一种基于kaze算法的图像特征提取方法
【专利摘要】本发明公开了一种基于KAZE算法的图像特征提取方法，以解决现有图像特征提取技术中存在的执行效率偏低的问题。首先构造非线性偏微分方程，利用AOS算法求解方程得到非线性尺度空间的所有图像，然后进行特征点检测和亚像素精确定位，随后根据特征点的局部图像结构来确定其主方向，根据选取的窗口计算出子区域的描述向量，将得到的描述向量用主成分分析方法进行降维处理，最后再进行特征匹配。本方法采用主成分分析方法对描述子进行降维，加快计算速度，对于图像特征提取与匹配具有很好的承接作用，在提高算法的实时性和匹配率方面有较好的效果。
【专利说明】
-种基于KAZE算法的图像特征提取方法
技术领域
[0001] 本发明属于计算机视觉和图像处理领域，具体设及一种基于KAZE算法的图像特征 提取方法。
【背景技术】
[0002] 近年来，随着图像处理技术的进步，图像特征提取得到了长足的发展。图像特征提 取技术可W应用在日常生活、工农业检测、生物技术、医学检测等方面。特征提取是图像处 理中的一个初级运算，也就是对一个图像进行的第一个运算处理。图像特征可W分为全局 特征和局部特征。全局特征主要指图像的方差，颜色直方图等。而局部特征更侧重于图像局 部出现的特征，局部特征可W理解为稳定存在并且具有良好区分性质的点。在前景背景区 分、物体识别等方面发挥重要作用。
[0003] 局部不变特征是指局部特征的检测或描述对图像的各种变化，例如，对于视角变 化的不变性、对尺度变化的不变性、对旋转变化的不变性、对形状的不变性等等。基于局部 特征的应用包含=个基本步骤:检测、描述W及匹配。好的局部图像特征应具有速度快，特 征描述对尺度、光照、旋转具有较好鲁棒性，同时特征描述维数低，易于实现快速匹配同时 实时性强的特点。从图像中提取的特征可W组成多个向量，两个图像之间可W通过某种距 离度量标准或者相似性的测量度来计算他们之间的相似度。
[0004] 如何从原始图像中提取具有较强表示能力的图像特征是图像处理的一个研究热 点。早期的局部特征提取有化rris角点检测算子，"角点"经常被检测在边缘交界处，物体的 边界处，纹理比较强烈的部分。传统的SIFT、SURF算子对于尺度，光照，视角，旋转的变化具 有较强的鲁棒性，但是对于图像边缘和细节保留度较低，模糊严重，而KAZE算法中所采用的 非线性扩散滤波较好地解决了运个问题。KAZE算法在非线性尺度空间的基础上进行特征点 检测和定位，采用M-Sud方法进行特征点描述。安徽工业大学的李丹等人在四川大学学报 (2015年5月第52卷第3期)上发表了 "一种改进的KAZE特征检测算法"的论文，该论文通过改 进特征点的捜索策略，利用圆改进特征向量描述方法等步骤尝试提高算法的实时性，但存 在执行效率偏低的问题。
【发明内容】
[0005] 本发明要解决的技术问题是提出一种基于KAZE的图像特征提取方案，能够在保留 实时性的基础上进一步提高匹配率，提高算法的执行效率。
[0006] 为解决上述技术问题，本发明提出的技术方案是一种基于KAZE的图像特征提取方 法，包含W下步骤：
[0007] 步骤一:输入图像L，构造非线性偏微分方程，进行非线性扩散滤波，再利用AOS算 法求解方程得到非线性尺度空间的所有图像；
[000引步骤二:特征点检测，通过寻找不同尺度归一化后的化SSian局部极大值来寻找特 征点，找到特征点的位置后，根据泰勒展开式，进行亚像素精确定位：
[0009] 步骤根据特征点的局部图像结构来确定其主方向；
[0010] 步骤四：对于尺度参数为Oi的特征点，在梯度图像上W特征点为中屯、取一个的窗 口，并将窗口划分为子区域，计算出子区域的描述向量；
[0011] 步骤五:将得到的描述向量用主成分分析方法进行降维处理，得到降维后的描述 子，再进行特征匹配。
[0012] 上述非线性扩散滤波是通过非线性偏微分方程将图像亮度在不同尺度上的变化 视为某种形式的流动函数的散S
，通过设置传导函数C，控制扩散程 度和类别让其自适应于图像的局部结构，利用AOS算法得到非线性尺度空间的所有图像。
[0013] 进一步，步骤五中所述的主成分分析方法包含W下步骤：
[0014] 步骤1:输入描述子；
[0015] 步骤2:对描述子标准化；
[0016] 步骤3:构造协方差矩阵，得到特征向量和特征值；
