[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

说明书

本发明公开的基于二维局域均值分解‑SIFT算法的图像特征提取方法，涉及图像处理技术领域，通过采用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优化后的SIFT算法，分别对各个二维生产函数分量和趋势项进行图像特征提取，提高了图像特征提取方法的效率及效果，使得图像特征提取方法易于实施和推广，解决了现有图像特征提取方法存在的效率低、效果差且不易实施和推广的缺陷。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于二维局域均值 分解-SIFT算法的图像特征提取方法。

背景技术

图像特征提取技术现已广泛应用到计算机视觉、遥感数据处理与 分析、医学图像处理、雷达图像目标跟踪和数字地图定位等领域。用 于图像特征提取的主要算法有：基于变换域的算法、基于灰度信息的 算法和基于特征的算法。

基于变换域的算法包括：快速傅立叶变换、小波变换及Walsh变 换等算法，思路为：先将图像空域数据变换为频域数据，再通过相似 性衡量两者之间的变换特征，而后进行图像特征提取。但是由于该类 算法的计算量较大，导致应用推广较难。基于灰度信息的算法包括： 互相关理论、序贯相似检测算法、空间互信息法等，即利用图像本身 的灰度信息计算两幅图的相似性参数信息，再通过搜索算法进行寻优 处理，实现图像特征匹配，该类算法虽然实现简单、不需要对图像进 行复杂的预处理，但是不能对图像非线性变化特征信息进行有效提 取。基于特征的算法主要包括尺度不变特征变换SIFT(Scale InvariantFeature Transform，SIFT)算法等。基于特征的算法的思路为：首先对 两幅图像进行特征提取，再进行相似性度量匹配，最后根据特征匹配 关系确定二者之间的转换关系。相比其他两种算法，基于特征的算法 具有计算量小、可靠性高和适应性强等优点。在基于特征提取算法中， SIFT算法具有较强的鲁棒性、独特性以及能提取到更多特征信息等 优点引起了学者的更多关注。SIFT算法由美国不列颠哥伦比亚大学 的Lowe在1999年首次提出的，并于2004年得到完善。尽管SIFT 算法具有良好不变性和稳定性，得到了推广和应用，但由于SIFT算 法自身存在的易出现维数灾难、计算时间长等问题，使得无法在大规 模实时图像特征提取上得到实施和推广。

所以，设计出一种效率高、效果好且易于实施和推广的图像特征 提取方法是目前迫切需要的。

发明内容

为了解决上述问题，本发明实施例提供了一种基于二维局域均值 分解-SIFT算法的图像特征提取方法，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，分别对各个二维生 产函数分量进行图像特征提取。

优选地，将待特征提取图像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；