[发明专利]部分遮挡目标的局部特征点提取方法

说明书

技术领域

本发明涉及图像目标检测技术，更具体地说，涉及到一种部分遮挡目标的局部特征点提取方法。

背景技术

遮挡目标检测一直是计算机视觉研究领域的一个热点和难点。由于待检测目标被其它物体遮挡了一部分，造成了目标信息的丢失，无法基于全局特征进行目标检测，只能基于目标的可视部分信息进行检测，其主流方法是基于局部特征的方法，其中基于局部特征点方法性能相对较好而受到关注，目前主要局部特征点提取方法有Harris、SUSAN、SIFT、SURF等。

然而目前基于局部特征提取方法还存在问题：一般大部分实际应用对检测性能和速度都是有要求的，要求特征点提取能够快速准确，然而现有局部特征点提取方法在部分遮挡情况下的稳定性不好，而且特征点提取耗时较多。

部分遮挡目标稳健局部特征点提取方法的难点表现在以下两个方面：一方面，由于部分遮挡造成目标部分信息的缺失，并且由于遮挡物体的形状和位置大小等在不同时间、不同地点所表现出来的多样性使得目标的表现形式也是千变万化，给部分遮挡目标的特征表征带来了困难；另一方面，成像平台、传感器和天气等多方面因素造成目标成像形式的多样性，给提取稳定局部特征点增加了难度。

发明内容

本发明解决现有方法不能满足部分遮挡目标的快速鲁棒检测问题，提出了一种部分遮挡目标局部特征点提取方法，实现部分遮挡目标的快速、准确检测。

本发明的基本思路是：首先，针对特征点需要适应多种变化的情况，基于SIFT（Scale Invariant Feature Transform，尺度不变特征变换）对图像进行训练，提取出在绝大多数变化情况下都比较稳定的局部特征点，作为粗特征点，SIFT具体实现详见文章“David G.Lowe，Distinctive image features from scale-invariant keypoints.International Journal of Computer Vision,200460(2):91-110”。然后，通过从三个方面（灰度对比度，梯度均值幅值比和高曲率）对粗特征点进行置信度计算，设定阈值对粗特征点进行筛选；最后对筛选后的粗特征点进行稳健局部特征点提取。

本发明的技术方案是：部分遮挡目标稳健局部特征点提取方法，具体包括以下步骤：

已知：一幅参考图像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SIFT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