[发明专利]一种图像特征提取与匹配方法

说明书

一种图像特征提取与匹配方法，包括以下步骤：S1、输入二维图像，对所述二维图像进行边缘检测和角点检测，将所述角点检测得到的角点和所述边缘检测得到的边缘点进行组合，以确定图像显著区域；S2、采用多尺度滑窗的方式分割图像，在整幅图像内滑动采样，在每个窗口内提取图像梯度方向直方图特征，其中，显著区域滑窗的滑动步长小于非显著区域的滑动步长；S3、计算检索图像任意窗口图像与数据库图像的相似距离，如果相似距离在相似阈值范围内则标记这一对相似窗口，查找出最相似的窗口，得到一系列相似窗口的匹配结果；S4、排除错误的匹配对，保留在尺度和空间位置上都具有一致性的匹配，分割出相似区域。

技术领域

本发明涉及图像检索技术领域，尤其涉及一种图像特征提取与匹配方法。

背景技术

商标是公司、产品或服务的标志，与企业的商品质量、服务质量、经营管理融为一体，在工商业社会中起着非常重要的作用，是公司及其产品的一个重要属性，具有唯一性。为使商标得到合法的保护，必须向商标局正式注册。随着我国经济的发展和全球化进程的加快，商标数量逐年递增。防止重复注册或相似商标注册是商标管理的核心问题。为了保护注册商标的合法权益，打击仿冒盗用注册商标的违法行为，需要对待注册的商标进行检索，与已注册的商标进行比较，确定二者不相同或者不相近似，才具有注册资格。

商标图像的识别检索是多媒体信息检索领域的热点问题，图像识别检索方法尽管多种多样，但其核心问题都是围绕特征提取与匹配，即特征算法。特征提取是指通过分析以数据的形式将图形的特性描述出来，而特征匹配是指对不同图形的特征数据进行匹配计算以获得二者之间的差距。不同的特征算法所提取的图形特征是不一样的，而特征算法性能的好坏直接决定着检索方法的性能的好坏。因此检索方法的核心就是找到一种高效快速的特征算法，使其既有高效稳定的特征提取又有快速精确的特征匹配。特征算法在检索中主要应用在两个地方。一是特征数据库的建立。在建立特征数据库的时候要使用特征算法对所有的图形进行特征提取得到对应的特征数据，将这些特征数据与其对应的图形按一定的规则保存起来就建立了特征数据库。二是按用户输入的要求的自动分析。用户以某种方式输入图形后，由特征算法对该图形进行特征提取，然后将得到特征与特征数据库中的特征进行特征匹配，从而找到与输入图形相似的图形。基于内容的图像检索的关键问题是找到一种稳定、高效、精确的特征提取与匹配方法。

发明内容

本发明提供了一种图像特征提取与匹配方法，具体包括以下步骤：

S1、输入二维图像，对所述二维图像进行边缘检测和角点检测，将所述角点检测得到的角点和所述边缘检测得到的边缘点进行组合，以确定所述二维图像中的图像显著区域；

S2、多尺度特征提取：采用多尺度滑窗的方式分割该包含物体的最小图像区域，滑窗在图像区域内移动采样，在每个窗口内提取图像梯度方向直方图特征，其中，图像显著区域滑窗的滑动步长小于非显著区域滑窗的滑动步长；

S3、全局尺度间特征窗口匹配：根据梯度方向直方图特征计算所述二维图像中任意窗口图像与数据库图像的相似距离，如果相似距离在相似阈值范围内则标记这一对相似窗口，查找出最相似的窗口，得到一系列相似窗口的匹配结果；

S4、排除错误的匹配对，保留在尺度和空间位置上都具有一致性的匹配，将正确匹配窗口进行数量上的叠加，根据自适应性阈值分割出相似区域。

进一步地，判定显著区域的条件为：如果在一个角点的5*5邻域内的边缘点的个数超过特定阈值，则确定该角点和所述个数的边缘点是所述图像显著物体边缘的一部分。

进一步地，步骤S2具体包括以下步骤：

S21、对于给定窗口，计算水平和垂直方向的梯度；

S22、梯度方向角度取值0～360°，对梯度方向进行8方向量化；

S23、统计所有梯度点得到梯度方向直方图；

S24、对梯度方向直方图进行归一化；