[发明专利]图像稳定特征点的提取方法及其装置

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种图像稳定特征点的提取方法及其装置。 

背景技术

目前，数字图像是较为常用的信息载体。从图形的角度来说，若图像中的某一像素点是图像特征点，那么在某个距离内，该点必然在某方向或多个方向上的变化剧烈，例如“团渍”区域易提取图像特征点。在众多数字图像处理技术中，图像特征点如同“地标”，在图像局部区域定位上起到关键作用。以下列举的图像处理技术都是依靠图像特征点匹配或再同步来完成其重要环节上的工作，包括：图像识别技术、基于内容的图像检索技术、图像拼接技术、图像匹配技术和数字图像水印技术等。 

从图像特征点提取方法的角度看，如果某个点是图像特征点，则在其的某个方向上代价函数值的变化是最大的。因此，构造适当的代价函数，在不同的图像缩放尺度或图像内容背景上，能够较快地提取图像特征点，是图像特征点提取方法的重要内容。同时，也需要要求图像特征点方法能够抵抗常见的图像处理操作，如缩放图像，即提取的图像特征点具有尺度不变性。尺度在这里表示图像不同的大小比例。因此，建立在尺度空间理论上的图像特征点提取方法具有尺度不变的性质。 

现有技术提供以下几种图像特征点提取方法： 

(1)Moravec提取方法。该方法的滤波函数窗口是一个2值函数，很容易受到噪声的影响，该方法只考虑了每隔45度的方向变化，而没有在全部的方向 上进行考虑，该方法对于边缘的响应过于剧烈。 

(2)Harris角点方法对Moravec方法做了直接的改进，用高斯函数来作为滤波函数，用一阶泰勒展开式来表示在所有方向上的变化，但是Harris角点方法不支持图像的尺度变化，即图像的缩放。 

(3)Harris Laplacian方法是在Harris角点方法的基础上，利用尺度空间理论，寻找多尺度空间的最大响应点。该方法提取的图像特征点重现率较Harris角点方法高，同时具有尺度不变性，但缺点是迭代遍历尺度空间时的运算量大，这大大限制了其在实时性场合的应用。 

(4)SIFT(Scale Invariant Feature Transform)方法简化了Harris Laplacian方法中尺度空间的构造方式，采用差值滤波函数的局部极值来刻画图像特征点的尺度不变性，优点是运算速度较快，但缺点是图像特征点重现率较前者低，这同样限制了其在对重现率要求较高场合的应用。 

发明人在实现本发明的技术方案的同时发现现有技术至少存在以下缺陷：目前关于各类图像特征点的提取方法，都没有量化出图像特征点的稳定性。 

发明内容

本发明所要解决的技术问题在于提供一种图像稳定特征点的提取方法及其装置，能够实现量化出图像特征点的稳定性。 

为解决上述技术问题，本发明一种图像稳定特征点的提取方法及其装置采用如下技术方案： 

一种图像稳定特征点的提取方法，包括： 

对读入的数字图像点阵数据进行滤波处理，构建图像尺度空间； 

通过区域阈值控制，获得尺度不变的图像特征点点集合； 

计算所述图像特征点的稳定因子，根据所述图像特征点的稳定因子通过阈 值控制获得图像稳定特征点点集合。 

在所述对读入的数字图像点阵数据进行滤波处理，构建图像尺度空间之前，还包括： 

读入数字图像点阵数据。 

所述通过区域阈值控制，获得尺度不变的图像特征点点集合包括： 

遍历所述图像尺度空间，选取局部响应极值，获得所述尺度不变的图像特征点点集合。 

所述计算所述图像特征点的稳定因子，根据所述图像特征点的稳定因子通过阈值控制获得图像稳定特征点点集合包括： 

根据所述图像特征点在所述尺度空间的当前层的局部响应值，计算所述图像特征点的稳定因子； 

筛选出所述稳定因子大于某一阈值的图像特征点； 

获得图像稳定特征点点集合。 

所述阈值为0.1。 

一种图像稳定特征点的提取装置，包括：尺度空间生成模块、特征点检测模块和特征点量化模块，其中， 

所述尺度空间生成模块用于对读入的数字图像点阵数据进行滤波处理，构建图像尺度空间； 

所述特征点检测模块用于通过区域阈值控制，获得尺度不变的图像特征点点集合； 

所述特征点量化模块用于计算所述图像特征点的稳定因子，根据所述图像特征点的稳定因子通过阈值控制获得图像稳定特征点点集合。 

还包括：读取模块，所述读取模块用于读入数字图像点阵数据。