[发明专利]一种基于图像彩色信息的局部特征描述子构造方法及系统

说明书

本发明提供了一种基于图像彩色信息的局部特征描述子构造方法及系统，包括确定特征区域形状与尺寸；确定特征点的主方向；特征区域的划分与编号；特征区域内像素点的加权正交对称的二值模式编码；以子区域为单位，计算每个子区域的加权正交对称的二值编码特征向量；按照子区域划分编号和颜色分量次序，将子区域特征向量进行排列构造特征点的局部特征描述子。上述方法利用了图像的彩色信息，提高了对特征点的描述能力，降低的特征向量维数，具有更强的判别能力与鲁棒性。

技术领域

本发明涉及数字图像处理技术，具体地，涉及一种基于图像彩色信息的局部特征描述子构造方法及系统。

背景技术

近年来，局部特征作为计算机视觉中图像特征提取的一种方法，由于其对于遮挡、重叠等情况的良好的鲁棒性，常被用于特征识别、图像检索、宽基线匹配和目标识别等领域。性能良好的局部特征描述子必须具有高的辨识度，以对不同的特征点进行区分与匹配，同时，良好的特征描述子还必须对图像变换，比如尺度改变、图像旋转、光照变化、视角改变等，具有良好的鲁棒性。

目前，局部特征描述子可以分为四类，分别是基于分布的描述子、基于滤波器的描述子、基于矩的描述子和二值描述子。其中，David Lowe于2004年提出的基于分布的SIFT描述子得到广泛的关注和应用，具体详见David Lowe.Distinctive image features fromscale invariant keypoints.IJCV 2004。SIFT描述子将特征区域划分为4×4共16个子区域，在每个子区域中统计8个方向的梯度方向的直方图，最后将每个子区域的直方图结合构建成一组128维的特征向量，该特征描述子对于旋转、尺度变换和光照变换具有良好的鲁棒性，但由于其需要进行多次图像的卷积操作以及直方图统计，使得图像的复杂性较高，实时性差，并且SIFT特征描述子是基于图像灰度信息的，并没有充分利用图像的彩色信息。

特征描述子的维度、描述能力与提取速度这三者之间的权衡一直是具有挑战性的课题。特征点描述子的维度越高，其描述能力与对特征点进行区分的能力自然也就越强，但是，高维度的描述子意味着需要对特征点邻域进行深层次、多尺度以及大范围的分析与描述，这些过程会增加算法的复杂性和耗费大量的时间，因而实时性就不能得以体现。而且，目前所提出的很多局部特征描述子只利用了图像的灰度信息，舍弃了图像更具识别度的彩色信息，这在一定程度上导致了描述子描述能力的降低。因此，构造一种紧凑的、低维度的、基于图像彩色信息的，并且具有良好的描述能力与区分能力的局部特征描述子是具有重要意义的。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于图像彩色信息的局部特征描述子构造方法及系统。

根据本发明提供的一种基于图像彩色信息的局部特征描述子构造方法，包括：

步骤1：确定特征区域形状与尺寸；

步骤2：统计特征区域中特征点邻域内像素点的梯度方向与幅值，构造梯度方向的直方图，获取特征点的主方向；

步骤3：将特征区域划分为K个子区域，最内层为圆形，外层为圆环，尽量保证每个区域内的像素点个数相近，对子区域由内向外进行编号；

步骤4：提取特征区域彩色信息的R、G、B三个颜色分量，对每个颜色分量进行加权正交对称的局部二值模式编码；

步骤5：以子区域为单位，构造子区域的加权正交对称的局部二值模式编码的特征向量；

步骤6：按照子区域划分顺序与颜色分量通道次序，将子区域的特征向量进行排列，构成特征点最终的局部特征描述子。

较佳的，所述步骤1具体包括：

步骤101：采用圆形划分特征区域，以增强对图像旋转的鲁棒性；

步骤102：确定圆形特征区域的半径大小。