[发明专利]一种快速局部不变特征提取与描述方法

说明书

本发明提出了一种快速局部不变特征提取与描述方法，首先通过分块FAST角点检测算法计算特征点集合，然后通过扩展局部二元模式对特征点进行特征描述，将颜色比对的结果分成五类，使之更好的反应纹理变化的细节。本发明方法能够更为细致的描述图像的纹理分布，同时还提高了纹理描述的抗噪性。

技术领域

本发明涉及图像处理、计算机视觉的技术领域，特别涉及一种特征提取与描述方法。

背景技术

随着电子信息技术的迅速发展，获取图像的种类和数量急剧增加，让计算机代替人工，自动完成图像的理解分析成为一项重要并且紧迫的任务。其中，图像特征的提取与表达，作为图像理解的第一步，是解决图像分类、目标匹配和纹理识别等各种视觉任务的基础和关键步骤。由于图像局部特征对于背景干扰、尺度缩放和视点变换等具有一定的鲁棒性，并且提供了一种具有统计意义的图像内容表示，因此研究图像的局部特征具有重要意义。

目前已有相当多的文献对图像局部特征进行研究，提出了各种局部特征描述子。其中尺度不变特征变换(SIFT)算子将角点检测和特征矢量生成等步骤完整地结合在一起进行优化，同时具备尺度和旋转的不变性，成为局部不变特征研究过程中一个里程碑式的成就，其他很多描述算子都是在此基础上改进得到的。但是，SIFT算法只考虑了尺度和旋转的不变性，对仿射变换具有一定的敏感性，随着视角变化的增大其稳定性逐渐下降。而且对于背景复杂、层次丰富的图像存在匹配速度慢的缺点，无法满足实时性场合的要求。

另一个常用的描述子是局部二进制模式(LBP)，通过将中心像素与近邻像素的灰度值进行对比，形成一个位串然后将其编码，最后将图像的标签频率直方图作为纹理表达。具有计算简单、对目标灰度变化不敏感的优点。但是传统的LBP描述子提取图像的信息都不够丰富，难以精确地描绘局部纹理结构。

其他一些常用的描述子还有互信息描述子、基于霍夫编码的描述子、灰度共生矩阵描述子等，对图像本身也提出各种限制要求。然而，现实世界中的图像不仅种类繁多、结构复杂，而且成像条件几乎不可预知，加之大数据时代的到来，提取有效的局部不变特征和设计高效的图像表达方法是十分具有挑战性的任务。

发明内容

针对上述已有技术的不足，本发明提供了一种快速局部不变特征提取与描述方法。本发明方法能够更为细致的描述图像的纹理分布，同时还提高了纹理描述的抗噪性。

本发明的技术方案是：

一种快速局部不变特征提取与描述方法，包括以下步骤：

S1：通过分块FAST角点检测算法计算特征点集合；

S1.1，记需要进行特征提取和描述的彩色RGB图像为P(x,y,z)，将图像P(x,y,z)均匀的分块，获得N个子图像，每个子图像大小为21×21，记为{P₁(x,y,z),…,P_N(x,y,z)}；

S1.2，在每个子图像中使用FAST角点检测算法进行特征点检测，在图像P(x,y,z)的每个子图像中获得一个特征点，得到图像P(x,y,z)所有子图像的特征点集合为{(x₁,y₁),…,(x_N,y_N)}；

S1.2中，图像P(x,y,z)中每个子图像的特征点的获取方法为：对于图像P(x,y,z)中的任一子图像P_n(x,y,z)，对子图像P_n(x,y,z)采用FAST角点检测算法进行特征点检测，如果检测出多个特征点，选择响应值最大的特征点作为子图像P_n(x,y,z)最终选取的特征点；如果没有检测出特征点，则选取子图像P_n(x,y,z)的中间点作为子图像P_n(x,y,z)最终选取的特征点。

S2：对特征点进行特征描述，将颜色比对的结果分成五类，每个特征点获得一个特征向量；