[发明专利]部分遮挡目标的局部特征点提取方法

摘要

本发明提供一种部分遮挡目标的局部特征点提取方法。技术方案是：首先，基于尺度不变特征变换算法提取出在绝大多数变化情况下都比较稳定的局部特征点，作为粗特征点。然后，通过从三个方面包括灰度对比度，梯度均值幅值比和高曲率对粗特征点进行置信度计算，设定阈值对粗特征点进行筛选；最后对筛选后的粗特征点进行稳健局部特征点提取。本发明克服了现有大数据量图像局部特征点提取计算速度慢的问题，同时保证了局部特征点的鲁棒性。

主权项

1.部分遮挡目标的局部特征点提取方法，其特征在于，包括以下步骤：已知参考图像I是光学遥感图像；第一步：仿真图像集生成：对参考图像I进行仿真操作，生成图像集X，图像集X中共有N幅图像；图像集X包括以下三种情况生成的图像：光照变化、旋转变换和尺度缩放；N的取值根据实际需求确定；第二步：粗特征点提取利用尺度不变特征变换算法对参考图像I和图像集X中的任意一幅图像进行特征匹配，得到两幅图像匹配后的局部特征点在图像I中的坐标集S_n，n=1，2，…，N，S_n表示参考图像I与图像集X中第n幅图像特征匹配的局部特征点的坐标集；设S＝S₁∪S₂∪...∪S_N，S的元素个数为N′，S中第m个元素S[m]在S₁，S₂，…，S_N中总共出现的次数为L[m]，m=1，2，…，N′；则S[m]的概率T[m]=L[m]/N；根据实际需求，设定粗特征点提取阈值t，当T[m]≥t时，将S[m]作为粗特征点，并保存到集合U₀中；第三步：粗特征点筛选利用参考图像I，对集合U₀中的每一个元素进行下述计算：步骤1：计算三种置信度：第①种计算：计算与灰度对比度有关的置信度：在以所述元素为中心的半径为R_r个像素的圆环邻域上，利用下式计算所述元素的与灰度对比度有关的置信度z₁：上式中，N_r是圆环邻域的像素点个数，n₀是圆环邻域上像素点灰度值大于所述元素灰度值加上一个灰度阈值t′的像素点个数，n₁是圆环邻域上像素点灰度值小于所述元素灰度值减去一个灰度阈值t′的像素点个数，NUM是像素点个数阈值；灰度阈值t′和像素点个数阈值NUM均根据实际需求设定；第②种计算：计算与梯度均值幅值比有关的置信度在以所述元素为中心的半径为R_g1个像素的圆形邻域内，计算所述元素与圆形邻域内任意一个像素点的梯度幅值，再求梯度幅值均值|g₁|；在以所述元素为中心的半径为R_g2个像素的圆形邻域内，计算所述元素与圆形邻域内任意一个像素点的梯度幅值，再求梯度幅值均值|g₂|；半径R_g1和半径R_g2的选择根据实际需求设定；则梯度均值幅值比rate为：rate=min(|g1|,|g2|)max(|g1|,|g2|)]]>利用下式计算所述元素的与梯度均值幅值比有关的置信度z₂，z2=10≤rate<1/e-lnrate1/e≤rate≤1/e01/e<rate≤1,]]>上式中e是自然对数，lnrate是对rate取以e为底的对数；第③种计算：计算与高曲率点有关的置信度：所述元素的与高曲率点有关的置信度z₃可以由下式计算得到：z3=gxxgyy-g2xy1+g2x+g2y]]>g_x表示所述元素在图像I中水平方向上的一阶差分，g_y表示所述元素在图像I中垂直方向上的一阶差分，g_xx表示所述元素在图像I中水平方向上的二阶差分，g_yy表示所述元素在图像I中垂直方向上的二阶差分，g_xy表示g_x在图像I中垂直方向上的一阶差分；步骤2：计算总置信度利用下式计算集合U₀中每一个元素的总置信度z：z＝αz₁+βz₂+γz₃其中α,β,γ表示各置信度的权值，根据实际需求设定；设粗特征点筛选阈值t′′，当z≥t′′时，将所述元素保存到集合U₁中，粗特征点筛选阈值t′′根据实际需求设定；第四步：稳健局部特征点提取：步骤1：排除相近特征点：对集合U₁中的每一个元素，在以所述元素为中心、半径为R_c个像素的圆形区域内查找集合U₁中的元素，并将这些元素中总置信度不是最大值的元素从集合U₁中删除；设经过步骤1的循环处理，得到集合U₂；步骤2：按空间距离排序选取稳健局部特征点：计算集合U₂中元素两两之间的空间距离d(k,l)，k,l表示集合U₂中的第k个元素和第l个元素，k≠l；然后按照空间距离从大到小的顺序进行排序，选取排序后的前M个元素，作为稳健局部特征点；如果集合U₂中元素个数小于M，则保留集合U₂中的所有元素；M的取值根据后续使用的要求确定。