专利名称：一种局部图像特征的生成方法和装置的制作方法
技术领域：
本发明涉及通信技术领域，特别涉及一种局部图像特征的生成方法和装置。
背景技术：
目前，图像匹配技术中最常见的就是基于局部图像特征的匹配。具体地，在待匹配图像的局部范围找到稳定可重现、特征明显的图像小片，通过对这些图像小片进行描述，实现图像之间的匹配。
现有的局部图像特征SURF(Speeded Up Robust Feature,加速的鲁棒性特征)包括计算原始图像的积分图像；检测兴趣点；其中兴趣点指的是点特征，指的是图像中具有特殊性质的像素点，是图像的重要特征；计算兴趣点的主方向；在兴趣点位置附近选择一个区域(20δ*20δ，δ表示兴趣点的特征尺度)，并将描述子坐标系旋转到兴趣点主方向指向的方向；将所述区域分成4*4共16个子区域；在每个子区域的5*5共25个采样点上计算水平方向和垂直方向的haar响应haarx和haary,得到该子区域的4维描述向量V = (Σ haax, Σ haary, Σ haarx | , Σ |haary|);累积16个子区域的描述向量得到4*16共64 维的描述向量；对所述64维的描述向量进行归一化处理。
现有SURF技术在某些场景下的区分性差，例如对于图1中图像a和图像b这两个图像子区域而言，描述向量V = ( Σ haarx, Σ haary, Σ haarx | , Σ I haary |)是相同的；因此现有的SURF无法区分图1中a和b这两个图像子区域，其区分性差。
发明内容
为了提高局部图像特征的区分性，本发明实施例提供了一种局部图像特征的生成方法和装置。所述技术方案如下
一种局部图像特征的生成方法，所述方法包括
获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度；
分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；
根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数；
根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。
一种局部图像特征的生成装置，包括
梯度获取模块，用于获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度；
第一获取模块，用于分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；
第二获取模块，用于根据所述第一水平梯度和第一垂直梯度的耦合性构造相空 间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部 分，其中L为正整数；
局部图像特征获取模块，用于根据所述第一部分和所述第二部分获取所述预设区 域的描述向量，得到局部图像特征。
本发明实施例通过累积密集采样的水平梯度和垂直梯度得到描述向量的第一部 分；利用相空间的方法来刻画水平梯度和垂直梯度的耦合性，并对这些耦合关系进行描述 得到描述向量的第二部分；根据第一部分和第二部分获取描述向量，得到局部图像特征； 该局部图像特征的区分性相比较现有SURF而言明显提高，且在各个场景中该局部图像特 征的区分性都得到了提高。
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
图1是现有技术提供的SURF的图像子区域不意图2是本发明实施例1提供的一种局部图像特征的生成方法实施例的流程图3是本发明实施例2提供的一种局部图像特征的生成方法实施例的流程图4是本发明实施例2提供的高斯尺度空间示意图5是本发明实施例2提供的检测兴趣点示意图6是本发明实施例2提供的原坐标系中的预定正方形窗体区域；
图7是本发明实施例2提供的归一化后子区域布局示意图8a是本发明实施例2提供的相空间的4区域划分第一示意图Sb是本发明实施例2提供的相空间的4区域划分第二示意图9是本发明实施例2提供的描述向量的区分性对比示意图10是本发明实施例3提供的一种局部图像特征的生成装置实施例的第一结构 示意图11是本发明实施例3提供的一种局部图像特征的生成装置实施例的第二结构 示意图12是本发明实施例3提供的一种局部图像特征的生成装置实施例的第三结构 示意图。
具体实施方式
本发明实施例提供一种局部图像特征的生成方法和装置。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
实施例1
参考图2，图2是本发明实施例1提供的一种局部图像特征的生成方法实施例的流程图；所述局部图像特征的生成方法包括
SlOl :获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度。
图像由多个图像小片组成，所述预设区域是某一图像小片的一部分。
