[发明专利]基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法

说明书

技术领域

本发明涉及图像处理领域，尤其是涉及一种图像特征点匹配的方法。

背景技术

图像匹配作为工业、农业、商业以及军事领域中不可缺少的一项重要研究手段，在近年来一直被人们不断进行深入探索，在国内外主要有以下几个手段：颜色或灰度特征提取、纹理边缘特征提取、图像代数特征提取、图像变换系数特征提取，其中，SIFT(Scale-invariant feature transform)算法以其受光照强度影响小，对目标遮挡处理结果好，良好的鲁棒性以及实时高速的特点，在特征点检测中被许多学者广泛应用。

SIFT算法是由Lowe在2004年提出的一种图像特征点匹配算法，通过确定尺度空间、检测关键点位置、确定关键点位置以及对选取关键点描述几个步骤，最终实现图像匹配，然而SIFT算法也存在缺陷，SIFT算法中所利用DOG算子进行边缘检测后所得到的关键点，由于边缘响应的原因，有很多并不是真正的关键点。

在边缘检测中，Canny算子具有滤波、增强以及检测等多方面优化，受到噪声干扰性小，但是Canny算子处理步骤中，利用高斯算子对图像平滑处理时，会出现过度平滑和边缘移位的情况，二维的Hillbert-Huang变换用于图像分解中，可以将图像分解成对应的内蕴模函数，使边缘轮廓更加清晰。

发明内容

为了克服现有技术的不足，本发明提供一种基于Canny算子和Hillbert-Huang变换的改进的SIFT图像特征点提取的方法，对SIFT图像匹配算法进行改进，通过实验结果验证，图像特征点提取准确率有较大提高。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：对输入的原图像I(x,y)定义尺度空间L(x，y，σ)，构建高斯金字塔：

L(x，y，σ)＝G(x，y，σ)*I(x，y)(1)

其中G(x，y，σ)为高斯函数，m，n为高斯模板的维度，σ为尺度空间因子；

步骤2：构建高斯差分金字塔

(1)将图像金字塔分o组，一组称为一个Octave，每组分为多层，组内总层数为S，在每一组图像的顶层用高斯模糊生成3幅图像，高斯金字塔每组则有S+3层图像；

(2)对原图像采用隔点采样法进行降采样，具体实施为：比例因子为2对原图像每隔一行一列取一点；

(3)确定高斯金字塔的层数：原图像为金字塔的底部第一层，每次降采样所得到的新图像为金字塔的上一层的一张图像，每个金字塔共n层，金字塔的层数n根据图像的原始大小和塔顶图像的大小共同决定，其计算公式如下：

n＝log₂{min(M，N)}-t(3)

其中，M，N为原图像的像素值，t为塔顶图像的最小维数的对数值；

(4)计算高斯金字塔组内某一层图像的尺度

其中σ₀是基准层尺度，根据SIFT算法取值为1.6，o为组octave的索引，s为组内层的索引，根据SIFT算法取值为3，关键点的尺度坐标σ即关键点所在的组和组内的层，不同组相同层的组内尺度坐标相同；

(5)计算DOG算子

D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)(5)

其中k为组内总层数的倒数，即：

步骤3：对图像进行空间极值点的检测，具体步骤如下：

将步骤2中计算得到的DOG算子D(x，y，σ)泰勒展开，得到

其中X＝(x，y，σ)^T，使公式(5)的泰勒展开式求导结果值为零，得到中心偏移量

其中，代表相对插值中心的偏移量，根据SIFT算法在任何一个维度上，即x，y，σ三者中的任何一个数值超过0.5，则视为插值中心已经偏移；

步骤4：将Canny算子和Hillbert-Huang变换融合，具体步骤如下：