[发明专利]一种基于surf特征的物体识别方法

权利要求书

1.一种基于surf特征的物体识别方法，其特征在于：

步骤一、对标准图像提取surf特征向量，得到标准特征向量集；

步骤二、对待识别图像提取surf特征向量，得到待识别的surf特征向量集；

步骤三、将标准特征向量集与待识别的surf特征向量集进行特征集匹配，计算权值相似度积R_L，将权值相似度积最大的图像作为识别出的物体。

2.如权利要求1所述的一种基于surf特征的物体识别方法，其特征在于：所述的surf特征向量的提取方法是，

（一）使用快速Hessian检测器来检测图像上的兴趣点，Hessian矩阵H是由函数f(x,y)的偏导数组成的，H矩阵的定义为，

              (1)

H矩阵判别式定义所示为，              (2)

判别式的值是H矩阵的特征值，通过引入尺度空间理论，在尺度上的Hessian矩阵被定义为，          (3)

其中L_xx，L_yy和L_xy是在点处图像与相应2阶高斯模板的卷积结果；

（二）尺度金字塔构造，通过扩大方框的大小来形成不同尺度的图像金字塔；设经方框滤波后，L_xx，L_yy和L_xy分别由D_xx，D_yy和D_xy表示，在尺度上，通过式              (4)

近似计算该点Hessian矩阵行列式的值来判别，某一图像点是否为兴趣点，如果，表明该点为兴趣点；

（三）将兴趣点与其所在多尺度空间的立体邻域内的26个邻域值进行比较，如果是最大或最小的极值点，则该兴趣点被列为候选特征点，对每个候选特征点，再采用函数插值的方法来精确确定特征点的位置和尺度，为保证特征点的旋转不变性，通过计算以特征点为中心，设定值为半径的邻域内所有点的Harr小波在x和y轴上的响应值(分别记为dx和dy)，最终确定该特征点的主方向，以特征点为中心，特征点主方向为x轴方向，选取4×4正方形区域，并计算每个区域每个像素点的Harr小波在x方向和y方向的响应值dx和dy，建立一个四维特征向量，如式（5）所示，对(5)进行向量的归一化，形成最终的64维特征向量来描述SURF特征，           (5)。

3.如权利要求2所述的一种基于surf特征的物体识别方法，其特征在于：所述的2阶高斯模板为，使用方框滤波来近似2阶高斯滤波。

4.如权利要求2所述的一种基于surf特征的物体识别方法，其特征在于：所述的卷积方法，使用积分图像进行卷积。

5.如权利要求1所述的一种基于surf特征的物体识别方法，其特征在于：所述的surf特征向量集的建立方法是，假设M是建立特征向量集v所需图像的幅数，特征向量集v可表示为，用表示从第k幅图像中提取的特征向量集，其中V_i和g_tj分别表示V和G中第i各特征向量，Z_i为V_i在M幅图像中出现的次数；

用初始化特征向量集V, 令Z_i的初始值为1，

将提取的第t幅图像SURF特征向量集中的第j个特征向量g_tj和V中现有的所有特征向量进行匹配，若g_tj和V中的第i个特征向量V_i匹配成功，则；若V中没有任何一个特征向量与g_tj匹配成功，则将g_tj作为新成员加入到V中，此时令Z_i=1，然后再进行下一对匹配，这样最终可形成特征向量集V。

6.如权利要求5所述的一种基于surf特征的物体识别方法，其特征在于：所述的权值相似度积方法为，对于每一个物体，提取标准图像的SURF特征构成标准特征向量，其中L表示标准图像的数量，V与F中的第L个标准特征向量集进行匹配，匹配结果用权值相似度积表示，将权值相似度积最大的图像作为识别出的物体；

计算的M幅图像中同一特征向量出现的次数Z_i，V与第L个标准特征向量集进行匹配的权值相似度积定义为

       （6）

其中，q表示V与之间的匹配对数，和分别表示构成第p个匹配对的V中的第i个特征向量和中的第j个特征向量，和是64维的SURF特征向量，分别表示为和，其中，表示和的相似度，其定义为

          （7）

权值定义为

               （8）。