[发明专利]基于Similarity-Pictorial结构模型的计算机视觉图像特征提取和匹配方法

说明书

技术领域

本发明涉及图像处理、生物医学、计算机视觉、计算方法，尤其是一种生计 算机视觉图像特征提取和匹配方法。

背景技术

基于体视显微镜(Stereo Light Microscope，SLM)的显微立体视觉系统通过视 觉反馈实现二维或三维的高精度自动定位、导航，挖掘微观领域的三维信息用于 三维空间尺度的测量，在视觉引导、微操作、微装配及生物工程等领域有着广泛 的应用前景。因此，对显微视觉的研究具有非常重要的意义。一般的图片处理包 括以下内容：图像预处理，特征提取和匹配，三维重建。而特征提取和匹配是其 中的重点和难点。本文中，我们对具有微结构的显微图像进行特征点的提取和匹 配。由于本文研究的显微图像是有一些线结构和面结构组成，所以在特征的提取 时具有一定的针对性。显微图像跟一般尺度的图像相比具有一些特征，比如说显 微图像一般存在着边缘模糊、几何畸变、受噪声(一般受到光照的影响比较严重) 污染严重的问题。这些都会给特征的提取和匹配带来一系列的问题，很多常见的 特征点的提取算法对正常尺度的图像中能够进行很好的处理，而不能够应用在我 们的显微图像中。

至今为止，已经有很多特征点提取和匹配的算法了，如harris，1988，哈里斯 和斯蒂芬在艾尔文视觉会议上第189-192页发表的文章“一种角点和边界点的检测 子”(Acombined comer and edge detector)；SUSAN，1997年，斯密斯和布瑞德在 计算机视觉国际期刊上第23卷第1期的45-78页发表的文章“SUSAN——一种 新的低层次的图像处理方法”(SUSAN-a new approach to low level image processing)和SIFT在2004年，罗威在计算机国际期刊第60卷第2期的第91-110 页发表的文章“一种基于尺度不变关键点的独特的图像特征”(Distinctive Image Features from Scale-Invariant Keypoints)。在2004，C.Schmid等人对以往的很多特 征检测子和局部描述子进行了对比实验，并且对它们的提取匹配效果进行了大量 的实验，并找出了各自的适用图片和效果。这些检测子和描述子有：invariant features 2005年，米克来和斯密特在IEEE模式分析与机器智能汇刊第27卷10期 的1615-1630页发表的文章“局部描述子的性能评估”(A performance evaluation of local descriptors)，Harris-Affine detector 2004年，米克来和斯密特在计算机视 觉国际期刊第60卷第1期的63-86页发表的文章“尺度和仿射不变的兴趣点检测 子”(Scale and affine invariant interest point detectors)，shape context 2002年， Belongie等人在IEEE模式分析与机器智能汇刊的24卷第4期的509-522页发表 的论文“基于shape contexts的形状匹配的对象识别”(Shape matching and object recognition using shape contexts)，complex filters 1991年，弗里曼等人在IEEE模 式分析与机器智能汇刊的13卷第9期的891-906页发表的论文“可调滤波器的设 计和应用”(The design and use of steerable filters)，PCA-SIFT在2004年，肯尼亚 等人CVPR第506-513页发表的论文“在PCA-SIFT：一种独特用来表示局部图像 的描述子”(PCA-SIFT：a More Distinctive Representation for Local Image Descriptors)，differential invariants在1987年，Koenderink等人在生物控制论的 第367-375页发表的论文“视觉系统中局部几何的表示法”(Representation of local geometry in the visual system)，spin images 2003年，Lazebnik等人在CVPR的第 319-324页发表的文章“基于仿射不变领域的稀疏纹理表示法”(Sparse texture representation using afine-invariant neighborhoods)，SIFT在2004年，罗威在计算 机国际期刊第60卷第2期的第91-110页发表的文章“一种基于尺度不变关键点 的独特的图像特征”(Distinctive Image Features from Scale-Invariant Keypoints)， complex filters[11]2002年，Schaffalitzky和Zisserman在第七届ECCV上第414-431 页发表的文章“无序图集的多视角匹配”(Multi-view matching for unordered image sets)，moment invariants在1996年，Van Gool等人在ECCV′96的第642-651页 发表的论文“平面灰度模式的仿射/光度不变性”(Affine/photometric invariants for planar intensity patterns)。首先，本人已经对所有这些算法进行了测试，但是无法 很好的得到我们需要的特征点的检测和匹配。因为这些算法找到的点都是杂乱无 章的，不能够正好找到所有反映结构信息的特征点。