[发明专利]基于MMTD的SIFT图像特征提取方法

说明书

技术领域

本发明涉及图像特征提取的技术领域，特别涉及一种基于MMTD的SIFT图像特征提取方法。

背景技术

图像特征包括像素灰度特征、色彩特征、区域特征、纹理特征、轮廓特征、边缘特征及角点特征等。特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点根据不同的特征分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。图像特征提取的性能直接决定了后期图像分割、图像识别效率和精度，是图像处理研究领域的重要研究内容。其中角点特征是图像中最常用的特征，角点检测方法主要有Moravec算子、Harris算子、SUSAN算子等，角点检测方法计算量较小，但是对背景、视角、光照、大小和几何畸变较敏感。

SIFT特征提取算法具有良好的尺度、旋转、光照等不变特性，甚至对视角变化、几何畸变和成像噪声也有较高的容忍性，因而成为了目前图像特征提取方法的研究热点。但是传统的SIFT特征提取算法采用固定灰度差阈值来提取特征点，灰度差阈值T决定了能够得到的特征点的数量。T越大，检测到的极值点就越多，就有可能会误检一些极值点；T越小，检测到极值点就越少，有可能会漏检。因此对于灰度细节比较丰富的图像，灰度差阈值T要根据具体情况来，对整幅图像使用固定的T，检测到的极值点的效果可能不理想，影响后期的图像分割和识别的精度。

综上所述，传统的基于SIFT的特征提取算法采用固定阈值T，对不同的图像要选择合适的阈值，比较繁琐，而且配准率不高，所以传统的特征提取方法不能应用在不同的图像中，需要对固定阈值T进行了改进，使其对细节丰富的图像具有自适应性，提高传统SIFT特征匹配的准确率。而本发明能很好地解决上述问题。

发明内容

本发明目的在于提供一种基于MMTD（中介真值程度）的SIFT特征提取方法，解决图像SIFT特征提取中采用固定的T没有考虑到不同图像的差异，匹配效果并不是很好的问题。所以针对不同的图像，如何选取合适的阈值从而提高后期图像匹配准确率是图像特征点提取的重点问题。

本发明解决其技术问题所采用的技术方案是：本方法是一种策略性的方法，通过MMTD改进阈值的方法和策略，改进传统SIFT特征提取算法，使其减少因固定阈值可能导致的误检或者漏检特征点的问题。

目前的SIFT特征提取方法是，用固定的阈值来筛选掉DOG尺度空间检测到的候选特征点中存在的低对比度点和不稳定的边缘响应点。但这种方式存在很多的缺点，在一些特殊的图像，如医学图像，医生诊断所关注的焦点是对比度比较低的软组织部分，传统的方法对任何图像都采用固定的灰度差阈值T，这样就会把需要的低对比度的部分过滤掉，大大降低了后面的匹配精度。为了提高图像配准的精度，保留低对比度的点，我们要减小阈值来提取更多的特征点；但是阈值太小会引入噪声，采用固定的T没有考虑到不同图像的差异，匹配效果并不是很好。为了解决这些问题，本发明提出了根据每幅图像不同的灰度特性，利用MMTD的方法迭代计算出灰度差阈值T，提高了传统SIFT特征匹配的准确率。

方法流程：

如图1所示，本发明提出一种基于MMTD的SIFT特征提取方法，其包括如下步骤：

1、尺度空间极值点检测

（1）

（2）

（3）

其中公式（1）为可变尺度的二维高斯函数G(x ,y ,σ)的计算方法，公式（2）中L(x ,y ,σ)为图像函数的尺度空间， I (x ,y)为原始图像。公式（3）建立DOG尺度空间金字塔模型。把DOG尺度空间每个点与相邻尺度和相邻位置的点逐个进行比较，得到的局部极值点的就是特征点。

2、精确确定极值点位置

使用Taylor级数将尺度空间函数D(x ,y ,σ) 在局部极值点A(x ,y, σ)处展开（最高到2次项）：

（4）

其中X是距离局部极值点A(x ,y, σ)的偏移量，式（4）对X求偏导数，令其为零，得到兴趣点精确的位置，如下式：

（5）

将公式（5）代回公式（4）中，得:

（6）

所有极值点都可求出，如果该值小于某个阈值T，视为对比度太低，则将对应的极值点剔除，这样就可以去除低对比度点。传统的SIFT算法根据经验采用固定阈值T就可能导致有些匹配点无法检测出来或有些匹配点被错检。