[发明专利]用于图像分析的方法和系统

说明书

本发明公开了一种用于处理图像的方法。所述方法包括：‑识别出图像中的一组关键点；‑对于该组当中的每一个关键点：‑a)计算包括多个数组元素的相应的描述符数组，其中每一个数组元素存储由该关键点的邻域内的所述图像的对应子区段的相应的颜色梯度直方图所取得的数值；‑b)通过对所述描述符数组的至少一部分进行压缩生成至少一个已压缩描述符数组，所述压缩是通过利用包括多个码字(CW)的码本(CBK)进行矢量量化而实现的。

发明背景

技术领域

本发明涉及图像分析领域。

背景技术

在图像分析领域内，一种常见的操作是对两幅图像进行比较，以便在全部两幅图像包括相同场景或相同对象的至少一部分的情况下找到存在于二者之间的关系。

在多种应用当中，图像比较对于以下应用极为重要：校准属于一个多摄影机系统的各台视频摄影机，评估在一次视频拍摄的两帧之间发生的运动，以及辨识出图像(例如图片)内的对象。后一种应用现在由于特别被设计成采用在所谓的视觉搜索引擎中的对象辨识算法的近来发展正变得越来越重要，所述视觉搜索引擎即从一幅图片开始能够识别出其中所描绘的(多个)对象并且给出与所识别出的(多个)对象有关的信息的自动化服务。这种类型的已知的服务的实例包括Google Goggles、Nokia Point&Find以及kooaba SmartVisuals。对象辨识应用通常把描绘将要辨识的对象的第一图像(术语称作“查询图像”)与分别描绘对应的已知对象的多幅模型图像进行比较；这样允许在查询图像中所描绘的对象与模型图像中所描绘的对象之间进行比较。

模型图像通常被设置在适当的模型数据库中。举例来说，在在线购物情形中利用对象辨识的情况下，每一幅模型图像对应于由在线商店提供的一个项目(例如书封面、DVD封面和/或CD封面的图片)。包括在此类数据库中的模型图像的数目相当多；举例来说，在线购物服务的模型数据库可以包括几百万幅不同的模型图像。

在两幅图像之间实施比较操作的一种非常高效的方式是在第一图像中选择一个点集合(术语称作“关键点”)，并且随后把所述集合当中的每一个关键点与第二图像中的相应关键点进行匹配。关于必须将第一图像中的哪一点作为关键点的选择有利地是通过提取出所述图像的围绕该点本身的区域的局部特征来实施的，比如点提取尺度、所述区域的特权指向(privileged orientation)以及所谓的“描述符”。在图像分析领域内，关键点的描述符是描述以该关键点为中心的图像区域(其被称作贴片)的亮度梯度的数学运算符，其中此类贴片的指向是根据该贴片本身的主要亮度梯度。

在David G.Lowe的“Distinctive images features from scale-invariantkeypoints(来自尺度不变关键点的独特图像特征)”(International Journal ofcomputer vision，2004年)中提出了尺度不变特征变换(SIFT)描述符；简而言之，为了允许进行可靠的图像辨识，在生成SIFT描述符时考虑到以下情况：即使在图像尺度、噪声和照明发生改变的情况下，提取自图像的对应于每一个关键点的局部特征仍然应当是可检测的。因此，SIFT描述符对于均匀尺度、指向是不变的，并且对于仿射失真和照明改变是部分地不变的。

SIFT描述符是相当强有力的工具，其允许选择关键点以用于进行准确的图像比较。但是这一准确性只有在使用相当大量的数据的情况下才能实现；举例来说，典型的SIFT描述符是128数据字节的数组。由于每一幅图像中的关键点的数目相对较多(例如对于标准的VGA图片是1000-1500个关键点)，并且由于每一个关键点与相应的SIFT描述符相关联，因此将要处理的数据总量可能变得过大从而无法被高效地管理。