[发明专利]基于彩色信息的尺度不变特征点描述和匹配方法

说明书

技术领域

本发明属于通用图像数据处理技术，特别是一种基于彩色信息的尺度不变特征点描述和匹配方法。

背景技术

图像特征点是一种能够对多种图像变化都具有一定鲁棒性的图像局部特征。在提取特征点之后，需要使用描述子，利用特征点周围的局部图像信息，通过计算获取各特征点的特征向量，并形成图像的特征向量空间。在两幅图像中匹配相同的特征点就是在这两幅图像的特征向量空间中匹配对应的特征向量。

尺度不变特征点不仅能够适应平移、旋转和噪声等图像变化，而且对图像尺度变化(图像缩放)也具有较强的鲁棒性。因而，对应于尺度不变特征点的描述方法以及特征描述向量也需要具有尺度不变性。

Mikolajczyk提出了Harris-Laplace尺度不变特征点，并利用微分不变(differentialinvariants)描述子来计算特征点的特征向量。微分不变描述子使用被命名为local jet的一系列微分计算来对特征点附近的局部区域图像进行描述，并采用马氏距离(Mahalanobis distance)来判别特征向量之间的相似性。该描述子虽然具有一定的尺度不变性，但是微分计算本身对图像噪声比较敏感(K.Mikolajczyk.Detection of localfeatures invariant to affine transformations：[PhD Thesis].Montbonnot，France：INRIA，2002)。

Lowe基于动物视觉神经细胞对外部图像信息的应答特性提出SIFT(Scale-InvariantFeature Transform)尺度不变特征点和SIFT描述子，将以特征点为中心的局部区域图像划分成16个正方形区域，计算各区域内的八方向梯度方向直方图来组成特征点的128维特征向量，并利用欧式距离进行相似性判别。SIFT描述子的鲁棒性较强，但是由于特征向量的维数较高，向量匹配的计算量也较大(D.G.Lowe.Distinctive imagefeatures from scale-invariant keypoints.International Journal of Computer Vision，2004，60(2)：91～110)。

上述尺度不变特征点描述和匹配方法都是基于图像的灰度信息，并没有利用图像的彩色信息。Swain和Ballard提出彩色直方图对彩色图像进行匹配。彩色直方图中的每一维表示所使用的彩色模型的一个分量，并且依据分量的取值范围进行离散化。直方图中每个单元的数值通过统计落入相应单元中的像素的个数而获得(M.J.Swain，D.H Ballard.Color indexing.International Journal of Computer Vision，1991，7(1)：11～32)。RGB彩色直方图不具有对光照改变的适应能力。为了增强对光照变化的鲁棒性，Adjeroh和Lee选用了具有彩色不变性的彩色比率模型分量来组成彩色比率直方图(D.A.Adjeroh，M.C.Lee.On ratio-based color indexing.IEEE Transactions on ImageProcessing，2001，10(1)：36～48)。彩色直方图虽然利用了图像的彩色信息，但是对噪声和缩放等图像变化的鲁棒性较差，不适用于图像尺度不变特征点的描述和匹配。

也有学者将图像的RGB或HSV彩色分量当成灰度图像信息来处理，并利用SIFT等原本基于灰度信息的描述子计算各彩色分量图中的彩色分量梯度直方图，最终生成3×128＝384维特征向量。这种匹配方法实质上是SIFT描述子的一种扩展，但是特征向量维数却大大增加，匹配的实时性受到较大影响。

总结国内外公开的图像特征点描述和匹配相关文献及研究成果，存在以下不足：(1)基于微分计算的特征点描述子虽然特征向量维数较低并且匹配计算量小，但是对图像噪声较为敏感；(2)SIFT描述子等基于特定区域图像信息分布的描述方法具有较强的鲁棒性，但是由于描述子结构复杂，并且特征向量的维数较高，匹配的计算量往往很大；(3)基于彩色直方图的描述子对图像变化的鲁棒性较差；(4)将图像的彩色分量当成灰度图像来处理，使用SIFT等基于图像灰度信息的描述子，所生成的特征向量的维数会成倍增加，匹配的计算量更大。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种以图像RGB彩色信息为基础的，具有尺度不变特性的图像特征点描述子，实现不同图像的尺度不变特征点之间的有效匹配。