[发明专利]一种基于SIFT算法的尺度空间特征检测方法

权利要求书

1.一种基于SIFT算法的尺度空间特征检测方法，其特征在于，包括如下步骤：

S1，建立图像的高斯尺度空间；

S2，生成极值差分金字塔；

S3，划定极值检测邻域；

S4，对极值差分金字塔尺度图像中的每个像素点，在以该像素点为中心对应的由S3划定的极值检测邻域内，进行邻域极值检测；

S5，以S4得到的结果为基础对每个像素点赋值，使每个像素点包含该点对应邻域内的有效极值信息；

S6，对赋值后的每个像素点进行筛选，得到潜在极值点；

S7，对每个潜在极值点，进行空间极值点检测，得到初步特征点；

所述步骤S2的具体过程为：由高斯金字塔的相邻两层做减法运算得到高斯差分金字塔，然后在高斯差分金字塔的基础上生成极值差分金字塔，方法为：保持高斯尺度空间的各项参数不变，用一个由四个变量组成的像素值E_s(x,y,σ)＝(I,I_max,I_min,k)代替原有高斯差分金字塔中对应像素点的像素值D_s(x,y,σ)＝I,以保存每个像素点邻域内的有效信息；具体对应关系为：设高斯差分金字塔尺度图像上所有点组成的点集为D＝{P_Di|i＝1,2,…,N}，第s层尺度图像任意一个像素点P_D∈D的像素值为D_s(x,y,σ)＝I，则极值差分金字塔尺度图像上所有点组成的点集为E＝{P_Ei|i＝1,2,…,N}，位于第s层尺度图像上的对应点P_E∈E的像素值为E_s(x,y,σ)＝(I,I_max,I_min,k)，k＝0,1,2，其中，(x,y)表示P_D和P_E在第s层尺度图像对应点的坐标，σ表示高斯尺度参数，I表示高斯差分金字塔中的当前像素点，Imax、Imin分别表示点P_E在像素点邻域内的最大和最小值，I_max，I_min初始值设置为I_max＝I_min＝I，k是比较标志位，初始值设置为0。

2.根据权利要求1所述的一种基于SIFT算法的尺度空间特征检测方法，其特征在于，所述步骤S1具体为：输入原始图像f(x,y)，将原始图像在不断降阶采样的基础上进行不同程度的高斯滤波，得到一系列大小不同、尺度不一的图像，这些图像由大到小、从下到上构成了高斯尺度空间；

其中，高斯尺度空间的定义为：L(x,y,σ)＝f(x,y)*G(x,y,σ)，f(x,y)表示原始图像像素点(x,y)的像素值，G(x,y,σ)表示方差为σ²的高斯核函数，L(x,y,σ)表示尺度参数为σ的尺度图像，其中，高斯金字塔的尺度图像是根据尺度参数公式σ_s＝kⁿσ₀依次得出的每一层尺度图像，σ₀是原图像对应的尺度参数，k是尺度变化系数。

3.根据权利要求1所述的一种基于SIFT算法的尺度空间特征检测方法，其特征在于，所述步骤S3的具体过程为：

对任意点P_E，以P_E在极值差分金字塔当前尺度图像中坐标(x,y)为中心，取P_E邻近的(x-1,y-1)，(x,y-1)，(x+1,y-1)，(x-1,y)，(x,y)，(x+1,y)，(x-1,y+1)，(x,y+1)，(x+1,y+1)，(x,y-2)，(x-2,y)，(x+2,y)，(x,y+2)共13个点，组成P_E极值检测邻域O₁₃(P_E)。