S102:分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分。
该步骤中所述描述向量的第一部分包括Σ dx*wx, y、Σ I dx I *wx, y、Σ dy*wx, y和 Σ |dy|*wx,y，其中dx为所述采样点的第一水平梯度，|dx|为所述采样点的第一水平梯度的绝对值，dy为所述采样点的第一垂直梯度，|dy|为所述采样点的第一垂直梯度的绝对值， wx, y为高斯加权函数。
S103:根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数。
S104:根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。
该步骤中将所述第一部分和所述第二部分进行级联得到所述预设区域的描述向量。
进一步，所述将所述相空间划分为L个子相区域包括
将所述相空间均分为L个子相区域，其中所述L个子相区域的角度跨度为f度，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
进一步，所述将所述相空间划分为L个子相区域包括
将所述相空间均分为L个子相区域，其中所述L个子相区域中每两个邻接子相区域相互交叠预定角度，所述L个子相区域的角度跨度为度+预定角度)，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
进一步，所述预定角度大于O度，且小于等于15度。
进一步，所述预定角度为10度。
进一步，所述M为4、6或8。
进一步，所述计算各个子相区域的度量包括
将所述各个子相区域内的所有采样点，按照公式=分别计算各个子相区域的度量；其中Binl表示第I个子相区域的度量，1 = 1，…，L，L为子相区域的个数，I和L为正整数，为范数;wx,y为高斯加权函数。
进一步，所述|w(u)|包括2范数、判别范数或波动范数；所述2范数为 |V/(x,>0|被定义为所述判别范数为|v/(x,>0|被定义为I ;所述波动范数为被竹为卜則2|v/(XJ)I 'IWL+IW。
进一步，所述预设区域为N*N个子区域中任一子区域，其中所述N*N个子区域为包含一个兴趣点的图像小片，N为正整数。
进一步，所述方法还包括
获取除所述预设区域之外的所述N*N个子区域中各个子区域的描述向量；
根据所述各个子区域的描述向量获取所述N*N个子区域的第一描述向量，得到局部图像特征。
本发明实施例通过累积密集采样的水平梯度和垂直梯度得到描述向量的第一部分；利用相空间的方法来刻画水平梯度和垂直梯度的耦合性，并对这些耦合关系进行描述得到描述向量的第二部分；根据第一部分和第二部分获取描述向量，得到局部图像特征； 该局部图像特征的区分性相比较现有SURF而言明显提高，且在各个场景中该局部图像特征的区分性都得到了提高。
实施例2
参考图3，图3是本发明实施例2提供的一种局部图像特征的生成方法实施例的流程图；所述局部图像特征的生成方法包括
S201 :获取灰度图像，建立所述灰度图像的高斯尺度空间。
将原始的彩色图像变成灰度图像，用一系列不同方差的高斯函数去平滑所述灰度图像得到一系列的尺度图像，从而建立了所述灰度图像的高斯尺度空间，如图4所示，图4 是本发明实施例2提供的高斯尺度空间示意图。图4中由原图像1、图像2、图像3和图像4 组成了一个简单的高斯尺度空间，其中原图像I用I表示，图像2用I1表示，图像3用I2表示，图像4用I3表示；原图像1、图像2、图像3和图像4之间的关 系为山= WG(A)，其中S1 = Le7G(S1)表示方差S1SLe的高斯函数A =A，其中52= 16办，G( s 2)表示方差S的高斯函数；A=A0g(A)，其中δ3 = 1.6*2，G(S3)表示方差δ3为1. 6*2的高斯函数。
S202:根据所述高斯尺度空间检测兴趣点，检测所述兴趣点的主方向。
本步骤中采用DOG (Difference of Gaussian,高斯差分)方法检测兴趣点，如图5 所示，图5是本发明实施例2提供的检测兴趣点示意图。所述兴趣点用(x，y，δ)标识，其中δ为所述兴趣点的特征尺度。
图5中图像2和原图像I作差得到图像5中的9个点，图像3和图像2作差得到图像6中的9个点，图像4和图像3作差得到图像7中的9个点，对像5、图像6和图像7中的27个点进行计算，其中所述27个点中取极值的点就是兴趣点，如图像6中的黑点，所述黑点用(X，I, δ )标识,且所述5 = 1.6^2。
本实施还可以通过其他检测方法获取兴趣点，在此不再赘述，只要能获取兴趣点的方法都在本发明保护范围之内。
获取所述兴趣点后，在所述高斯尺度空间中，以兴趣点为圆心选取半径为4 δ的圆形区域，分别求取所述圆形区域的水平方向梯度和与垂直方向梯度和，以所述水平方向梯度和与垂直方向梯度和为坐标构成的梯度的方向就是所述兴趣点的主方向，即thetaO =arctan ( Σ dy/ Σ dx),其中thetaO为所述兴趣点的主方向与水平线之间的夹角，Σ dx 为水平方向梯度和，Σ dy为垂直方向梯度和。
