[发明专利]一种基于surf特征的物体识别方法

说明书

技术领域

本发明涉及物体识别，尤其涉及一种基于surf特征的物体识别方法。

背景技术

物体识别是模式识别领域和计算机视觉领域中的一个重要研究方向，被广泛地应用于工业检测、医学分析、机器人抓取工件、自动导航、自动检测等方面。目前大量的研究人员和学者投入了大量的人力物力进行该研究，并提出多种理论和方法。一般来说，物体识别方法可分为两类: 基于全局特征的物体识别算法和基于局部特征的物体识别算法。前者提取物体的全局特征, 然后结合支持向量机、神经网络等算法进行识别。这类方法可以成功识别噪声图像和部分遮挡物体, 但不能准确识别视角变化物体,当物体遮挡区域增加时识别率也会明显降低。基于局部特征的方法提取一些比较特殊的特征点, 然后在这些点提取局部的特征,物体间的匹配通过搜索待测图像和标准图像之间的相似匹配点完成。由于遮挡、视角变化和形变等干扰对局部图像特征的影响不大, 因此这类算法的抗干扰能力比较强，应用也比较广泛。

基于局部特征的方法近年越来越受到各研究者的关注，这类方法主要是提取物体的不变矩、SIFT或者SURF等特征向量集，然后选取具有代表性的有效特征与标准图像的不变矩、SIFT或者SURF特征向量集进行匹配来识别物体。文献[4]( 李迎春,陈贺新,赵铭.基于飞机目标的仿射不变矩研究[J].吉林大学学报,2003,21(5): 84-88)将三阶仿射不变矩运用于飞机识别，该方法对扭曲变形飞机的识别很有效，但是由于不变矩的鲁棒性较差，所以现在用之较少。文献[7]( Shengnan Sun, Shicai Yang, Lindu Zhao.Noncooperative bovine iris recognition via SIFT[J].Neurocomputing,2013,1-8)采用SIFT算法实现牛的虹膜识别，算法稳定性较高，但由于数据量大，计算比较复杂耗时。文献[8]( 周新宇,姚茂国,竺乐庆.基于SURF算法和openCV的掌纹识别技术研究[J].杭州电子科技大学报,2012,32,(3):45-49)用surf算法提取有效掌纹区域的特征点，通过随机采样一致性算法进行特征点的匹配，该方法鲁棒性较好，但识别率有待提高。

发明内容

为解决上述技术问题，一种基于surf的物体识别方法，首先利用物体经光照、尺度、旋转和噪声变化的多幅图像的SURF特征建立特征向量集，然后将其与标准图像的特征向量集匹配，再采用权值相似度积方法确定最后的识别结果。

为实现上述技术目的，本发明所采用的技术方案是：一种基于surf特征的物体识别方法， 

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。

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；