[发明专利]一种基于多尺度Harris的光场图像特征点检测方法

权利要求书

1.一种基于多尺度Harris的光场图像特征检测方法，其特征在于，具体按照以下步骤实施：

步骤1、将光场原始图像和其位置分辨率[s,t]与初始角度分辨率[U,V]读入MATLAB，对初始角度分辨率[U,V]取整得角度分辨率[u,v]，根据位置分辨率[s,t]与角度分辨率[u,v]将光场原始图像解码得到四维的光场矩阵；对四维的光场矩阵进行归一化和灰度化，得有效四维光场矩阵；具体过程为：

步骤1.1、用MATLAB中的imread函数读入光场原始图像name_Lenslet.bmp，再用MATLAB中dlmread函数读入光场原始图像对应的参数文件name_LensletRaw.txt，所述name_LensletRaw.txt文件的第一行为光场原始图像的位置分辨率[s,t]，第二行为光场原始图像的旋转角，第三行为光场原始图像的初始角度分辨率[U,V]；

步骤1.2、对初始角度分辨率[U,V]取整得：

u＝round(U)

v＝round(V) (1)

更新光场图像的角度分辨率为[u,v]；

步骤1.3、通过公式(2)计算光场图像大小为[M',N']，通过公式(3)计算真实的图像与理论图像的差值，在真实图像的最末行和最末列后补Δx行的0和Δy列的0，得到大小为[M',N',3]的光场图像；

Δx＝M'-M,Δy＝N'-N (3)；

步骤1.4、通过MATLAB中的rgb2gray函数将光场图像[M',N',3]灰度化为二维矩阵[M',N']；再通过MATLAB中的reshape函数对光场图像的二维矩阵[M',N']进行重排列，将其重塑为[u,v,s,t]的四维格式，记为LF4，该四维格式即为解码后的四维的光场矩阵；

步骤1.5、通过公式(4)对四维的光场矩阵进行归一化，得有效四维光场矩阵；

LF′₄＝LF₄/max(LF₄(:)) (4)；

步骤2、将角度分辨率[u,v]中的最大值作为斜率列表的长度n，得到斜率列表，斜率列表中每个斜率进行重聚焦，得到斜率对应的焦点堆栈图像；

所述得到斜率列表具体过程为：根据公式(5)确定光场图像的焦点堆栈的数目n，并强制焦点堆栈的数目n为奇数；

n＝round(max(u,v)/2)*2+1 (5)；

令当前光场图像的相对深度范围为[-1,1]，通过MATLAB中的linspace函数将深度范围划分为[-1:2/(n-1):1]，即斜率列表；

所述得到斜率对应的焦点堆栈图像具体过程为：记斜率列表中的任一斜率为cur_slope，用公式(6)计算当前坐标(curS,curT)在角度分辨率为[u_i,v_i]时在四维的光场矩阵LF₄中对应的坐标索引(curS,curT,curU,curV)，其中Scent＝(u-1)/2+1，Tcent＝(v-1)/2+1，u_i∈[1,u],v_i∈[1,v]；

对当前像素点(curS,curT)累加所有角度分辨率[u_i,v_i]在有效四维光场矩阵LF′₄中的像素值，作为重聚焦图像中(curS,curT)点的像素值，遍历所有位置得到斜率为cur_slope时的重聚焦图像，即当前斜率的焦点堆栈图像FocalStack_{cur_slope}；

FocalStack_{cur_slope}(curS,curT)+＝LF′₄(curU,curV,curS,curT) (7)；

步骤3、对任一焦点堆栈图像定义尺度列表[σ₁,…,σ_m]，分别计算该焦点堆栈图像在不同尺度下的自相关矩阵再计算当前尺度σ_i处的Harris角点响应值R；步骤3具体过程为：

步骤3.1、按照公式(8)定义x方向和y方向的卷积核h_x,h_y；通过MATLAB中的imfilter函数对焦点堆栈图像FocalStack_{cur_slope}和h_x，h_y进行卷积操作，得到焦点堆栈图像FocalStack_{cur_slope}在x，y方向的一阶偏导Ix，Iy；

步骤3.2、定义多尺度的变化范围为[0.5:0.5:5]，在不同的焦点堆栈的不同尺度下按照公式(9)、公式(10)形成自相关矩阵M；

其中，G(σ_i)是尺度为σ_i的高斯核函数，其表达式如式(11)；

步骤3.3、通过如下公式(12)计算当前尺度为σ_i时Harris角点响应值R(σ_i)；

步骤3.4、定义阈值T，若角点响应值R大于该阈值T，则该点为当前焦点堆栈的候选角点，该点的信息其记为[x,y,σ_i,R,cur_slope]，其中x，y为该点坐标值，σ_i为当前尺度值，cur_slope为当前所属的焦点堆栈，R为当前焦点堆栈在当前尺度下的响应值，否则不是当前焦点堆栈的角点；

若角点响应值R大于设定的阈值T，认为当前焦点是候选角点；否则不是；

步骤4、对当前焦点堆栈的每一个尺度检测的角点进行非极大值抑制，减少多响应的影响；再对候选角点进行多尺度判断，若在多个尺度出现，则保留；否则删除，最终保留的角点即为光场图像的特征点；具体过程为：

步骤4.1、对每一个焦点堆栈图像的每一个尺度采用非极大值抑制进行角点精确定位；所述非极大值抑制的尺度为4*σ_i+1，在以该候选角点为中心的4*σ_i+1邻域中，通过MATLAB中的max函数计算该邻域的角点响应值的最大值并记录其索引位置，将其他候选角点剔除；

步骤4.2、将所有角点响应值R降序排列，选取前20％的点作为候选角点；对每一幅焦点堆栈图像查找候选角点是否在多个尺度下出现，若有，则保留该点；否则剔除；最终保留的角点即为光场图像的特征点。