S203:选取预定的正方形窗体区域，计算所述正方形窗体区域内各个采样点的第二水平梯度和第二垂直梯度；其中所述正方形窗体区域中包含所述兴趣点。
在所述高斯尺度空间中，选取预定的正方形窗体区域，所述正方形窗体区域的宽度为其中，Me {4,8,12}, δ为所述兴趣点的特征尺度；优选的，所述M为8或12。 如图6所示，图6是本发明实施例2提供的原坐标系中的预定正方形窗体区域；图6中所述正方形窗体区域的宽度为12*λ/ 5。
其中，在选择所述正方形窗体区域的宽度时主要考虑旋转不变性和局部图像区域的可区分性；在仿射情况下，所述正方形窗体区域的宽度应稍窄一些，因为宽度过宽会引入畸变过大的数据，从而违背了局部图像特征的设计初衷(局部相似)，另一方面，所述正方形窗体区域的宽度又不能太窄，否则其提供的信息不足以刻画这个局部图像区域。
在原坐标系(X'，y')中，计算所述正方形窗体区域内各个采样点的第二水平梯度 dx'和第二垂直梯度 dy',具体地，dx' = Ix, +1,y, -1x, _ljy, , dy' = Ix,，y, +1_IX,，y, , 其中，Ix, +1,y,表示(X' +1，l')处得像素灰度值，其余类推，在此不再赘述。
进一步，根据所述第二水平梯度dx '和第二垂直梯度dy'计算梯度的模值:V/(x',少')2 =^( &')2 +(φ')2
S204:根据所述兴趣点的主方向对原坐标系进行旋转得到新坐标系，分别获取所述各个采样点的原坐标、第二水平梯度和第二垂直梯度在新坐标系下的第一坐标、第一水平梯度和第一垂直梯度，并对所述第一坐标进行归一化处理，生成第二坐标。
根据所述兴趣点的主方向，将原坐标系(X' , y')旋转thetaO角度后得到新坐标系(x，y)，通过坐标变换分别获取所述采样点的原坐标(X' ,1')、第二水平梯度dx'和第二垂直梯度dy'在新坐标系下的第一坐标(1，7)、第一水平梯度(^和第一垂直梯度(17;
具体地，按照如下公式进行坐标变换
X = cos (thetaO)+sin(thetaO)
y = -sin(thetaO)^xr +cos (thetaO)*y'
dx = cos (thetaO)^dxr +sin (thetaO)^djr
dy = -sin(thetaO)*dx' +cos(thetaO)*dy'
对所述第一坐标(x，y)进行归一化处理，生成第二坐标(XnOT，Ynorm);
具体地
Xnorm = χ/ (Μ* δ /N)
y_ = y/ (Μ* δ /N)
其中，所述M和所述正方体窗体区域的宽度(Μ* )中的M相同，N为正整数。
S205 :将满足预设条件的所述第二坐标对应的采样点构成的区域划分为N*N个子区域，从所述N*N个子区域中获取预设区域。
判断所述第二坐标的横坐标和纵坐标是否都位于中，如果是，所述第二坐标对应的采样点为有效采样点，将这些有效采样点占据的正方形区域划分为N*N个子区域，如图7所示，图7是本发明实施例2提供的归一化后子区域布局示意图；图7以N = 4 为例进行说明，子区域8和子区域12之间的轴为水平轴(即Xnmi轴)，子区域14和子区域15之间的轴为垂直轴(即7_ 轴)。其中，所述N*N中的N、归一化公式中的N，和I中的N为同一个N，意义和概念都相同。其中，所述正方形区域的边长为Μδ，所述子区域的边长为 (Μ/Ν) δ。
本实施例中，所述灰度图像包含多个图像小片；所述预设区域为某一图像小片的一部分；具体地，所述预设区域为所述Ν*Ν个子区域中任一子区域，其中所述Ν*Ν个子区域为包含一个兴趣点的图像小片。
S206:获取所述预设区域内采样点的所述第一水平梯度和所述第一垂直梯度。
实际应用中，在S204中已经获取所述正方形窗体区域内所有采样点的所述第一水平梯度和所述第一垂直梯度，所述预设区域为所述Ν*Ν个子区域中任一子区域，所述Ν*Ν 个子区域位于所述正方形窗体区域内，因此可以直接获取所述预设区域内采样点的所述第一水平梯度和所述第一垂直梯度。
S207:分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分。
实际应用中，分别对所述预设区域内所有采样点的第一水平梯度dx、第一水平梯度的绝对值|dx1、第一垂直梯度dy和第一垂直梯度的绝对值|dy I进行累积计算,生成描述向量的第一部分Σ dx*wx,y, Σ dx|*wXjy, Σ dy*wx,y和Σ I dy | *wx,y,其中wx,y为高斯加权函数。
所述描述向量的第一部分是一个局部区域的全局积分，局部区域的全局积分使得描述向量的鲁棒性强。
S208:根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数。
