[发明专利]一种局部图像特征的生成方法和装置

说明书

技术领域

本发明涉及通信技术领域，特别涉及一种局部图像特征的生成方法和装置。

背景技术

目前，图像匹配技术中最常见的就是基于局部图像特征的匹配。具体地，在待匹配图像的局部范围找到稳定可重现、特征明显的图像小片，通过对这些图像小片进行描述，实现图像之间的匹配。

现有的局部图像特征SURF(Speeded Up Robust Feature，加速的鲁棒性特征)包括：计算原始图像的积分图像；检测兴趣点；其中兴趣点指的是点特征，指的是图像中具有特殊性质的像素点，是图像的重要特征；计算兴趣点的主方向；在兴趣点位置附近选择一个区域(20δ*20δ，δ表示兴趣点的特征尺度)，并将描述子坐标系旋转到兴趣点主方向指向的方向；将所述区域分成4*4共16个子区域；在每个子区域的5*5共25个采样点上计算水平方向和垂直方向的haar响应haar_x和haar_y，得到该子区域的4维描述向量v＝(∑haa_x，∑haar_y，∑|haar_x|，∑|haar_y|)；累积16个子区域的描述向量得到4*16共64维的描述向量；对所述64维的描述向量进行归一化处理。

现有SURF技术在某些场景下的区分性差，例如对于图1中图像a和图像b这两个图像子区域而言，描述向量v＝(∑haar_x，∑haar_y，∑|haar_x|，∑|haar_y|)是相同的；因此现有的SURF无法区分图1中a和b这两个图像子区域，其区分性差。

发明内容

为了提高局部图像特征的区分性，本发明实施例提供了一种局部图像特征的生成方法和装置。所述技术方案如下：

一种局部图像特征的生成方法，所述方法包括：

获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度；

分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；

根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数；

根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。

一种局部图像特征的生成装置，包括：

梯度获取模块，用于获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度；

第一获取模块，用于分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；

第二获取模块，用于根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数；

局部图像特征获取模块，用于根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。

本发明实施例通过累积密集采样的水平梯度和垂直梯度得到描述向量的第一部分；利用相空间的方法来刻画水平梯度和垂直梯度的耦合性，并对这些耦合关系进行描述得到描述向量的第二部分；根据第一部分和第二部分获取描述向量，得到局部图像特征；该局部图像特征的区分性相比较现有SURF而言明显提高，且在各个场景中该局部图像特征的区分性都得到了提高。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是现有技术提供的SURF的图像子区域示意图；

图2是本发明实施例1提供的一种局部图像特征的生成方法实施例的流程图；

图3是本发明实施例2提供的一种局部图像特征的生成方法实施例的流程图；

图4是本发明实施例2提供的高斯尺度空间示意图；

图5是本发明实施例2提供的检测兴趣点示意图；

图6是本发明实施例2提供的原坐标系中的预定正方形窗体区域；

图7是本发明实施例2提供的归一化后子区域布局示意图；