[发明专利]一种结合图像灰度与梯度的改进sift特征提取方法

说明书

技术领域

本发明涉及图像特征提取技术领域，尤其涉及一种可以准确方便地用于后续的图像匹配的结合图像灰度与梯度的改进sift特征提取方法。

背景技术

随着图像搜索技术的不断发展，如何提取两幅相似图像中的局部不变特征显得日益重要。这种特征需在图像的各种变化(包括几何形变、位置、光照变化等)中保持一定的稳定性。目前已有的局部特征提取方法很多，包括SIFT、SURF、MSER等。有研究表明sift是其中性能最好的一个。

经典的sift特征提取方法由D.G..Lowe1999年提出，2004年完善总结。是目前特征提取领域中使用最为广泛，也是最为有效的一种方法。其在描述图像的局部特征方面具有以下几个特点：对旋转、尺度缩放、亮度变化具有不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；多量性，即使少数的几个物体也可以产生大量sift特征向量；高速性，经优化的sift算法可以达到实时的要求；可扩展性，可以很方便的与其他形式的特征向量进行联合。

在sift算子提出后，有很多研究者对之提出了改进，有的对其128维向量进行PCA降维(PCA-SIFT)，有的对其提取速度进行改进，提出快速算法(SURF)，有的根据sift点的对比度和主曲率计算显著度，对sift特征点进行裁剪，只取前n个显著度高的点作为有效特征。这些改进都没有触及到sift算子本身对图像的表达能力。本发明提出一种结合灰度与梯度的sift特征提取方法，从本质上提高了从图像中抽取信息的能力，以应付各种恶劣的图像变化环境。

Sift特征虽然在实践中体现出比较好的稳定性，但也存在一定的不足。表现为当图像中的前景物体发生颜色反转时特征描述向量会引起剧烈变化。比如当一幅图像经过反色处理后，在原图上基本找不到对应的sift特征点。这种不足在图像搜索领域表现尤为突出。比如用户输入一幅具有丰富sift特征的图像，内容为一个白色背景上的黑色图案，在图像库中进行sift特征匹配时，库中那些内容为黑色背景上的白色图案的图像即使人眼觉得图案看起来一模一样也匹配不上。

发明内容

本发明的目的在于针对现有技术的不足，提供一种结合图像灰度与梯度的改进sift特征提取方法，该方法可以让不同底色不同颜色的sift特征区域互相都能匹配上。

本发明的目的是通过以下技术方案来实现的：一种结合图像灰度与梯度的改进sift特征提取方法，它包括以下步骤：

(1)输入图像；

(2)提取灰度图像的原始sift特征：对于输入图像，先建立高斯差分金字塔，通过尺度空间的搜索确定局部极值点，在极值点的邻域内计算其主方向，再计算其128维向量的描述符；

(3)计算基于梯度图像的sift特征：对于输入图像，先提取输入图像的梯度图，然后建立高斯差分金字塔，通过尺度空间的搜索确定局部极值点，在极值点的邻域内计算其主方向，再计算其128维向量的描述符；

(4)将灰度和梯度的sift特征进行融合：如果梯度特征点在自己的尺度范围内不包含任何灰度特征点，则添加该梯度点特征，否则只将灰度点的权重增加，不记录该梯度点。

本发明的有益效果是：本发明作为对图像sift特征提取的一种改进方法，扩展了其在类似于反色图像的特征匹配中的不变性。应用于计算两幅图像的相似度时将会获得更全面更准确的结果。若应用在相似图像的搜索中，也将能搜索出更多更可靠的结果。同时，本发明还将促进研究具有更多不变性的sift特征提取的方法。

附图说明

图1是系统框架图；

图2是基于灰度的sift计算流程图；

图3是基于梯度的sift计算流程图；

图4是灰度与梯度特征融合流程图。

具体实施方式

下面以一幅图像作为输入，结合附图进一步详细的说明特征提取的步骤。整个系统的框架及流程见图1所示。对于输入图像，将分别计算其灰度和梯度的sift特征，再将两部分的特征融合作为新的特征向量输出。

具体来说，本发明结合图像灰度与梯度的改进sift特征提取方法，包括以下步骤：

1、输入图像。

2、提取灰度图像的原始sift特征。

图像的Sift特征本身具有一些良好的特性，我们希望在自己提取的特征中继续保留这种特性，所以原始灰度图像的sift特征将作为我们的基础。