专利名称：基于主成分析的数字图像的特征提取与匹配方法及装置的制作方法
技术领域：
本发明涉及一种数字图像的特征提取与匹配方法及装置。
背景技术：
主成分析(Principal Component Analysis, PCA),又称主分量分析。是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。该方法是一种将多个相关的变量转化为少数几个独立的变量的有效分析方法，通过减少通道间的依赖性而达到减少数据的通道或子带的目的。特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。数字图像特征提取是基于内容的图像检索的关键步骤。目前，针对于特征提取的方法有很多，其中多数方法是基于颜色、纹理、形状或空间关系。颜色特征是全局特征，对丰富的区域对象详细信息并不敏感；而纹理特征易受光照和仿射变化的影响；当物体旋转、缩放或变形时，形状特征和空间关系特征不会捕捉精确的特征点。Harris角检测算法对图像的尺度变化非常敏感，不适合匹配不同尺寸下的图像。尺度不变特征变换(ScaleInvariant Feature Transform, SIFT)算法是近几年提出的在基于不变量技术的特征检测方法的基础上，一种基于尺度空间、对图像缩放、旋转甚至仿射变换保持不变的特征匹配算法。算法的主要特点有1. SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；2.独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；3.多量性，即使少数的几个物体也可以产生大量SIFT特征向量；4.高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；5.可扩展性，可以很方便的与其他形式的特征向量进行联合。但是，SIFT采用128维特征向量表示，当在图像特征点较多情况下进行匹配实验时，存在存储空间大、匹配耗时多等缺点，因此需要对数据进行降维处理。此外，在特征匹配的过程中，通过特征提取生成图像特征点以后，进行特征匹配可以通过计算每个特征点与待训练图像序列中每幅图像的特征点的最短距离，即一欧式距离来得到。当两幅图像的SIFT特征向量生成后，采用极值点特征向量的欧式距离来作为两幅图像中极值点的相似性判定度量。要确定特征匹配是否成功，需要设置一个固定的比例阈值，如果特征点的欧式距离小于某个比例阈值，则接受这一对匹配点，认为这两个特征点匹配成功。如果降低这个比例阈值，SIFT匹配点数目会减少，但更加稳定。同样，该算法也存在缺陷，特征提取后，在对特征进行匹配的时候，用户定义的感兴趣区往往有用户并不需要匹配的图像数据。例如图3中，用户需要提取“象”的特征并进行匹配，而不需要图像中草地与树木枝干的信息，这些信息被用户“误”选择，因此也会参与图像特征的提取，带来算法的复杂度与数据冗余。
发明内容
针对以上问题，本发明的目的在于提供一种准确、高效的数字图像特征提取与匹配的方法及装置，其采用SIFT算法对数字图像进行特征提取，当生成图像特征描述子时，通过PCA将临域内的数据降维生成图像特征描述子，来代替原有的SIFT特征描述子；最后采用高斯加权欧式距离代替欧式距离完成特征匹配。其具体步骤包括:I)尺度空间极值点检测:首先使用原始图像与可变尺度的高斯函数进行卷积，生成多尺度空间图像。然后，使用高斯差分(Difference-of-Gaussian, DoG)函数与原始图像进行卷积，生成高斯差分图像序列；在高斯差分图像序列中，对比每个当前像素与3X3邻域的当前尺度和相邻尺度共26个像素点的最大、最小值，得到原始图像的极值点。2)定位极值点:由于DoG算子会产生较强的边缘响应，为了提高特征匹配的精度和抗噪能力，需要去除低对比度的极值点和不稳定的边缘响应点。过程为:确定原始图像的极值点以后，通过使用尺度空间的三维二次函数拟合当地的采样点，将高斯差分图像序列中的DoG算子展开为泰勒展开式:
权利要求
1.基于主成分析的数字图像的特征提取与匹配方法，其特征在于:其包括下述步骤: 1)尺度空间极值点检测: 首先使用原始图像与可变尺度的高斯函数进行卷积，生成多尺度空间图像；然后，使用高斯差分(Difference-of-Gaussian, DoG)函数与原始图像进行卷积，生成高斯差分图像序列；在高斯差分图像序列中，对比每个当前像素与3X3邻域的当前尺度和相邻尺度共26个像素点的最大、最小值，得到原始图像的极值点； 2)定位极值点: 确定原始图像的极值点以后，通过使用尺度空间的三维二次函数拟合当地的采样点，将高斯差分图像序列中的DoG算子展开为泰勒展开式:
2.一种对数字图像进行特征提取及特征匹配的装置，其特征在于:该装置主要包括:数值预处理模块、特征点提取模块、特征点匹配模块；数值预处理模块对输入的图像转化为灰度图像，并生成二维数组数据，同时设置两个比较阈值；特征点提取模块分为极值点检测与定位单元、多维数值计算单元和PCA降维单元；特征点匹配模块分为计算单元、比较单元和特征匹配点输出单元；若比较单元未通过，则数据不经过特征匹配点输出单元，而获取其它数据继续从特征点提取模块开始，直至二维数组中的全部数据处理完毕。
全文摘要
基于主成分析的数字图像的特征提取与匹配方法及装置，属于图像分析技术领域。所述的方法包括如下步骤1)尺度空间极值点检测；2)定位极值点；3)极值点方向分配4)PCA降维及图像特征描述子的生成；5)相似性度量的判定及特征匹配；所述的装置主要包括数值预处理模块、特征点提取模块、特征点匹配模块。本发明比原有的SIFT特征提取与匹配算法具有更高的精确度与匹配速度，本发明可直接应用于基于内容的数字图像检索、基于内容的数字视频检索、数字图像融合、超分辨率图像重建等机器视觉领域。
文档编号G06T7/00GK103077512SQ20121039727
公开日2013年5月1日 申请日期2012年10月18日 优先权日2012年10月18日
发明者王卓峥, 贾克斌 申请人:北京工业大学