[发明专利]一种具有旋转不变性的图像特征的提取方法

说明书

技术领域

本发明涉及图像处理领域，具体来说涉及一种具有旋转不变性的图像特征的提取方法，可应用于图像配准和图像识别等领域。

背景技术

图像特征提取是图像配准与识别的关键步骤，图像特征提取的效果直接决定着图像配准与识别的效果。如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点。

在图像特征提取方面，国内外研究者和技术人员也进行了一定的探讨和研究，并提出了很多特征描述方法，其中应用较多的是SIFT、DoG、Harris等方法，但这些方法不仅计算量较大，而且微分特性决定这类方法易受局部噪声干扰从而降低稳定性。

在众多的局部描述子中，Eli Shechtman的自相似描述子SSD(Self-Similarities Descriptor)具有积分特性，对局部形状特征有着良好的描述能力。自相似描述子利用自相关函数衡量相似度，采用差平方和(Sum of Square Differences)算法。虽然自相似描述子可以得到较好的局部描述效果，但其偏移的方向只有垂直与水平，因此这样的描述子并不具有旋转不变性，而在实际的图像配准与识别的任务中，图像中目标的姿态与方向是未知的，因此实用性较差。另外，采用SSD的方式不仅计算量大，对噪声也比较敏感。

发明内容

为了克服自相似描述子不具有旋转不变性的不足，本发明提出一种具有旋转不变性的基于自相似描述子的图像特征的提取方法，不仅保证描述子具有旋转不变性，该方法还具有计算复杂度低，对噪声鲁棒的品质。

本发明所提出的一种具有旋转不变性的图像特征的提取方法，其特征在于，该方法包括以下步骤：

步骤S1，以图像关键特征点为中心，选取该点周围图像中的一圆形局部区域，并对该圆形局部区域进行二值化分割；

步骤S2，以经过二值化分割的所述圆形局部区域的中心点为圆心，将所述圆形局部区域的半径等分为多份，并以一指定角度为划分间隔，将所述圆形局部区域均匀划分为若干个子区域；

步骤S3，将所述步骤S2得到的二值化分割子区域图像以中心点为轴旋转多次，每次旋转一个角度划分间隔，直至旋转一周；

步骤S4，计算每次旋转后的二值化分割图像与原二值化分割图像的自相似度；

步骤S5，统计每次旋转后每个子区域内各点的自相似度值，待旋转一周后得到该圆形局部区域的自相似直方图；

步骤S6，对所述自相似直方图的方向进行归一化处理，得到特征描述矩阵。

本发明公开的一种具有旋转不变性的图像特征提取方法，提取得到的特征保留了自相似描述子稳定的局部描述能力，同时弥补了自相似描述子不具有旋转不变性的不足。

附图说明

图1是本发明具有旋转不变性的图像特征的提取方法流程图。

图2是根据本发明一实施例的局部二值化分割效果图。

图3是根据本发明一实施例的子区域划分与旋转方式示意图。

图4是根据本发明一实施例的旋转每个角度后计算得到的相似度结果图。

图5是根据本发明一实施例相似度直方图统计示意图。

图6是本发明方向归一化流程图。

图7是根据本发明一实施例直方图方向归一化示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明使用的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行，也可将方法做成嵌入式芯片以硬件的形式来体现。

图1是本发明具有旋转不变性的图像特征的提取方法流程图。如图1所示，该方法包括以下步骤：

步骤S1，以图像关键特征点为中心，选取该点周围图像中的一圆形局部区域，并对该圆形局部区域进行二值化分割；

所述图像关键特征点为梯度极值点、曲率极值点等特征点。

所述圆形局部区域的大小可根据实际应用的需要，即根据目标尺度大小来选择，比如圆形局部区域的半径可为5-20像素。

所述二值化分割进一步为：以该圆形局部区域中心点的灰度作为阈值，对该局部区域内的原始图像进行灰度二值分割。若原始图像表示为I₀(x，y)，二值化分割后得到的图像表示为I_s(x，y)，则：