[0017] 步骤4:排列出新的矩阵并筛选；
[0018] 步骤5:映射到新的矩阵中，得到降维后的描述子。
[0019] 又进一步，步骤二中，在构造的化SSian矩阵
中寻找极 值点时，为了加快捜索速度，每一个像素点和它当前尺度，上一尺度，下一尺度上围绕它固 定的3*3大小的窗口下的像素点进行比较，W确保在尺度空间和二维图像空间检测到极值 点。
[0020] 步骤=中，确定特征点主方向是通过设置特征点捜索半径，对圈内所有邻点的一 阶微分值通过高斯加权，使得靠近特征点的相应贡献大，远离特征点的相应贡献小，将微分 值视作向量值，并将用扇形动窗口遍历圆形区域获得最长向量的角度确定为主方向。
[0021] 步骤四中，对于所述特征点，在梯度图像上W特征点为中屯、取一个24〇iX24〇i的窗 口，并将窗口划分为4X4个子区域，每个子区域大小为9〇iX9〇i，相邻的子区域有宽度为化1 的交叠带，每个子区域都用一个高斯核(01 = 2.5〇1)进行加权，然后计算出长度为4的子区域 描述向量:dv=(ELx，S ILxI，S |心|)，再通过另一个大小为4X4的高斯窗口对每个子 区域的向量dv进行加权，最后进行归一化处理。运样就得到了 4X4X4 = 64维的描述向量， 同理，也可W通过改变窗口大小，得到128维的描述向量。
[0022] 有益效果:本发明提出的基于KAZE的图像特征图提取的设计方案，相比于现有的 图像特征提取算法，该方案具有如下优点：
[0023] (1)目前除了KAZEW外的特征检测算法都是基于线性尺度空间，而KAZE所采用的 非线性尺度空间细节丢失少，边缘保留更好，信息保留更完整。
[0024] (2)本方法采用主成分分析方法对描述子进行降维，加快计算速度，对于图像特征 提取与匹配具有很好的承接作用，在提高算法的实时性和匹配率方面有较好的效果。
【附图说明】
[0025] 图1是整个基于KAZE的图像特征提取与匹配的流程示意图；
[0026] 图2是对描述子进行主成分分析的流程图。
【具体实施方式】
[0027] 现结合附图对本发明的具体实施做进一步详细的说明。
[0028] 本发明是一种采用主成分分析方法对描述子进行降维的特征提取方案。基于KAZE 图像特征提取算法，考虑到主成分分析方法在数据处理方面可W在保留主要数据成分的前 提下进行有效降维，将该方法应用在描述子的处理上，在KAZE算法提取出特征点描述子后， 用主成分分析方法将描述子维数降低，去除噪音，提高图像匹配效率。相比较现有的设计流 程和KAZE特征提取算法，本发明提出了一种使用主成分分析加速KAZE图像特征提取速度的 方案。特征描述子的生成是特征提取的最后一步也是最关键的一步，每一个描述子包含了 特征点的位置，梯度方向，角度等信息，通过主成分分析的方法，降低描述子的维数，可W加 快方案实现速度。该方案的实现及应用过程如下：
[0029] 如图1所示，基于KAZE的图像特征提取方案，包含在W下具体步骤中：
[0030] 步骤一:针对输入图像，采用加性算子分裂算法(Additive Operator Splitting, AOS)来进行非线性扩散滤波。非线性扩散滤波是通过非线性偏微分方程讲图像亮度在不同 尺度上的变化视为某种形式的流动函数的散虔
。再利用AOS算法求 解方程，即可得到非线性尺度空间的所有图像。
[0031] 步骤二:特征点检测，通过寻找不同尺度归一化后的化SSian局部极大值来寻找特 征点。在构造的化SSian矩阵
中寻找极值点时，为了加快捜索速 度，每一个像素点和它当前尺度，上一尺度，下一尺度上围绕它固定的3*3大小的窗口下的 像素点进行比较，W确保在尺度空间和二维图像空间检测到极值点。找到特征点的位置后， 根据泰勒展开式，进行亚像素精确定巾
，
[0032] 步骤为了实现图像的旋转不变性，需要根据特征点的局部图像结构来确定其 主方向。运里作者采用的方法与SURF相似，通过设置特征点捜索半径，对圈内所有邻点的一 阶微分值通过高斯加权，是的靠近特征点的相应贡献大，远离特征点的相应贡献小，将微分 值视作向量值，并用扇形滑动窗口遍历圆形区域获得最长向量的角度就是主方向。
