[发明专利]一种基于光场角度域变化矩阵的特征点检测方法

说明书

本发明公开了一种基于光场角度域变化矩阵的特征点检测方法，具体包括：对光场图像进行解码、预处理，利用光场不同角度间的变化关系，通过提取子孔径图像，对中心子孔径图像进行边缘检测，构建光场角度域变化矩阵M，在角度域变化矩阵M中筛选特定像素点进行差值阈值判断，进而提取出光场数据中的特定点作为特征点，此外，该方法提取出的特征点适合于包含非朗伯表面目标的场景，对视角变化具有更高的鲁棒性，拓宽了特征点检测与识别的适用条件，计算出来的特征点效率高。

技术领域

本发明属于计算机视觉与计算摄影学领域，具体涉及一种基于光场角度域变化矩阵的特征点检测方法。

背景技术

图像特征点检测是计算机视觉应用的一个重要基础。依据图像特征点检测的经典应用包括图像拼接、场景重建、目标识别等。近年来，为突破传统计算机视觉理论和应用的成像性能瓶颈，光场成像技术将计算机视觉及计算摄影学理论相结合，形成了成像领域新的研究热点。光场成像技术通过创新成像模型及数据采集的方式，可同时记录光线传播过程中的位置和角度信息。光场成像技术的本质是采用双平面模型，通过在成像光路上增加微透镜阵列或编码孔径，采用四维参数化方式对空间中光线进行表达，如用(u,v,s,t)来表示每条光线，即一条光线可用其穿过平行双平面的两个坐标点(u,v)和(s,t)唯一确定。由于光场成像数据包含空间光线的角度信息和位置信息，其可实现“先拍照，后聚焦”、景深可控、场景深度可计算等一系列创新成像效果。

目前，图像特征点检测常用方法包括对图像区域、边缘、斑块、角点等进行检测的各种算子，如Harris、SIFT、HoG、SURF、FAST等。然而，对于光场图像特征检测方法仍处于理论探索期。斯坦福大学Donald在传统二维图像上的SIFT特征检测以及描述算子进行扩展，提出四维LIFF特征点，算法效率更高，计算速度更快，基于极平面的光场图像特征检测，无论何种方式都可能存在噪声干扰、图片过大、计算耗时长等问题。本发明提出一种基于光场角度域变化矩阵的特征点检测方法，该方法有效利用了光场不同角度间的变化关系，构建了光场角度域变化矩阵，进而由该矩阵提取出光场数据中的特定点作为特征点。该方法所检测的特征点，对于视角变化更为稳定，能够更好地对场景中非朗伯目标进行检测和表述，拓宽了特征点检测与识别的适用条件。

发明内容

本发明提出一种基于光场角度域变化矩阵的特征点检测方法，即依据光场不同视角的变化特性筛选特征点，解决现有特征点提取对于非朗伯表面视角变化不稳定的问题。

为了实现上述目的，本发明所采用的技术方案为：

一种基于光场角度域变化矩阵的特征点检测方法，其特征在于，具体按照以下步骤实施：

步骤1，输入光场图像，对光场图像进行解码、预处理；

步骤2，对预处理后的光场图像提取对应的子孔径图像矩阵，并对其进行编号从(1,1)到(u,v)；

步骤3，从步骤2提取出的u*v张不同视角的子孔径图像中选择第张子孔径图像，结合Canny算子对图像进行边缘检测，筛选出梯度变化大的点作为候选特征点，并记录对应的候选特征点对应像素点坐标(i,j)；

步骤4，根据步骤3筛选出的候选特征点(i,j)，依次遍历所有子孔径图像相同位置像素点(i,j)，利用梯度公式计算该像素点的梯度值，存储至角度域变化矩阵M(i,j)；

步骤5，在角度域变化矩阵M(i,j)中选取特定像素点进行做差取绝对值，选定特定阈值进行判断，确定该像素点是否可以视为特征点；

步骤6，重复步骤5，直到将所有将候选特征点遍历结束，并作为最终光场图像特征点。

进一步地，所述步骤1具体按照以下方式实施：

步骤1.1，读入光场图像和其对应的微透镜中心数据文件；读入的微透镜中心数据包括微透镜阵列大小，微透镜阵列的旋转角，微透镜的水平间隔和垂直间隔，微透镜阵列的每个微透镜的中心点的对应坐标；