[发明专利]基于优选空间的SIFT特征快速提取方法、计算机设备以及存储介质

说明书

本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及的是一种基于优选空间的 SIFT特征快速提取方法。

背景技术

计算机视觉是用计算机模拟人的视觉功能，来实现分类、测量、定位和检测等任务。特征点提取与描述是实现计算机视觉的重要图像分析技术之一，广泛用于医疗图像分析、遥感图像分析、图像检索和视觉定位应用中。通过比对特征点位置处的特征以及特征点的空间关系，克服图像的灰度变化、尺度变化和角度变化等问题，实现对物体的测量、定位和检测等。SIFT算法是基于特征点匹配的经典方法。

SIFT算法由哥伦比亚大学Lowe教授提出，对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换和噪声也保持一定程度的稳定性，在图像配准领域应用广泛。现有技术中，SIFT特征提取的不足在于计算复杂度较高，提取特征时间较长，提取特征的效率较低。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于优选空间的SIFT特征快速提取方法，旨在解决现有技术中图像的SIFT 特征提取时效率低的问题。

本发明解决技术问题所采用的技术方案如下：

一种基于优选空间的SIFT特征快速提取方法，其中，包括步骤：

获取确定优选特征空间的学习样本集；

确定所述学习样本集对应的优选特征空间；其中，所述优选特征空间包括若干个特征空间层，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量依次排列；

获取待匹配图像和所述待匹配图像对应的已知图像，基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配；

当所述已知图像以及所述待匹配图像的配准特征数量满足预设要求时，所述待匹配图像匹配成功。

所述的基于优选空间的SIFT特征快速提取方法，其中，所述学习样本集包括若干个原始图像；

所述确定所述学习样本集对应的优选特征空间，包括：

根据所述原始图像中的目标对所述学习样本集中各原始图像分别进行归一化，得到各原始图像各自分别对应的归一化图像；

根据所述归一化图像的宽和高，确定尺度空间的特征空间层的数量；

提取各归一化图像各自分别对应的SIFT特征，并确定各SIFT特征对应的特征空间层；

对任意两个归一化图像各自分别对应的SIFT特征进行匹配，得到所述两个归一化图像的匹配特征对；

根据所有匹配特征对，确定各特征空间层各自分别对应的配准特征数量；

将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间。

所述的基于优选空间的SIFT特征快速提取方法，其中，所述将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间，包括：