本实施例引入相空间的概念。其实一个系统的所有状态都可以在相空间中进行表达，系统的每个自由度或参数被表达为多维空间中的一个坐标轴。如果一副图像可以看作是一个系统，并且图像的采样点(χ，y)看作向量变量的话，那么三元组(像素灰度，水平梯度，垂直梯度)就能够表达图像在一个采样点处的状态。随着光照的变化，像素灰度值是经常发生变化的，所以其作为状态的一个组成部分并不合适，为此我们就建立了一个精简的相空间来描述采样点的状态，其坐标框架由(水平梯度dx，垂直梯度dy)组成。我们可以将水平梯度dx和垂直梯度dy的耦合关系对应到相空间中的一系列子相区域中。
所述将所述相空间划分为L个子相区域包括
将所述相空间均分为L个子相区域，其中所述L个子相区域的角度跨度为f度，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
其中，将第一子相区域以兴趣点的主方向所在的水平线为中轴线进行划分，可以将靠近水平方向的梯度都划进一个子相区域，从而削弱了边界效应，实验表明按照这样划分后生成的描述向量的性能有大约有10%左右的提升。
为了进一步削弱边界效应，我们进一步采用了邻接子相区域交叠的方法对相空间进行划分，这样的划分使得子相区域边界上的采样点对邻接区域都有贡献，减弱了由于兴趣点主方向不准所带来的角度移位。
则所述将所述相空间划分为L个子相区域也可以包括
将所述相空间均分为L个子相区域，其中所述L个子相区域中每两个邻接子相区域相互交叠预定角度，所述L个子相区域的角度跨度为度+预定角度)所述L个子相区域中的第一子相区域以兴趣点的方向所在的水平线为中轴线。
其中，所述预定角度大于O度，且小于等于15度；优选的，所述预定角度为10度， 因为实验表明交叠区域在10度的时候，描述子的性能有5-10%的提升。
具体地，所述L是正整数，但是L取值4、6或8的划分比较通用，但是本实施例中相空间的划分方案并不局限于此，在此不再赘述。实验表明，优选的，L为4，即将相空间按照4区域进行划分，如图8a和图Sb所示，图8a是本发明实施例2提供的相空间的4区域划分第一示意图；图813是本发明实施例2提供的相空间的4区域划分第二示意图；其中，图 8a为子相区域不交叠的情况，图Sb为子相区域相互交叠的情况。
所述计算各个子相区域的度量包括
将所述各个子相区域内的所有采样点，按照公式=分别计算各个子相区域的度量；其中Binl表示第I个子相区域的度量，1 = 1，…，L，L为子相区域的个数，I和L为正整数为范数;wx,y为高斯加权函数。
具体地，获取第一子相区域内的所有采样点，判断所述采样点的水平梯度和垂直梯度是否属于第一子相区域’如果是’按照公式&…二乙^^^丨卜^^^计算’直至第一子相区域内的所有采样点循环获取完毕，得到第一子相区域的度量Binl。
各个子相区域的度量都按照上述第一子相区域的方法进行计算，在此不再赘述， 具体可参照第一子相区域的度量Binl的计算。
所述判断所述采样点的水平梯度和垂直梯度是否属于第一子相区域的方法，一般是通过与子相区域的边界值 进行比较来实现的，即通过判断大小来实现的。
对于4区域划分方案且子相区域不交叠的情况而言，可以从所述兴趣点的主方向减去一个偏置角度(45度)，将判断大小的问题转化为判断符号的问题，从而使得计算进行了简化，具体地，可以按照如下方法实现
权利要求
1.一种局部图像特征的生成方法，其特征在于，所述方法包括 获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度； 分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分； 根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数； 根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。
2.根据权利要求1所述的方法，其特征在于，所述描述向量的第一部分包括Σdx*wx,y> Σ |dx|*wx,y、E dy*wx,y和Σ |dy|*wx,y,其中dx为所述采样点的第一水平梯度，dx为所述采样点的第一水平梯度的绝对值，dy为所述采样点的第一垂直梯度，|dy|为所述采样点的第一垂直梯度的绝对值,Wxjy为高斯加权函数。
3.根据权利要求1或2所述的方法，其特征在于，所述将所述相空间划分为L个子相区域包括 将所述相空间均分为L个子相区域，其中所述L个子相区域的角度跨度为—度，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
4.根据权利要求1或2所述的方法，其特征在于，所述将所述相空间划分为L个子相区域包括 将所述相空间均分为L个子相区域，其中所述L个子相区域中每两个邻接子相区域相互交叠预定角度，所述L个子相区域的角度跨度为度+预定角度)，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
