[发明专利]一种基于SIFT算法的尺度空间特征检测方法

说明书

本发明提供一种基于SIFT算法的尺度空间特征检测方法，涉及图像处理技术领域，包括：建立图像的高斯尺度空间；生成极值差分金字塔；划定极值检测邻域；对极值检测邻域内进行极值检测；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；对中赋值后的每个像素点进行筛选，得到潜在极值点；对每个潜在极值点，进行空间极值点检测，得到初步特征点；本发明解决了SIFT算法在图像特征提取方面由于高斯差分金字塔尺度图像上只保存了像素点本身的基本信息，对像素点邻域内有用信息的处理不够全面的问题。

技术领域

本发明涉及数字图像处理领域，具体涉及一种基于SIFT算法的尺度空间特征检测方法。

背景技术

SIFT(Scale Invariant Feature Transform)算法，中文名称为尺度不变特征变换算法，是一种检测局部特征的算法。该算法通过在尺度空间中求取图像中的特征点，并保存该特征点的位置、尺度、旋转不变量等信息，从而进行图像特征点匹配。该算法由DavidLowe在1999年发表，并于2004年进行完善总结后形成一个完整的理论体系。SIFT特征是图像的局部特征，对旋转、尺度缩放和亮度变化能够保持不变性，对视角变化、仿射变换和噪声也能够保持一定程度的稳定性。由于目标的自身状态、场景所处的环境和成像器材的成像特性等因素会影响图像配准或目标识别跟踪的性能，而SIFT算法在一定程度上可解决目标旋转、缩放、平移等关键操作，还可在很大程度上解决光照影响和目标遮挡的问题，所以SIFT算法得到了广泛应用。

虽然SIFT算法在图像特征提取方面拥有如上所述的很多优点，但在某些环节中还存在一些不足，主要体现在：(1)由于高斯差分金字塔尺度图像上只保存了像素点本身的基本信息，像素点邻域内有用信息的处理不够全面；(2)其次，因高斯差分金字塔对图像边缘有很强的响应，因此，会产生一些不稳定特征点；(3)同时，该算法在尺度空间特征检测环节计算量大、过程繁杂导致计算时间长、效率不够高。

发明内容

本发明的目的在于：为解决现有的SIFT算法在图像特征提取方面由于高斯差分金字塔尺度图像上只保存了像素点本身的基本信息，对像素点邻域内有用信息的处理不够全面的问题，本发明提供一种基于SIFT算法的尺度空间特征检测方法。

本发明的技术方案如下：

一种基于SIFT算法的尺度空间特征检测方法，包括如下步骤：

S1，建立图像的高斯尺度空间。

S2，在高斯尺度空间的基础上，生成极值差分金字塔。

S3，以极值差分金字塔当前尺度图像中坐标为(x,y)的点为中心，划定极值检测邻域。

S4，以遍历的方式依次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S5中赋值后的每个像素点进行筛选，得到潜在极值点。

S7，对S6中得到的每个潜在极值点，进行空间极值点检测，得到初步特征点。

具体的，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。