[0033] 步骤四：对于尺度参数为Oi的特征点，在梯度图像上W特征点为中屯、取一个24〇iX 24〇i的窗口，并将窗口划分为4 X 4个子区域，每个子区域大小为9〇i X 9〇i，相邻的子区域有 宽度为化1的交叠带。每个子区域都用一个高斯核(01 = 2.5〇1)进行加权，然后计算出长度为 4的子区域描述向量:dv=(I：Lx，ELy，E|Lx|，E|Ly|)，再通过另一个大小为4X4的高斯窗 口对每个子区域的向量dv进行加权，最后进行归一化处理。运样就得到了 4X4X4 = 64维的 描述向量(同理也可W通过改变窗口大小，得到128维的描述向量）。
[0034] 步骤五:将得到的描述子用主成分分析方法进行降维处理，如图2所示，对描述子 标准化后构造协方差矩阵，得到特征向量和特征值，筛选出保留的特征向量并且映射到新 的矩阵中，得到降维后的描述子，再进行特征匹配。具体操作如下：
[0035] (1)实际应用中，在计算主成分之前应先消除纲量的影响，常用的方法之一就是对 原始数据进行标准化，所W可W首先对原始的描述子进行标准化，方
[0037]
[0036] 便后续计算：
[00；3 引
[0039]
[0040]
[0041] (3)求出协方差矩阵的特征值和特征向量；
[0042] (4)将特征向量按对应特征值大小从上到下排列成矩阵，取前k行组成新的矩阵；
[0043] (5)将上一步得到的特征向量映射到新的空间矩阵中去，得到降维W后的描述子。
【主权项】
1. 一种基于KAZE的图像特征提取方法，其特征在于包含以下步骤： 步骤一:输入图像L，构造非线性偏微分方程，进行非线性扩散滤波，再利用AOS算法求 解方程得到非线性尺度空间的所有图像；步骤二：特征点检测，通过寻找不同尺度归一化后的Hessian局部极大值来寻找特征 点，找到特征点的位置后，根据泰勒展开式，进行亚像素精确定仡 步骤三:根据特征点的局部图像结构来确定其主方向； 步骤四：对于尺度参数为特征点，在梯度图像上以特征点为中心取一个的窗口，并 将窗口划分为子区域，计算出子区域的描述向量； 步骤五:将得到的描述向量用主成分分析方法进行降维处理，得到降维后的描述子，再 进行特征匹配。2. 如权利要求1所述的一种基于KAZE的图像特征提取方法，其特征在于所述非线性扩 散滤波是通过非线性偏微分方程将图像亮度在不同尺度上的变化视为某种形式的流动函 数的散度I = diV(c(x,y,t)，VL),通过设置传导函数c，控制扩散程度和类别让其自适应于 图像的局部结构，利用AOS算法得到非线性尺度空间的所有图像。3. 如权利要求1所述的一种基于KAZE的图像特征提取方法，其特征在于步骤五中所述 的主成分分析方法包含以下步骤： 步骤1:输入描述子； 步骤2:对描述子标准化； 步骤3:构造协方差矩阵，得到特征向量和特征值； 步骤4:排列出新的矩阵并筛选； 步骤5:映射到新的矩阵中，得到降维后的描述子。4. 如权利要求1所述的一种基于KAZE的图像特征提取方法，其特征在于步骤二中在构 造的Hessian矩阵Lhessian = 〇z(LxxLyy - Ry)中寻找极值点时，为了加快搜索速度，每一个 像素点和它当前尺度，上一尺度，下一尺度上围绕它固定的3*3大小的窗口下的像素点进行 比较，以确保在尺度空间和二维图像空间检测到极值点。5. 如权利要求1所述的一种基于KAZE的图像特征提取方法，其特征在于步骤三中确定 特征点主方向是通过设置特征点搜索半径，对圈内所有邻点的一阶微分值通过高斯加权， 使得靠近特征点的相应贡献大，远离特征点的相应贡献小，将微分值视作向量值，并将用扇 形动窗口遍历圆形区域获得最长向量的角度确定为主方向。6. 如权利要求1所述的一种基于KAZE的图像特征提取方法，其特征在于步骤四中，对于 所述特征点，在梯度图像上以特征点为中心取一个24 〇i X 24〇i的窗口，并将窗口划分为4 X 4 个子区域，每个子区域大小为9〇1X9〇1，相邻的子区域有宽度为2〇1的交叠带，每个子区域都 用一个 〇1 = 2.5〇1的高斯核进行加权，然后计算出长度为4的子区域描述向量:dv= (ELx，E Ly，Σ I Lx I，Σ I Ly I )，再通过另一个大小为4 X 4的高斯窗口对每个子区域的向量dv进行加 权，最后进行归一化处理，生成4X4X4 = 64维的描述向量。
【文档编号】G06K9/46GK106022342SQ201610293834
【公开日】2016年10月12日
【申请日】2016年5月5日
【发明人】杨承杰, 孙力娟, 李林国, 郭剑, 朱春, 瞿佳雯
【申请人】南京邮电大学