1.一种基于尺度不变特征变换的低维度特征模型图像处理方法,其特征在于:包括如下步骤:
(1)对输入图像建立尺度空间,生成DoG空间;
(2)在DoG空间中检测出所有局部极值点;
(3)滤除不好的局部极值点,实现对关键点的初步定位;
(4)滤除边缘响应的局部极值点,实现对关键点的准确定位;
(5)包括步骤(51)、(52)和(53):
(51)统计关键点领域梯度直方图,得到关键点的主方向和大小;
(52)对关键点领域按其主方向进行旋转,得到关键点领域内各个像素点旋转后的梯度方向和大小,按旋转后各个像素点的位置和方向排列生成128维SIFT描述子;
(53)对128维SIFT描述子作DCT变换,并对变换后的序列进行取舍以生成低维向量,具体方法为:首先将128维SIFT描述子按顺序分为16组序列{Ai},i=1,2,…,16,每组序列包括8个数据,记为Ai={ai1,ai2,ai3,ai4,ai5,ai6,ai7,ai8};然后对Ai作DCT变换,得到Ci={ci1,ci2,ci3,ci4,ci5,ci6,ci7,ci8},取Ci的前四个数构成Ci'={ci1,ci2,ci3,ci4},16组序列重新构成64维向量;
(6)包括步骤(61)、(62)和(63):
(61)求取关键点领域的质量和重心,具体方法为:记某关键点领域内像素点(i,j)的像素值为K(i,j),将各个像素值视为物理学中平面物体的质点质量,则该关键点领域的质量为该关键点领域的重心为:
其中:1≤i≤N为该关键点领域的x轴取值范围,1≤j≤N为该关键点领域的y轴取值范围;
(62)求取关键点领域绕其重心旋转的转动惯量,具体方法为:
(63)对转动惯量进行标准化,得到关键点领域的NMI特征为:
(7)将步骤(5)得到的64维向量和步骤(6)得到的NMI特征组合为一个65维向量,作为一个关键点的描述子。
2.根据权利要求1所述的基于尺度不变特征变换的低维度特征模型图像处理方法,其特征在于:该方法中涉及的像素点的梯度、幅值和角度的求解方法为:将像素点O(x,y)上、左、下和右四个相邻点分别标记为A、B、C和D,将像素点O左上、左下、右下和右上四个相邻点分别标记为a、b、c和d,先使用A、B、C和D求解像素点O的梯度为gradI1(x,y),再使用a、b、c和d求解像素点O的梯度为gradI2(x,y),最后使用gradI1(x,y)和gradI2(x,y)的平均值作为像素点O的梯度:
像素点O的梯度为:
像素点O的幅值为:
像素点O的角度为:
其中:I1为求解gradI1(x,y)所使用到的像素函数,I2为求解gradI2(x,y)所使用到的像素函数。