括两步：特征点检测过程和描述子计算过程。在特征点检测过程中，通常是使用一系列的滤波器用于输入图像，并在滤波后的结果中选取具备某些特性的点位置(例如极值点)，作为检测到的特征点；在描述子计算过程中，选取以特征点为中心的某一特定区域(该区域通常与尺度等信息相关)，经过确定主方向、求梯度、高斯权值分配等一系列过程，获得该特征点对应的描述子向量。
技术实现思路
本专利技术提出了一种改进的提取图像中特征点的方法。它是目前基于Hessian矩阵行列式的检测子的一种改进。相比于先前的特征点检测方法，本专利技术中的特征点检测方法，特别是在所检测特征点对于旋转变化和视角变换方面具有更高的鲁棒性。本专利技术要解决的技术问题：根据现有的基于Hessian行列式的特征点检测方法，构造近似圆形的滤波器形状，提出一种改进的在旋转和视角变化下更加鲁棒的特征点检测子。本专利技术提出的一种改进的提取图像中特征点的方法，它的步骤包括：(1)积分图像计算过程。对于一幅输入图像I，计算它的积分图像I∑；某个位置x＝(x，y)T，T表示(x，y)这个1×2矩阵的转置，积分图像I∑(x)对应此处的值，是指由图像原点即最左上角和位置x＝(x，y)T所确定的矩形区域内的所有像素值的总和，即积分图像I∑(x)的计算过程表示为IΣ(x)=Σi=0i≤xΣj=0j≤yI(x,y)]]>输入图像I对应的某个矩形区域ABCD的像素值总和I∑(regABCD)的计算表达式为I∑(regABCD)＝I∑(A)-I∑(B)+I∑(C)-I∑(D)其中I∑(A)，I∑(B)，I∑(C)，I∑(D)分别表示对应于点A，B，C，D处的积分图像I∑(x)值。(2)在尺度空间上，使用改进的对应于不同尺度的不同尺寸的具有相似形状的滤波器来计算近似Hessian行列式用于特征点检测。-->对于输入图像I，根据不同的滤波器尺寸计算对应的Hessian矩阵的行列式值。Hessian矩阵表示为H(x,σ)=Lxx(x,σ)Lxy(x,σ)Lxy(x,σ)Lyy(x,σ)]]>Lxx(x，σ)表示高斯函数关于x的二阶偏导与图像I在x处的卷积的值，其中σ是高斯函数的方差；Lxy(x，σ)与Lyy(x，σ)等的意义同理可得。而近似Hessian行列式det(Happrox)表示为det(Happrox)＝DxxDyy-(wDxy)2其中Dxx，Dxy，Dyy分别表示通过关于x二阶偏导、关于x和y二阶偏导和关于y二阶偏导的滤波器进行对应计算得到Lxx，Lxy，Lyy的近似值。式中权值w＝0.9。(a)Dyy的计算方法为，将滤波器分为等同大小的边长为(2k-1)的9个正方形区域，按照从左至右，从上至下的顺序，分别称为左上区reglt_sq、中上区regct_sq、右上区regrt_sq、左中区reglc_sq、中心区regcc_sq、右中区regrc_sq、左下区reglb_sq、中下区regcb_sq、右下区regrb_sq；与中心区只有一个公共顶点的四个区为左上区、右上区、左下区、右下区。在这四个区域中，分别取与中心区有一个公共的顶点的边长为k的正方形区域，分别称为reglt_sq_sub，regrt_sq_sub，reglb_sq_sub与regrb_sq_sub。当k是奇数时，在左中区reglc_sq和右中区reglc_sq分别取一个边长为k的正方形区域reglc_sq_sub和regrc_sq_sub，这两个正方形区域分别紧接中心区regcc_sq的左侧，它们的中心与中心区regcc_sq的中心位于同一水平线上；在右中区reglc_sq中同样可以取到一个对称正方形区域reglc_sq_sub；当k是偶数时，在左中区reglc_sq取两个边长为k的正方形区域reglc_sq_sub_1和reglc_sq_sub_2，它们都紧接于中心区regcc_sq的左侧，在右中区regrc_sq中取两个对称正方形区域regrc_sq_sub_1和regrc_sq_sub_2，它们都紧接于中心区regcc_sq的右侧，reglc_sq_sub_1和regrc_sq_sub_1的上端都位于从中心区regcc_sq的上端开始计数的第个位置，reglc_sq_sub_2和regrc_sq_sub_2的上端的竖直位置都位于从中心区的上端开始计数的第个位置；Dyy的计算式为Dxx的计算方法为-->(b)Dxy的计算方法为，以滤波器的中心位置为圆心，以2k+1为直径，做一个圆形区域；除去滤波器的水平对称轴和竖直对称轴部分，该圆形区域被划分为四个π/2大小的扇形区域；左上、右上、左下、右下区域分别称为reglt_fan，regrt_fan，reglb_fan，regrb_fan；记与左上的扇形区域reglt_fan的边长为k的外接正方形区域为reglt_fan_sq，即其有一个顶点与该扇形区域的圆心重合，有两条边与扇形区域的最外侧的两条半径重合；外接正方形区域reglt_fan_sq指向扇形区域reglt_fan圆心的对角线与扇形区域reglt_fan的弧的交点，与该对角线位于扇形区域外侧的端点，构成的正方形区域称作reglt_fan_sq_1；与区域reglt_fan_sq内接，与reglt_fan_sq_1外接的并有一个顶点位于扇形区域reglt_fan弧之上的对称于reglt_fan_sq的对角线的两个正方形区域称作reglt_fan_sq_2_l，reglt_fan_sq_2_r。；与区域reglt_fan_sq内接，与reglt_fan_sq_2_l外接的并有一个顶点位与扇形区域reglt_fan弧之上的正方形区域称作reglt_fan_sq_3_l。同理可得reglt_fan_sq_3_r，reglt_fan_sq_4_l，reglt_fan_sq_4_r等一系列正方形区域；则reglt_fan的近似区域总和的计算表达式为I∑(reglt_fan_approx)≈I∑(reglt_fan_sq)-[I∑(reglt_fan_sq_1)+I∑(reglt_fan_sq_2_l)+I∑(reglt_fan_sq_2_r)+I∑(reglt_fan_sq_3_l)+I∑(reglt_fan_sq_3_r)+...]同理得到其他扇形的近似区域的表达式；最终Dxy的计算表达式为Dxy＝I∑(reglt_fan_approx)-I∑(regrt_fan_approx)+I∑(regr本文档来自技高网...

