[发明专利]尺度变化离散点定位方法

说明书

本发明公开了尺度变化离散点定位方法，涉及图像特征点定位方法，具体包括以下步骤：S1，尺度空间极值检测，搜索所有尺度上的图像位置；S2，关键点选取与精确定位；S3，有限差分法求导；S4，三阶矩阵求逆。S1采用高斯差分金字塔进行尺度归一化。本发明能够有效拟合分析和筛选出关键点，进而有效计算出特征方向，提高图像检测的精度。

技术领域

本发明涉及一种图像特征点定位方法，具体涉及尺度变化离散点定位方法。

背景技术

利用高斯金字塔构件的尺度空间只能生成离散空间，所取得的极值点是离散的，这种离散点的筛选与定位是目前图像特征点定位方法中需要着重研究的问题。

发明内容

本发明所要解决的技术问题是离散空间的极值点不易于拟合分析和筛选出关键点，目的在于提供尺度变化离散点定位方法，解决上述问题。

尺度变化离散点定位方法，具体包括以下步骤：

S1，尺度空间极值检测，搜索所有尺度上的图像位置；

S2，关键点选取与精确定位；

S3，有限差分法求导；

S4，三阶矩阵求逆。

S1，尺度空间使用高斯金字塔表示。S2，关键点选取与精确定位：在每个候选的位置上，关键点的选择依据于它们的稳定程度的前三项。S3，有限差分法求导，有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值。在有限差分方法中，我们放弃了微分方程中独立变量可以取连续值的特征，而关注独立变量离散取值后对应的函数值。S4，高阶矩阵的求逆算法主要有归一法和消元法两种。

进一步地，S1采用高斯差分金字塔进行尺度归一化。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明尺度变化离散点定位方法，能够有效拟合分析和筛选出关键点，进而有效计算出特征方向，提高图像检测的精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明尺度变化离散点定位方法，0具体包括以下步骤：

S1，尺度空间极值检测，搜索所有尺度上的图像位置；

S2，关键点选取与精确定位；

S3，有限差分法求导；

S4，三阶矩阵求逆。

S1，尺度空间使用高斯金字塔表示。S2，关键点选取与精确定位：在每个候选的位置上，关键点的选择依据于它们的稳定程度的前三项。S3，有限差分法求导，有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值。在有限差分方法中，我们放弃了微分方程中独立变量可以取连续值的特征，而关注独立变量离散取值后对应的函数值。S4，高阶矩阵的求逆算法主要有归一法和消元法两种。

S1采用高斯差分金字塔进行尺度归一化。尺度归一化后的高斯拉普拉斯函数的极大值和极小值同其它的特征提取函数，例如：梯度，Hessian或Harris角特征比较，能够产生最稳定的图像特征，对后期的处理稳定性起决定性作用。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。