[发明专利]基于二维局域均值分解-SIFT算法的图像特征提取方法

权利要求书

1.一种基于二维局域均值分解-SIFT算法的图像特征提取方法，其特征在于，包括：

根据二维局域均值分解方法，将待特征提取图像的二维函数分解为若干个二维生产函数和一个趋势项；

对SIFT算法进行优化并根据所述SIFT算法，分别对所述若干个二维生产函数和所述趋势项进行图像特征提取。

2.根据权利要求1所述的方法，其特征在于，所述将待特征提取图像的二维函数分解为若干个二维生产函数和一个趋势项包括：

计算所述待特征提取图像上、下包络曲面二维函数，根据公式

得到待特征提取图像的二维均值曲面函数，其中，f(x，y)为所述待特征提取图像的二维函数，f_max(x，y)和f_min(x，y)分别为所述待特征提取图像的上、下包络二维曲面函数，m₁(x，y)为所述待特征提取图像的二维均值曲面函数；

根据公式h₁(x,y)＝f(x,y)-m₁(x,y)，获得所述待特征提取图像的第一个分量二维均值曲面函数，其中，h₁(x,y)为二维函数f(x，y)的第一个分量二维函数；

根据公式h₁₁(x,y)＝h₁(x,y)-m₁₁(x,y)，对h₁(x,y)进行分解，其中，m₁₁(x,y)为h₁(x,y)的局部均值函数；

对h₁₁(x,y)进行分解，重复分解k次后，得到

h_1k(x,y)＝h_1(k-1)(x,y)-m_1k(x,y)；

设定BPF₁(x,y)＝h_1k(x,y)，其中，BPF₁(x,y)为h₁₁(x,y)经分解得到的第一个二维生产函数，k为自然数；

根据公式R₁(x,y)＝f(x,y)-BPF₁(x,y)，对趋势函数R1(x,y)进行分解，重复n次后，得到：

R_n(x,y)＝R_n-1(x,y)-BPF_n(x,y)，得到n为自然数。

3.根据权利要求1所述的方法，其特征在于，所述对SIFT算法进行优化包括：

Step1、设定最大迭代数及适应度误差；

Step2、初始化粒子的位置和速度；

Step3、更所述粒子的状态数值；

Step4、对位置混沌序列进行混沌优化，得到其中，m＝1,2,…d，d为自然数；

Step5、对进行混沌优化，得到可行解根据可行解计算获得适应度值，根据该适应度值，得到最优可行解p*，并用所述可行解所在粒子的位置替换其它粒子位置；

Step6、根据设定的适应度误差，判断最优可行解p*是否满足条件，若满足，则停止搜索，给出最优解，得到最佳位置，否则重复上述步骤Step2～Step5。