5.根据权利要求4所述的方法，其特征在于，所述预定角度大于O度，且小于等于15度。
6.根据权利要求5所述的方法，其特征在于，所述预定角度为10度。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述L为4、6或8。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述计算各个子相区域的度量包括 将所述各个子相区域内的所有采样点,按照公式=Σ Ilw (3c^)II ，分别计算各个子相区域的度量；其中Binl表示第I个子相区域的度量，1 = 1，…，L，L为子相区域的个数，I和L为正整数,/(U)I为范数;wx,y为高斯加权函数。
9.根据权利要求8所述的方法，其特征在于，所述|V/(x,_y)|包括2范数、判别范数或波动范数；所述2范数为:||W(x,_y)|被定义为^/办2+办2 ;所述判别范数为|V/(Xj)I被定义 为I ;所述波动范数为|k/"、丨I被定义为
10.根据权利要求1-9任一项所述的方法，其特征在于，所述根据所述第一部分和所述第二部分获取所述预设区域的描述向量包括将所述第一部分和所述第二部分进行级联得到所述预设区域的描述向量。
11.根据权利要求1所述的方法，其特征在于，所述预设区域为N*N个子区域中任一子区域，其中所述N*N个子区域为包含一个兴趣点的图像小片，N为正整数。
12.根据权利要求11所述的方法，其特征在于，进一步包括获取除所述预设区域之外的所述N*N个子区域中各个子区域的描述向量；根据所述各个子区域的描述向量获取所述N*N个子区域的第一描述向量，得到局部图像特征。
13.一种局部图像特征的生成装置，其特征在于，包括梯度获取模块，用于获取图像的预设区域内采样点的第一水平梯度和第一垂直梯度；第一获取模块，用于分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；第二获取模块，用于根据所述第一水平梯度和第一垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数；局部图像特征获取模块，用于根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。
14.根据权利要求13所述的装置，其特征在于，所述第二获取模块包括第一划分单元，用于将所述相空间均分为L个子相区域，其中所述L个子相区域的角度跨度为￥度，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
15.根据权利要求13所述的装置，其特征在于，所述第二获取模块包括第二划分单元，用于将所述相空间均分为L个子相区域，其中所述L个子相区域中每两个邻接子相区域相互交叠预定角度，所述L个子相区域的角度跨度为度+预定角度)，所述L个子相区域中的第一子相区域以兴趣点的主方向所在的水平线为中轴线。
16.根据权利要求13-15任一项所述的装置，其特征在于，所述第二获取模块包括计算单元，用于将所述各个子相区域内的所有采样点，按照公式Bml = Y4Ivi(X^y)Ywxy，分别计算各个子相区域的度量；其中Binl表示第I个子相区域的度量，1 = 1，…，L，L为子相区域的个数，I和L为正整数；|V/(x,_y)|为范数;wx,y为高斯加权函数。
17.根据权利要求13-16任一项所述的装置，其特征在于，所述局部图像特征获取模块具体用于，将所述第一部分和所述第二部分进行级联得到所述预设区域的描述向量，得到局部图像特征。
18.根据权利要求13所述的装置，其特征在于，所述预设区域为N*N个子区域中任一子区域，其中所述N*N个子区域为包含一个兴趣点的图像小片，N为正整数。
19.根据权利要求18所述的装置，其特征在于，进一步包括第三获取模块，用于获取除所述预设区域之外的所述N*N个子区域中各个子区域的描述向量;第四获取模块，用于根据所述各个子区域的描述向量获取所述N*N个子区域的第一描述向量，得到局部图像特征。
全文摘要
本发明实施例公开了一种局部图像特征的生成方法和装置，属于通信技术领域。所述局部图像特征的生成方法包括获取预设区域内采样点的第一水平梯度和第一垂直梯度；分别对所述预设区域内所有采样点的第一水平梯度、第一水平梯度的绝对值、第一垂直梯度和第一垂直梯度的绝对值进行累积计算，得到描述向量的第一部分；根据所述水平梯度和垂直梯度的耦合性构造相空间，将所述相空间划分为L个子相区域，计算各个子相区域的度量，得到描述向量的第二部分，其中L为正整数；根据所述第一部分和所述第二部分获取所述预设区域的描述向量，得到局部图像特征。本发明实施例提高了局部图像特征的区分性。
文档编号G06K9/46GK103020625SQ20111028797
公开日2013年4月3日 申请日期2011年9月26日 优先权日2011年9月26日
发明者刘从新, 张翼, 杨杰, 冯德瀛 申请人:华为软件技术有限公司