[发明专利]部分遮挡目标的局部特征点提取方法

权利要求书

1.部分遮挡目标的局部特征点提取方法，其特征在于，包括以下步骤：

已知参考图像I是光学遥感图像；

第一步：仿真图像集生成：

对参考图像I进行仿真操作，生成图像集X，图像集X中共有N幅图像；图像集X包括以下三种情况生成的图像：光照变化、旋转变换和尺度缩放；N的取值根据实际需求确定；

第二步：粗特征点提取

利用尺度不变特征变换算法对参考图像I和图像集X中的任意一幅图像进行特征匹配，得到两幅图像匹配后的局部特征点在图像I中的坐标集S_n，n=1，2，…，N，S_n表示参考图像I与图像集X中第n幅图像特征匹配的局部特征点的坐标集；

设S＝S₁∪S₂∪...∪S_N，S的元素个数为N′，S中第m个元素S[m]在S₁，S₂，…，S_N中总共出现的次数为L[m]，m=1，2，…，N′；则S[m]的概率T[m]=L[m]/N；

根据实际需求，设定粗特征点提取阈值t，当T[m]≥t时，将S[m]作为粗特征点，并保存到集合U₀中；

第三步：粗特征点筛选

利用参考图像I，对集合U₀中的每一个元素进行下述计算：

步骤1：计算三种置信度：

第①种计算：计算与灰度对比度有关的置信度：

在以所述元素为中心的半径为R_r个像素的圆环邻域上，利用下式计算所述元素的与灰度对比度有关的置信度z₁：

上式中，N_r是圆环邻域的像素点个数，n₀是圆环邻域上像素点灰度值大于所述元素灰度值加上一个灰度阈值t′的像素点个数，n₁是圆环邻域上像素点灰度值小于所述元素灰度值减去一个灰度阈值t′的像素点个数，NUM是像素点个数阈值；灰度阈值t′和像素点个数阈值NUM均根据实际需求设定；

第②种计算：计算与梯度均值幅值比有关的置信度

在以所述元素为中心的半径为R_g1个像素的圆形邻域内，计算所述元素与圆形邻域内任意一个像素点的梯度幅值，再求梯度幅值均值|g₁|；在以所述元素为中心的半径为R_g2个像素的圆形邻域内，计算所述元素与圆形邻域内任意一个像素点的梯度幅值，再求梯度幅值均值|g₂|；半径R_g1和半径R_g2的选择根据实际需求设定；

则梯度均值幅值比rate为：

rate=min(|g1|,|g2|)max(|g1|,|g2|)]]>

利用下式计算所述元素的与梯度均值幅值比有关的置信度z₂，

z2=10≤rate<1/e-lnrate1/e≤rate≤1/e01/e<rate≤1,]]>

上式中e是自然对数，lnrate是对rate取以e为底的对数；

第③种计算：计算与高曲率点有关的置信度：

所述元素的与高曲率点有关的置信度z₃可以由下式计算得到：

z3=gxxgyy-g2xy1+g2x+g2y]]>

g_x表示所述元素在图像I中水平方向上的一阶差分，g_y表示所述元素在图像I中垂直方向上的一阶差分，g_xx表示所述元素在图像I中水平方向上的二阶差分，g_yy表示所述元素在图像I中垂直方向上的二阶差分，g_xy表示g_x在图像I中垂直方向上的一阶差分；

步骤2：计算总置信度

利用下式计算集合U₀中每一个元素的总置信度z：

z＝αz₁+βz₂+γz₃

其中α,β,γ表示各置信度的权值，根据实际需求设定；

设粗特征点筛选阈值t′′，当z≥t′′时，将所述元素保存到集合U₁中，粗特征点筛选阈值t′′根据实际需求设定；

第四步：稳健局部特征点提取：

步骤1：排除相近特征点：

对集合U₁中的每一个元素，在以所述元素为中心、半径为R_c个像素的圆形区域内查找集合U₁中的元素，并将这些元素中总置信度不是最大值的元素从集合U₁中删除；

设经过步骤1的循环处理，得到集合U₂；

步骤2：按空间距离排序选取稳健局部特征点：

计算集合U₂中元素两两之间的空间距离d(k,l)，k,l表示集合U₂中的第k个元素和第l个元素，k≠l；然后按照空间距离从大到小的顺序进行排序，选取排序后的前M个元素，作为稳健局部特征点；如果集合U₂中元素个数小于M，则保留集合U₂中的所有元素；M的取值根据后续使用的要求确定。