[发明专利]基于硬件电路的SIFT算法图像边界扩充方法和处理方法

说明书

本发明涉及一种基于硬件电路的SIFT算法图像边界扩充方法和处理方法。在对图像边界的像素点做高斯卷积时，通过采用反向双移位寄存器法，把需要填充到边界的像素点同时分别反方向移入到2个移位寄存器，获得以图像边界像素点为中心的镜像映射像素。其中，第一寄存器可存放L=2R+1个像素，即可以存放计算一个像素点高斯卷积时用到的所有像素点。第二寄存器可存放R个像素，即可以存放一个像素点边界扩充所需的所有像素点。整个处理过程只需要读取一次数据，就可以获取到所需要的镜像数据，数据读取效率很高，并且整个镜像过程只需要进行寄存器数据的存取，相比现有的软件计算方式，不仅节省了运算资源，而且数据处理效率也大大提升。

技术领域

本发明涉及视觉处理技术领域，具体涉及一种基于硬件电路的SIFT算法图像边界扩充方法和处理方法。

背景技术

SIFT算法尺度空间生成方法是在图像多尺度空间理论上发展出来的，SIFT算法为鲁棒性较好的一种图像特征检测方法。该算法不仅具有尺度、旋转、仿射、视角、光照等不变性，对目标的运动、遮挡、噪声等因素影响也能保持较好的匹配效果，广泛应用于视频跟踪、移动机器人定位与地图创建、物体识别、图像全景拼接、人脸识别等领域。SIFT算法生成尺度空间需要建立高斯金字塔，高斯金字塔的生成需要进行大量高斯卷积运算。对于高斯卷积操作，边界的像素点一般无法处理，因为高斯卷积核中心到不了最边缘像素点，这时如果先将边界扩充，再进行高斯卷积操作，最后将扩充的边界去掉，则原图像每个像素点都进行了高斯卷积。SIFT算法在对图像进行高斯卷积处理的时候，如果卷积模板(高斯卷积核长度)过大，且不对原图的边界进行扩充，会导致处理之后的图像尺寸变小，SIFT算法得到的匹配特征点数量减少，进而影响算法的稳定性。

图像边界扩充一般采用以下几种方法：1)使用常数填充；2)复制边缘的一行或一列像素并一直延伸至添加边缘的宽度或高度；3)以边缘像素为中心，将邻近像素进行镜像映射。SIFT算法的目的是找到特征点，特征点一般为极大值或极小值点。由于前两种图像边界扩充方法填充的像素点都一样，不利于产生极大值或极小值点，因此，SIFT算法图像边界扩充更适合采用第三种方法。目前采用第三种方法实现图像边界扩充主要是以软件运算的方式，这种方式需要耗费较多的运算资源，并且效率相对较低。

发明内容

为解决上述问题，本发明提供了一种基于硬件电路的SIFT算法图像边界扩充方法和处理方法，能够提高图像边界像素点的像素扩充效率和高斯卷积处理效率。