[发明专利]图像不变特征区域的检测方法

说明书

技术领域

本发明属于图像处理和模式识别技术领域，具体涉及图像不变特征区域的检测方法。 

背景技术

图像局部不变特征区域是指当图像发生视点、光照、尺度、旋转、仿射等变化时，图像特征区域始终对应相同的图像内容，这样，计算机视觉的高层次问题就可转变为由不变特征区域的描述器或图像模型的分析和处理的问题，并且，可以避免语义分割所产生的各种困难，不需要进行图像分割。图像不变特征的检测是计算机视觉领域很多问题的研究基础，目前已经在图像匹配、目标识别、全景拼接、图像检索等诸多领域有着广泛的应用。 

局部不变特征检测方法也分为特征点检测方法和特征区域检测方法。由于特征点信息量较为单一，在表示图像上不如特征区域更有效，因此目前不变特征研究的重点都在不变特征区域的检测上。近十几年来，局部不变特征区域的检测已经取得一些成果。比较有代表性的有Lindeberg提出把LoG(Laplacian of Gaussian)尺度空间的三维局部极值点可以作为稳定的局部特征；Tuytelaars提出了两种仿射不变区域检测方法，第一种算法是基于Harris角点周围寻找边缘的方式构造仿射不变特征区域；第二种算法是由灰度局部极值发散地向各方向寻找一个函数的局部极值点轮廓，然后用一个椭圆表示该轮廓；Mikolajczyk和Schmid提出了Harris-Laplace尺度不变特征检测算法，该算法首先在每一层尺度图像上检测Harris角点，然后用Laplace函数去除掉不在尺度轴上达到极值的角点；Matas等把分水岭方法引入到不变区域的检测中，提出了最大稳定极值区域检测方法。Kadir等根据图像灰度直方图的熵提出了尺度不变的区域检测方法。Lowe搜索DoG(Difference of Gaussian)尺度空间的局部极值点，得到图像局部结构的特征尺度，形成尺度不变的特征变换算法SIFT(Scale Invariant Feature Transform)。Bay等人于2006年基于整数运算的Hessian矩阵提出快速鲁棒特征SURF(Speeded up robust features)检测方法。Mikolajczyk和Schmid提出了HA(Harris/Hessian-Affine)检测子，具有良好的仿射不变性能。Harris-Affine基于尺度空间的特征点检测算法首先利用Harris-Laplace检测旋转和尺度不变特征点，然后迭代出该点的位置、尺度和区域的形状，以获得仿射不变性，但缺点是算法复杂，计算量大。T.Tuytelaars和L.Van Gool研究得出图像的边缘轮廓具有一定的仿射不变性，他们提出用EBR检测算法提取轮廓检测仿射不变区域，该算法的主要思想是在轮廓上寻找仿射不变 点，由这些不变点构造出平行四边形的不变区域，EBR检测子表现出较强的鲁棒性能，已经得到了广泛的应用。上述的特征区域检测算法大都利用图像灰度信息来提取区域特征，需要处理相当大的数据量，计算非常耗时。 

发明内容

针对现有技术存在的上述问题，本发明的目的是提供一种算法简单，计算量小的图像局部不变特征区域检测的方法。 

为实现上述目的，本发明采用如下技术方案：图像不变特征区域的检测方法，具体包括如下步骤： 

步骤a：采集图像，并提取该图像的边缘轮廓，然后按照(5)式对提取的图像的边缘轮廓进行平滑：