[发明专利]图像特征点检测方法及装置

说明书

技术领域

本发明涉及图像处理技术，尤其涉及一种图像特征点检测方法及装置。

背景技术

图像配准(Image Registration)指的是对同一场景获取的多幅图像中两两分析并找出相对应的区域，即在空间关系上进行匹配的一种图像分析与处理技术。当图像由不同的传感器或者不同的时间、不同的视角获取时，通常需要进行图像配准。图像配准广泛应用于导航与制导技术、地理图像镶嵌、图像融合、图像检索、目标识别等许多领域。

图像配准中一个重要的步骤就是寻找待匹配的图像的特征信息，例如边缘特征、区域特征和点特征，图像的边缘特征对于旋转、缩放等几何畸变的适应能力不强，图像的区域特征的提取不易达到一致性，而图像的点特征的提取则容易达到高稳定性和高精度，所以图像的特征点检测是获取图像特征信息的一种常用方法。

现有技术中提供一种基于多尺度金字塔思想的图像特征点检测方法，首先构建多尺度图像金字塔，图像金字塔分成多组，每组包括多层，下一组的图像由上一组图像降采样得到，然后进行高斯差分(Difference of Gaussian，简称DOG)计算，利用已经获得的图像金字塔，在每一组由邻近的两层相减得到该组的一个DOG金字塔数据，重复该过程，从而产生多尺度DOG金字塔。然后确定特征点，具体为：将每层图像的每个点和该点的相邻点(即本层与该点相邻的8个点以及上层与该点相邻的9个点和下层与该点相邻的9个点)比较，将DOG值为极大值或极小值的点作为特征点。

发明人在实现本发明的过程中发现：现有技术中基于多尺度金字塔思想的图像特征点检测方法至少存在以下问题：(1)占用大量内存；(2)将DOG值为极大值或极小值的点作为特征点，检测到特征点的准确性不高。

发明内容

本发明实施例针对现有技术存在的问题，提供一种图像特征点检测方法及装置，能够减小内存占用，提高检测到图像特征点的准确性。

本发明实施例提供了一种图像特征点检测方法，包括：

对于待匹配的图像的图像金字塔中第M组图像中的第S层图像，计算第S层图像中每个点的高斯拉普拉斯值，S、M为自然数；

将每个点的高斯拉普拉斯值，与该点的n×n邻域点的高斯拉普拉斯值比较，选择出第一初始候选特征点，以所述第一初始候选特征点为中心的n×n区域中，所述第一初始候选特征点的高斯拉普拉斯值为极值，所述极值为极大值或极小值；

将最佳极值模板与以所述第一初始候选特征点为中心的(n+2)×(n+2)区域的点的高斯拉普拉斯值卷积，获取所述第一初始候选特征点的卷积值，比较每个第一初始候选特征点的卷积值和每个第一初始候选特征点的n×n邻域点的卷积值，选择出精确候选特征点，以所述精确候选特征点为中心的n×n区域中，所述精确候选特征点的卷积值为极值；所述最佳极值模板满足H为最佳极值模板，Γ表示极值点的集合，F为以所述第一初始候选特征点为中心的n×n区域中各点的高斯拉普拉斯值组成的n×n矩阵，n为奇数，Γ{F}表示在F中的极值点；

剔除所述精确候选特征点中的边缘点，从所述精确候选特征点中选择出所述第S层图像的特征点。

本发明实施例还提供了一种图像特征点检测装置，包括：

计算模块，用于计算待匹配的图像的图像金字塔中第M组图像中的第S层图像中每个点的高斯拉普拉斯值，S、M为自然数；

第一选择模块，用于将所述计算模块计算得到的所述每个点的高斯拉普拉斯值与该点的n×n邻域点的高斯拉普拉斯值比较，选择出第一初始候选特征点，以所述第一初始候选特征点为中心的n×n区域中，所述第一初始候选特征点的高斯拉普拉斯值为极值，所述极值为极大值或极小值；

第二选择模块，用于将最佳极值模板与以所述第一选择模块选择出的所述第一初始候选特征点为中心的(n+2)×(n+2)区域的点的高斯拉普拉斯值卷积，获取所述第一初始候选特征点的卷积值，比较每个第一初始候选特征点的卷积值和每个第一初始候选特征点的n×n邻域点的卷积值，选择出精确候选特征点，以所述精确候选特征点为中心的n×n区域中，所述精确候选特征点的卷积值为极值；所述最佳极值模板满足H为最佳极值模板，Γ表示极值点的集合，F为以所述第一初始候选特征点为中心的n×n区域中各点的高斯拉普拉斯值组成的n×n矩阵，n为奇数，Γ{F}表示在F中的极值点；

第三选择模块，用于剔除所述第二选择模块选择出的所述精确候选特征点中的边缘点，从所述精确候选特征点中选择出所述第S层图像的特征点。