异源图像的角点特征提取与描述方法与流程

本发明涉及异源图像角点特征提取与描述方法，具体是一种高效的异源图像的角点特征提取与描述方法。

背景技术：

图像特征提取和理解是图像处理领域的关键问题。尤其对于异源或者多传感器图像而言的，其成像机制的差异带来了特征提取的困难。这一方面是异源图像之间特征的相似性和相关性远比同源图像弱得多导致的，另一方面也是由于异源图像本身的结构特征存在较大差异。选取何种特征、如何提取特征、如何描述特征是理解异源图像之间联系的重要课题。

目前，国内外学者在特征选取上有点特征、线特征、面特征、虚拟特征等多个流派。但从稳定性和有效性而言，点特征明显优于其他几类。进一步地，针对特征提取和描述问题，通过改进sift和surf两个算子，也取得了一些成果的，但这些方法在处理异源图像时，所提取的特征准确性较低，特征描述的相似性度量较为困难，因此，特征稳定性较弱。对于异源图像，亟需一种高效的异源图像特征提取与描述方法。

技术实现要素：

本发明的目的在于克服上述特征提取和描述方法的不足，提出一种稳定性更强、速度更快的异源图像角点特征提取与描述方法。

角点在异源图像中仍然能够保持较高的相似性。本发明方法关注角点特征。角点是临近像素点的亮度变化较为剧烈或者轮廓线及边缘线上的曲率极大值点。这些点一般在肉眼眼观感中较为醒目，较易识别，能够体现图像图形的关键特征。

本发明的原理：

(1)fast角点特征提取

fast是edwardrosten等在2010年提出的一种特征点提取算法。在fast角点检测算法中，若某像素与其周围邻域内足够多的像素点的灰度值差异较大，则该像素被认为是潜在的角点。

fast检测角点的步骤如下：从图片中选取像素点p，测定其灰度值为ip；以p为中心作一个半径为3像素的离散化的bresenham圆，则此圆的边界上有16个像素点；若在其bresenham圆的圆周上存在连续m个像素点的灰度值大于ip+t或者小于ip-t，则像素点p为候选角点，其中t为预设的阈值；进行非极大值抑制，对每一个候选角点计算其余周围像素点的绝对偏差之和作为其响应大小v，比较临近的候选角点的v值，仅保留v值较大的。

fast的检测过程简单，计算复杂度低，能够满足工程实践中的实时要求。

(2)piifd特征描述

局部强度不变的piifd特征描述符的主要思想是根据梯度的朝向来指定主方向与计算描述符。基于多模态图像对应位置上梯度通常方向相同或者相反的假设，piifd考虑两个不同方向的梯度在同一朝向的贡献，对相似特征更为敏感。

在指定主方向时，采取x方向及y方向的梯度gx和gy经高斯加权核hσ计算平均的平方梯度gsx和gsy，进而计算每个角点的主方向φ。

在计算描述符时，piifd首先将梯度幅值标准化，再将16bins的朝向直方图降阶到8bins，考虑正反梯度方向的贡献，构建描述符d：

d＝[h1+q1h2+q2c|h3-q3|c|h4-q4|]^t(4)

式(4)中hi是朝向直方图h的第i行向量，qi是旋转180°的h矩阵的第i行向量，c是自适应的权重调节系数。通过上式计算得到的特征描述符d是一个4×4×8的矩阵，为了特征点匹配方便，将其转换为一维向量并做归一化。

本发明的技术解决方案如下：

一种异源图像的角点特征提取与描述方法，其特点在于，包括以下步骤：

步骤s1，利用fast提取图像中的角点。

步骤s2，采用piifd对角点特征进行描述。

本发明针对成像特征差异较大的异源图像处理，但同样适用于同源或单源图像的角点特征提取与描述。

fast角点特征提取时对bresenham圆周阈值选取经验数值。

piifd特征描述时采用平均的平方梯度计算特征矢量的主方向

与现有技术相比，本发明的有益效果是：fast角点特征提取速度较快，可拓展性较强，能够快速准确地捕捉角点，特征提取准确率高于sobel、harris等同类算子；piifd是较为新颖的特征描述方法，在异源图像的特征理解上更优。两者强强联合，相比传统的sift或surf方法，性能能够得到较大的提高。总的来说，采用了fast角点特征提取和piifd特征描述的异源图像角点特征提取与描述方法，在处理异源图像时，可以增强异源特征的相似性，便于后期进行异源特征的匹配，速度快，实用性强。

附图说明

图1是fast角点特征提取的bresenham圆示意图

图2是fast角点特征提取结果示例图

具体实施方式

本发明所要解决的技术问题是提供高效的异源图像的角点特征提取和描述方法。

本发明所公开的异源图像的角点特征提取与描述方法，包括以下步骤：

步骤s1，利用fast提取图像的角点特征。具体的操作方法包括：对图像中的各个像素点逐一做bresenham圆；根据bresenham圆周上点的灰度值，寻找潜在的角点集合；对角点集合进行非极大值抑制，选择得分最高的角点作为提取结果。

为了减小角点的漏检测率，本实施例将m的值取定为9，即当存在9个连续bresenham圆周点的灰度值与中心点存在明显差异，认为该中心点可能为角点。

图1所示为bresenham圆的构建示意图，图2所示为对示例的红外图像采用fast进行角点特征提取的效果示例图。fast角点提取较为准确，所得到的特征都是边缘位置等奇异点，代表性较强，能够较好地表征图像的整体结构特征。

步骤s2，对步骤s1提取的角点采用piifd对角点特征进行描述。具体的操作方法包括：通过平均的平方梯度计算并指定主方向；考虑异源图像梯度翻转效应，通过朝向直方图构建描述符；特征描述的标准化与归一化。

特征描述是要用数学的方式表示特征的特性，这个特性除了要考虑特征本身，还要考虑临近的特征。通过piifd特征描述，以4×4的检测邻域为例，步骤s1提取的每个特征都可以用128×1的一维向量表示。这个128×1的向量包含了对应的角点的像素特性，便于后续对特征进行匹配或者搜索等数学运算。