基于mmtd的sift图像特征提取方法
【专利摘要】本发明公开了一种基于MMTD的SIFT图像特征提取方法，该方法提高了图像特征点提取准确率，属于图像处理中的特征提取的研究领域。传统的采用固定阈值筛选特征点的SIFT算法，很容易造成漏检或者错检特征点，导致后续图像分割和图像识别的精度较差。针对这样的问题，本发明的方法根据图像灰度化后的矩阵，运用MMTD求出每个候选特征点8邻域内的距离比例函数，利用迭代化的方法自适应地确定阈值，以此对特征点进行筛选，减少特征点漏检或者错检的情况，最终达到提高后续图像分割、图像识别精度的效果。
【专利说明】[0001] 基于MMTD的SIFT图像特征提取方法
【技术领域】
[0002] 本发明涉及图像特征提取的【技术领域】，特别涉及一种基于MMTD的SIFT图像特征 提取方法。
【背景技术】
[0003] 图像特征包括像素灰度特征、色彩特征、区域特征、纹理特征、轮廓特征、边缘特征 及角点特征等。特征提取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根据不同的特征分为不同的子集，这些子集往往 属于孤立的点、连续的曲线或者连续的区域。图像特征提取的性能直接决定了后期图像分 害!]、图像识别效率和精度，是图像处理研究领域的重要研究内容。其中角点特征是图像中最 常用的特征，角点检测方法主要有Moravec算子、Harris算子、SUSAN算子等，角点检测方法 计算量较小，但是对背景、视角、光照、大小和几何畸变较敏感。
[0004] SIFT特征提取算法具有良好的尺度、旋转、光照等不变特性，甚至对视角变化、几 何畸变和成像噪声也有较高的容忍性，因而成为了目前图像特征提取方法的研究热点。但 是传统的SIFT特征提取算法采用固定灰度差阈值来提取特征点，灰度差阈值T决定了能够 得到的特征点的数量。T越大，检测到的极值点就越多，就有可能会误检一些极值点；T越 小，检测到极值点就越少，有可能会漏检。因此对于灰度细节比较丰富的图像，灰度差阈值T 要根据具体情况来，对整幅图像使用固定的T，检测到的极值点的效果可能不理想，影响后 期的图像分割和识别的精度。
[0005] 综上所述，传统的基于SIFT的特征提取算法采用固定阈值T，对不同的图像要选 择合适的阈值，比较繁琐，而且配准率不高，所以传统的特征提取方法不能应用在不同的图 像中，需要对固定阈值T进行了改进，使其对细节丰富的图像具有自适应性，提高传统SIFT 特征匹配的准确率。而本发明能很好地解决上述问题。
【发明内容】
[0006] 本发明目的在于提供一种基于MMTD (中介真值程度）的SIFT特征提取方法，解决 图像SIFT特征提取中采用固定的T没有考虑到不同图像的差异，匹配效果并不是很好的问 题。所以针对不同的图像，如何选取合适的阈值从而提高后期图像匹配准确率是图像特征 点提取的重点问题。
[0007] 本发明解决其技术问题所采用的技术方案是：本方法是一种策略性的方法，通过 MMTD改进阈值的方法和策略，改进传统SIFT特征提取算法，使其减少因固定阈值可能导致 的误检或者漏检特征点的问题。
[0008] 目前的SIFT特征提取方法是，用固定的阈值来筛选掉D0G尺度空间检测到的候选 特征点中存在的低对比度点和不稳定的边缘响应点。但这种方式存在很多的缺点，在一些 特殊的图像，如医学图像，医生诊断所关注的焦点是对比度比较低的软组织部分，传统的方 法对任何图像都采用固定的灰度差阈值T，这样就会把需要的低对比度的部分过滤掉，大大 降低了后面的匹配精度。为了提高图像配准的精度，保留低对比度的点，我们要减小阈值来 提取更多的特征点；但是阈值太小会引入噪声，采用固定的T没有考虑到不同图像的差异， 匹配效果并不是很好。为了解决这些问题，本发明提出了根据每幅图像不同的灰度特性，利 用MMTD的方法迭代计算出灰度差阈值T，提高了传统SIFT特征匹配的准确率。
[0009] 方法流程： 如图1所示，本发明提出一种基于MMTD的SIFT特征提取方法，其包括如下步骤： 1、尺度空间极值点检测
【权利要求】
1. 一种基于MMTD的SIFT特征提取的方法，其特征在于，包括： 步骤1)根据公式（7)计算距离比率函数h(x，y)的公式，计算中心像素点 center=x(i, j)与其周围8个像素点的相似性距离； 步骤2)利用步骤1的方法循环计算每个候选特征点x(i，j)与其8个邻域点的距离， 组成D ; 步骤3)确定初始阈值T= (max(D) +min(D))/2; 步骤4)根据初始阈值分割成两部分，大于阈值T的ΤΙ，小于阈值T的T2 ; 步骤5)分别计算Tl，Τ2的均值Pl，Ρ2 ; 步骤6)计算新阈值ΤΤ=(Ρ1+Ρ2)/2 ; 步骤7)重复步骤4、步骤5和步骤6,直到两部分阈值差d=T-TT，小于允许的值allow 即while ((d= (T-TT)) >=allow)，用新阈值TT取代原来阈值T，然后重复步骤4、步骤5和步 骤6 ; 步骤8)采用公式（6)计算出每个精确的特征点对应的
，若』
〈T，视为对 比度低，把该特征点过滤掉；否则，保留下来。
2. 根据权利要求1所述的一种基于MMTD的SIFT特征提取的方法，其特征在于：确定 阈值T，去除低对比度的极值点和不稳定的边缘响应点，得到精确的特征点。
3. 根据权利要求1所述的一种基于MMTD的SIFT特征提取的方法，其特征在于：步骤 1中根据公式（7)计算中心像素点与其周围邻域8个像素点的相似性距离。
4. 一种基于MMTD的SIFT特征提取的方法，其特征在于，包括如下步骤： 步骤1)尺度空间极值点检测；
(1) (2) (3) 其中公式（1)为可变尺度的二维高斯函数G(x，y，〇)的计算方法，公式（2)中L(x，y ，σ)为图像函数的尺度空间，I (x，y)为原始图像；公式（3)建立DOG尺度空间金字塔模 型；把DOG尺度空间每个点与相邻尺度和相邻位置的点逐个进行比较，得到的局部极值点 的就是特征点； 步骤2)精确确定极值点位置； 使用Taylor级数将尺度空间函数D(x，y，〇)在局部极值点A(x，y, 〇)处展开(最 高到2次项）：
(4) 其中X是距离局部极值点A(x，y，c〇的偏移量，式（4)对X求偏导数，令其为零，得 (5) 到兴趣点精确的位置1，如下式： 将公式（5)代回公式（4)中，得：
(6) 所有极值点都可求出，如果该值小于某个阈值τ，视为对比度太低，则将对应的 极值点剔除； 步骤3)关键点方向分配； 利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋 转不变性；
(8) (9) 用公式（8)计算关键点（X，y)处梯度的模值，用公式（9)计算关键点处梯度的方向； 其中L为每个关键点各自所在的尺度； 步骤4)特征点描述子生成； 将每个关键点用一组向量（包括位置、尺度、方向等信息）描述出来，形成描述子；描述 子采用4X4X8 = 128维向量表征，即最终形成128维的SIFT特征向量，即特征描述符。
【文档编号】G06K9/46GK104123554SQ201310141022
【公开日】2014年10月29日 申请日期:2013年4月23日 优先权日:2013年4月23日
【发明者】周宁宁, 杨晓琳 申请人:南京邮电大学