[发明专利]一种利用结构上下文特征进行图像匹配的方法

说明书

技术领域

本发明涉及一种图像匹配方法，具体是涉及一种利用结构上下文 (Structural Context)特征进行图像匹配的方法。

背景技术

目前使用局部特征来表示图像的方法已被广泛的运用于各个领域，因此有效 的特征对于分析图像是十分关键的。当前热门的局部描述符(如SIFT)通过统 计关键点临近区域的信息，可以很好的找到两幅图像中的相同部分，因此在图像 拼接等领域中使用效果非常好。但是，在匹配不同物体或者进行物体类别识别时， 其效果就不是很好。主要原因是由于局部描述符只描述了局部的一些信息，而关 键点间的空间关系却被完全的忽略，但这种空间关系在识别物体的时候是非常重 要的。当然，目前也存在一些其他的局部特征描述符(如Shape Context等)， 它们致力于描述图像的一些空间关系，但是它们把图像边缘的采样点作为关键 点，因此描述能力有限，只能够对一些形状简单明确的物体进行有效的表示，而 对于一些复杂的物体，表示效果不好。

发明内容

发明目的：本发明的目的是为了克服现有技术的不足，提供一种利用结构上 下文(Structural Context)特征进行图像匹配的方法，能够对于复杂物体的图 像进行有效的匹配。

技术方案：为了实现以上目的，本发明所述的一种利用结构上下文 (Structural Context)特征进行图像匹配的方法，该方法包括如下步骤：

(1)对给定的两幅图像分别构建DoG(Difference-of-Gaussian，高斯差分) 尺度空间；

(2)将各图像的DoG尺度空间里的极值点作为关键点，检测该关键点，并 确定其尺度属性和方向属性；

(3)通过统计关键点的方向确定各图像的主方向；

(4)将各图像上的关键点方向按照图像的主方向进行旋转，旋转后得到对 应图像的结构上下文特征；

(5)对给定的两幅图像利用结构上下文特征进行匹配，匹配误差之和最小 的方向的匹配点为最终两幅图像匹配的结果。

步骤(1)中构建DoG尺度空间，具体方法如下；

(a)将给定的两幅图的原始图像与高斯核进行多次卷积得到尺度空间表 示：L(x，y，σ)＝G(x，y，σ)*I(x，y)， 其中G(x，y，σ)为高斯核函数，即G(x,y,σ)=12πσ2e-(x2+y2)/2σ2,]]>I(x，y)表示图像，(x，y)代表图像的像素位置， σ代表了高斯正态分布的方差，即为尺度空间因子。

(b)将图像的相邻两个尺度空间表示相减，得到图像的DoG尺度空间表示， 即：D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)。

(c)利用DoG函数是具有归一化尺度的LoG(Laplacian-of-Gaussian，拉 普拉斯高斯)算子的一个近似的特点，通过如下的计算得到常数k：