[发明专利]一种兴趣点判断方法和兴趣点判断装置

说明书

技术领域

本发明涉及兴趣点检测技术，尤其涉及一种兴趣点判断方法和兴趣点判断装置。

背景技术

图像特征提取是图像识别领域的关键技术之一，该技术的核心在于兴趣点（Interest Point）的检测。

图1是现有兴趣点检测方法100的示范性流程图。

步骤102，建立原始图像的LoG（Laplacian of Gaussian，高斯拉普拉斯）滤波图像金字塔（Image Pyramid）。

图2是现有LoG滤波图像金字塔生成方法200的示范性流程图。

步骤202，对原始图像进行连续的下采样（Down Sample），得到多张目标图像。

具体来说，首先，对原始图像进行下采样，生成目标图像1。其次，对目标图像1进行下采样，生成目标图像2。再次，对目标图像2进行下采样，生成目标图像3。上述过程持续进行，直到生成目标图像M。其中，原始图像可以视为目标图像0。

在具体实现过程中，上述下采样，是指对所针对的图像按照长宽比不变进行缩小。具体来说，可以使用近邻采样法、双线性插值法等常用的图像下采样方法。经过下采样，目标图像M的大小可以为目标图像M-1的例如但不限于1/2。

步骤204，对每张目标图像进行多次LoG滤波，生成该目标图像的多张LoG滤波图像。

具体来说，在对目标图像进行LoG滤波过程中，首先对目标图像进行高斯滤波，生成高斯滤波图像。其次，对该高斯滤波图像进行拉普拉斯滤波，生成LoG滤波图像。

在每次LoG滤波过程中，高斯滤波所使用的高斯滤波参数可表示为σ(N)。对于同一目标图像，在使用σ(N-1)、σ(N)和σ(N+1)作为高斯滤波参数而分别获得的三张LoG滤波图像中，高斯滤波参数为σ(N-1)的LoG滤波图像为高斯滤波参数为σ(N)的LoG滤波图像的上层图像，高斯滤波参数为σ(N+1)的LoG滤波图像为高斯滤波参数为σ(N)的LoG滤波图像的下层图像。也就是说，一LoG滤波图像与其上层图像和下层图像，均源自同一目标图像，生成该LoG滤波图像及其上层图像和下层图像时所使用的高斯滤波参数分别为σ(N)、σ(N-1)和σ(N+1)。此外，生成不同LoG滤波图像时所使用的拉普拉斯滤波参数可以是不同的。由此可见，同一目标图像的多张LoG滤波图像是按照一定的次序顺序生成的，这种次序可以通过高斯滤波参数来体现，即顺序生成的多张LoG滤波图像，其生成过程中所采用的高斯滤波参数依次为σ(1)、σ(2)、σ(3)...σ(N-1)、σ(N)。在对一目标图像生成的多张LoG滤波图像中，基于高斯滤波参数σ(N)生成的LoG滤波图像为这些LoG滤波图像中的第N层LoG滤波图像。

经过上述步骤202和204，便可生成LoG滤波图像金字塔。不难发现，LoG滤波图像金字塔包括连续的多组图像，每组图像包括连续的多张LoG滤波图像，且每组图像为前组图像的下采样图像。在具体实现过程中，每组图像中LoG滤波图像的数量可根据具体需要进行设置。通常情况下，每组图像至少包含三张LoG滤波图像。应注意，在具体实现过程中，上述步骤202和204也可交叉进行，即每生成一张目标图像，就对该目标图像进行多次LoG滤波，生成该目标图像的多张LoG滤波图像。

此外，在具体实现过程中，还可采用下面描述的另外一种方法来生成LoG滤波图像金字塔。首先对原始图像进行多次LoG滤波，从而为原始图像生成一组LoG滤波图像（该组LoG滤波图像包含原始图像的多张LoG滤波图像）。此后，对原始图像的这一组LoG滤波图像中的每张LoG滤波图像分别进行下采样，从而生成另一组LoG滤波图像。此后，对上述另一组LoG滤波图像中的每张LoG滤波图像分别进行下采样，生成再一组LoG滤波图像。上述过程持续进行，直到生成M组LoG滤波图像。上述顺序生成的M组LoG滤波图像便可组成LoG滤波图像金字塔。

图3是现有LoG滤波图像金字塔生成过程的示范性示意图。如图3所示，原始图像经过下采样生成目标图像1，目标图像1经过下采样生成目标图像2，其中，目标图像1是原始图像的1/2，目标图像2是目标图像1的1/2。