[发明专利]一种基于自适应分数阶微分SIFT改进方法

说明书

技术领域

本发明属于图像处理技术领域，尤其是图像匹配领域，具体涉及一种基于自适应分数阶微分SIFT改进方法。

背景技术

图像匹配是指在同一场景在两个不同时点下图像之间的对应关系，它是计算机视觉研究领域的一个基本问题，也是计算机视觉应用，如深度恢复、摄像机标定、运动分析以及三维重构等问题的研究起点或者基础。

长期以来，研究者希望设计具有高检测率和重复率的特征，并能够克服尺度，旋转，光照及噪声等外部情况影响。在众多特征匹配法中，点特征运用最多，而基于人工设计的点特征可以分为矩特征、差分特征、空间-频域特征和空间域分布特征四类，其中空间-频域特征和空间域分布特征应用较为广泛。Lowe提出了一种基于尺度不变的特征提取算法(SIFT)，在各尺度空间上利用DOG等拟合精细模型，筛选并确定关键点；在局部关键点的方向梯度图计算基础上，构造对缩放、旋转、平移等无关的特征。但是，SIFT特征点维数较高、计算复杂并对噪声较为敏感。随后出现了许多基于SIFT方法的改进算法，Ke等人提出了PCA-SIFT，通过主成分分析方法提取特征的局部信息，生成了36维特征矢量；与SIFT相比，大幅度降低了特征维数，但其可区分性也随之降低。

基于人工设计的特征在检测和表示上都是针对特征点周围的全部信息运用整数阶微分方法得到的特征向量，这容易受到其他信息的干扰，且会大幅度地衰减低频信息，尤其是对处在平坦区域中的目标特征。此外，对因拍摄条件受限引起视角变化较大、或者不同视角的复杂场景导致成像结果差异大，整数阶微分同样对局部特征信息估计不足，引起特征表示对局部纹理刻画不准确。

发明内容

为解决上述技术问题，本发明提供了一种基于自适应分数阶微分SIFT改进方法，该方法以分数阶微分理论为基础，得到了一条点邻域准确表示的途径，能够更好地检测表示点特征。

为达到上述目的，本发明的技术方案如下：

一种基于自适应分数阶微分SIFT改进方法，包括基于自适应分数阶微分的幅值和方向重构、以及联合权值构建，通过自适应分数阶微分的幅值和方向重构以及联合权值构建来重构方向直方图，准确刻画局部不规则和无序的纹理特征；其中基于自适应分数阶微分的幅值和方向重构，二维图像信号L(x,y)的局部自适应分数阶阶次的分数阶微分为：