[发明专利]用于转换图像描述符的方法和相关图像处理设备

说明书

本公开涉及用于转换图像描述符的方法和相关图像处理设备。描述了一种用于将基于包含多个直方图槽(h_i)的梯度直方图(h)的图像描述符转换成包含一组值(v_j)的经转换的梯度直方图描述符(v)的方法，其中提供将至少一个准则应用于计算所述一组值(v_j)的步骤，所述至少一个准则包括所述直方图槽(h_i)的位置准则。本发明还涉及适合于执行该方法的图像处理设备。

本申请是申请号为201380036654.3、申请日为2013年7月1日、发明名称为“用于转换基于梯度直方图的图像描述符的方法和相关图像处理设备”的发明专利申请的分案申请。

具体说明

本发明涉及稳健的、有辨别力的、可伸缩并且紧凑的图像描述符的计算。

更具体地，本发明涉及通过计算图像感兴趣点周围的局部区域内的子区域的梯度的直方图而在所述局部区域中计算出的图像描述符。

图像描述符已在很多计算机视觉应用中找到了广泛的适用，举几个例子来说，所述计算机视觉应用包括对象识别、基于内容的图像检索和图像配准。这类图像描述符最广为人知的示例之一是尺度不变特征转换(SIFT)描述符。

简而言之，利用SIFT方法，局部图像描述符是这样形成的：首先，跨多个图像尺度和位置的搜索被执行以识别和局部化具有尺度和朝向不变性的稳定的图像关键点；然后，对于每个关键点，一个或多个主导朝向基于局部图像梯度被确定，从而允许后续局部描述符计算相对于每个关键点被指派的朝向、尺度和位置被执行，从而实现对这些转换的不变性。

然后，关键点周围的局部图像描述符是这样形成的：首先，梯度幅度和朝向信息在关键点周围的区域中的图像样本点处被计算；然后，这些样本被累积到概括了n×n个子区域上的内容的朝向直方图中。

仅通过例示，关键点描述符的示例被示于图1a和图1b，其中图1a示出局部区域R被细分为4×4个子区域SR，图1b示出对于每个朝向直方图h，360度的朝向范围被细分为八个槽(bin)h，每个箭头的长度对应于该直方图条目的幅度。

因而，图1a中例示的局部图像描述符具有4×4×8＝128个元素。SIFT方法在DavidG.Lowe的“Distinctive image features from scale-invariant keypoints”,International Journal of Computer Vision,60,2(2004),pp.91-110中被更详细地给出。

存在SIFT方法的许多替代和变体，它们采用不同的机制来进行稳定图像关键点的检测，采用不同的方法来进行关键点周围的局部区域的细分，并且采用不同的方法来进行子区域梯度直方图的计算。

例如，图2a和图2b分别示出像K.Mikolajczyk和C.Schmid的“A performanceevaluation of local descriptors”,IEEE Transactions of Pattern Analysis andMachine Intelligence 27(10):1615-1630中描述的梯度位置朝向直方图(GLOH)和Chandrasekhar等人的“Compressed Histogram of Gradients:A Low-BitrateDescriptor”,International Journal on Computer Vision,Vol.94,No.5,May 2011中描述的非压缩梯度直方图(UHoG)之类的其他技术的对数极坐标空间细分特征，来作为SIFT方法中采用的笛卡尔空间细分的替代。

作为另一示例，图3示出用于基于梯度的x和y分量的二维空间到槽的细分(UHoG的特征)来计算梯度直方图的方法，以作为SIFT方法中采用的360度的梯度朝向范围到槽的细分的替代。