[发明专利]一种图像特征点提取的优化方法

权利要求书

1.一种图像特征点提取的优化方法，其特征在于：

输入图像；

进行图像梯度及二阶梯度计算；

计算图像梯度因子P(m,n)，并得到P(T)区域；

根据P(T)区域建立高斯尺度空间和高斯差分空间；

根据P(T)区域进行极值点检测；

特征点描述子生成；

所述计算图像梯度因子P(m,n)，并得到P(T)区域包括：

梯度因子初始值P_i,j(m,n)＝P_0,0(0,0)，K＝i；

其中，j为图像的行，i为图像j行的像素坐标位置；

判断是否P_i,j(dx,)与P_i-1,j(dx,)符号一致且|P_i,j(d′x,)|或|P_i-1,j(d′x,)|小于S；

若是，则P_i,j梯度因子值m+1，并判断图像j行计算情况；

否则，判断K＝0的成立情况。

2.根据权利要求1所述的一种图像特征点提取的优化方法，其特征在于，所述输入图像包括对初始图像进行尺度空间第一幅图像的高斯运算，以此图像为基础进行优化算法的运算，对高斯滤波进行预处理。

3.根据权利要求1所述的一种图像特征点提取的优化方法，其特征在于，所述进行图像梯度及二阶梯度计算包括：

计算图像纵横两个方向的梯度值，每个像素点计算的结果为其中，j为图像的行，i为图像j行的像素坐标位置；

计算图像纵横两个方向的二阶梯度值，每个像素点计算的结果为

4.根据权利要求1所述的一种图像特征点提取的优化方法，其特征在于，所述判断K＝0的成立情况包括：

若K＝0成立，则P_i,j梯度因子值标为m,逆方向P_i,j至P_0,j的m值依次减1，并判断图像j行像素的计算情况；

若K＝0不成立，则P_i-m/2,j梯度因子值标为m,P_i-m/2,j至P_i,j的m值依次减1，并判断图像j行计算情况。

5.根据权利要求1或4所述的一种图像特征点提取的优化方法，其特征在于，所述判断图像j行像素计算情况包括：

判断图像j行像素是否计算结束，若是，则继续下一行计算j＝j+1；

否则，计算P_i+1,j的梯度因子i＝i+1，并判断是否P_i,j(dx,)与P_i-1,j(dx,)符号一致且|P_i,j(d′x,)|或|P_i-1,j(d′x,)|小于S。

6.根据权利要求5所述的一种图像特征点提取的优化方法，其特征在于，所述判断图像j行是否计算结束，若是，则继续下一行计算j＝j+1包括：

计算P_i,j梯度因子值n；

输出图像梯度因子P_i.j(m，n)。

7.根据权利要求1所述的一种图像特征点提取的优化方法，其特征在于，所述计算图像梯度因子P(m,n)，并得到P(T)区域包括：

根据得到图像的P_i.j(m，n)值，在进行尺度空间构造时，每个像素点进行高斯运算前判断m、n值，当m、n值都小于T值后，才进行高斯运算参与尺度空间的构造；

其中，T值要大于特征点描述符计算所需要的领域尺寸的一半；每阶图像只需要一个P_i.j(m，n)值即可。

8.根据权利要求1所述的一种图像特征点提取的优化方法，其特征在于，所述根据P(T)区域进行极值点检测包括：高斯差分空间图像进行极值点提取时，每幅图像的极值提取区域为：图像的P(T)区域，依次得到极值点。