【技术保护点】
一种改进的提取图像中特征点的方法，其特征在于，包含以下步骤：（１）计算积分图像；（２）在尺度空间上，使用不同尺寸的二阶偏导数的二维滤波器对积分图像计算近似Ｈｅｓｓｉａｎ行列式，用于特征点检测；（３）在尺度空间中的Ｈｅｓｓｉａｎ行列式的极值对应的点信息作为最终检测到的特征点信息。

【技术特征摘要】
1.一种改进的提取图像中特征点的方法，其特征在于，包含以下步骤：(1)计算积分图像；(2)在尺度空间上，使用不同尺寸的二阶偏导数的二维滤波器对积分图像计算近似Hessian行列式，用于特征点检测；(3)在尺度空间中的Hessian行列式的极值对应的点信息作为最终检测到的特征点信息。2.根据权利要求1所述的改进的提取图像中特征点的方法，其特征在于：对于一幅输入图像I，计算它的积分图像I∑；其中的某个位置x＝(x，y)T上，T表示(x，y)这个1×2的矩阵的转置，积分图像I∑(x)的值是指由图像原点即最左上角的点和位置x＝(x，y)T所确定的矩形区域内的所有像素值的总和，I∑(x)的计算过程为IΣ(x)=Σi=0i≤xΣj=0j≤yI(x,y),]]>输入图像I对应的某个矩形区域ABCD的像素值总和I∑(regABCD)的计算表达式为I∑(regABCD)＝I∑(A)-I∑(B)+I∑(C)-I∑(D)，其中I∑(A)，I∑(B)，I∑(C)，I∑(D)分别表示对应于点A，B，C，D处的积分图像I∑(x)值。3.根据权利要求1所述的改进的提取图像中特征点的方法，其特征在于：Hessian矩阵表示为H(x,σ)=Lxx(x,σ)Lxy(x,σ)Lxy(x,σ)Lyy(x,σ),]]>Lxx(x，σ)表示高斯函数关于x的二阶偏导与图像I在x处的卷积的值，Lxy(x，σ)表示高斯函数关于x和关于y的二阶偏导与图像I在x处的卷积的值，Lyy(x，σ)表示高斯函数关于y的二阶偏导与图像I在x处的卷积的值，其中σ是高斯函数的方差；近似Hessian行列式det(Happrox)表示为det(Happrox)＝DxxDyy-(wDxy)2，其中Dxx，Dxy，Dyy分别表示通过关于x二阶偏导、关于x和y二阶偏导和关于y二阶偏导的滤波器进行对应计算得到的Lxx，Lxy，Lyy的近似值，式中权值w＝0.9。4.根据权利要求1所述的改进的提取图像中特征点的方法，其特征在于：滤波器是一个边长为一个奇数与3的乘积大小的正方形，表示为3(2k-1)，其中k是不小于2的整数，它对应于尺度空间中不同层中的不同层次，第n层中的层次对应的k值序列为：不小于2n-1+1的公差为2n-1的整数数列；不同的k值对应不同的滤波器尺寸，从而在尺度空间上的每个位置上计算对应的Hessian行列式的值。5.根据权利要求3所述的改进的提取图像中特征点的方法，其特征在于：Dyy的计算方法为，将滤波器分为等同大小的边长为(2k-1)的9个正方形区域，按照从左至右，从上至下的顺序，分别称为左上区reglt_sq、中上区regct_sq、右上区regrt_sq、左中区reglc_sq、中心区regcc_sq、右中区regrc_sq、左下区reglb_sq、中下区regcb_sq、右下区regrb_sq；与中心区只有一个公共顶点的四个区为左上区、右上区、左下区、右下区；在这四个区域中，分别取与中心区有一个公共的顶点的边长为k的正方形区域，分别称为reglt_sq_sub，regrt_sq_sub，reglb_sq_sub与regrb_sq_sub；当k是奇数时，在左中区reglc_sq和右中区reglc_sq分别取边长为k的正方形区域reglc_sq_sub和regrc_sq_sub，这两个正方形区域分...

【专利技术属性】
技术研发人员：池毅韬，李超，杨晓辉，高鹏，熊璋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]