[发明专利]利用边缘向量的基于图像的特征检测

说明书

提供了一种在数字图像内检测多个边缘的技术。选择位于该多个边缘中的一个边缘的锚点。生成与该锚点相关联的分析网格，该分析网格包括多个单元。计算在该锚点处包括该边缘的正向量的锚点法向量。计算边缘像素法向量，该边缘像素法向量包括沿该分析网格的单元内的边缘位置的边缘的法向量。为该分析网格的一个或多个单元中的每一个生成相似度直方图，每个相似度直方图基于单元内的每个边缘像素法向量与锚点法向量之间的相似度度量，并且基于相似度直方图为分析网格生成描述符。

交叉引用

本申请要求2014年5月6日提交的美国临时申请号61/989,445的权利。该申请以其全部内容通过引用并入本文。

技术领域

本申请公开部分一般涉及基于图像的目标识别，更具体地，涉及用于基于图像的目标识别的特征识别技术。

背景技术

多种特征检测算法用于基于图像的目标识别。从最基本的层面上讲，特征检测算法生成描述符，该描述符提供用于特征化、汇总和索引图像的区别特征(例如，形状，目标等)的手段，以用于基于图像的目标识别、搜索和检索。基于图像的目标识别的特征检测算法的一个示例为尺度不变特征变换(Scale Invariant Feature Transform，SIFT)特征检测算法，如在Lowe的美国专利No.6,711,293中所描述的。例如，SIFT特征检测算法可以应用于图像中，以生成图像内的多个特征的描述符。

基于机械的目标识别通常包括两个不同的步骤。首先，使用特征检测算法(例如SIFT特征检测算法)来分析已知目标的训练图像，其产生与图像数据中的特征相关联的描述符。与许多不同目标相关联的描述符可以被打包为用于部署在识别设备(例如智能手机)上的识别库或数据库。第二，识别设备捕捉目标的新的“查询”图像。设备将相同的特征检测算法应用于查询图像，从而生成查询图像描述符。然后，设备将查询图像描述符与识别库中的训练图像描述符进行比较。如果有足够的匹配，通常是最近邻域匹配，则查询图像被认为包含至少一个已知目标的表示。

发明内容

该多个特征检测算法通常基于不同的底层原理。因此，某些描述符可特别用于某些目标识别情形。例如，一些描述符一般在描述跟踪跨越视子区段据的帧的特征(例如FAST角点描述符)中有效，而其他描述符一般在描述各种目标几何结构时有效。理想的描述符应当用作基于多个图像的目标识别目的。

很多图像识别技术难以在一幅图像中区分开纹理丰富的目标(如动作人偶玩具或砖墙)和纹理不良的目标(例如纯色域标识、金属扁坯或者金属片)。例如，边缘特征梯度基本上如从一个视频帧到另一个视频帧发生改变，从而绝对信息(例如沿边缘的仅一个点上获得的信息)可能无法解释相对信息，例如关于一边缘的一部分和该边缘的另一部分之间的关系的信息。不需要多种类型的目标识别描述符，仅一个类型的描述符为纹理丰富以及纹理不良的图像提供有效的基于图像的目标识别能力是有益的。