[发明专利]图像匹配方法

说明书

联合研究

本申请由北方工业大学得到以下基金资助：国家自然科学基金(No.61103113)

技术领域

本发明涉及图像处理领域，更具体而言，涉及一种基于高斯差分尺度空间的显著区域提取与匹配方法、装置以及计算机程序产品。

背景技术

近年来，尺度空间理论在图像处理中的应用逐渐成为图像处理领域、计算机视觉领域等的热点之一。目前，研究较多的尺度不变的特征点提取的算法有：Harris——Laplacian算法，SIFT算法和SURF算法等。Harris——Laplacian算法(Mikolajczyk K，Schmid C.Indexing based on scale invariant interestpoints[C].//Proceedings of the 8^th International Conference on Computer Vision，Vancouver，2001：525-531)计算简单，维数较低，便于匹配，但是对噪声的敏感性较强。SIFT算法(Lowe D G.Distinctive image features from scale invariant keypoints[J].International Journal of Computer Vision，2004，60(2)：91-110)具有旋转不变，尺度不变，仿射变换不变等特性，但是计算速度较慢，并且对光照变化效果不好。后来Mikolajiczyk(Mikolajczyk K，and Schmid C.A performance evaluation of local descriptors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2005，27(10)：1615-1630)等对多种特征点描述子进行了比较，得出SIFT具有最佳的效果的结论，但是它们的仿射不变性较差。

与对尺度斑点检测一样，显著区域检测也是图像处理等领域的经典方向。在2001年，Kadir和Brady(Kadir T，Brady M，saliency and image div.International joumal of computer vision，2001.45(2))提出了显著区域的检测方法，它利用信息熵检测图像中的局部特征区域。

因此，如今需要一种基于高斯差分尺度空间的显著区域提取与匹配方法，以便获得尺度、仿射、光照、模糊等方面的较好的鲁棒性，并且所提取的显著区域更稳定，匹配精度更高。

发明内容

本发明提供了一种基于高斯差分尺度空间的显著区域提取与匹配方法、装置以及计算机程序产品，以实现上述目的。

权利要求1提供了一种基于高斯差分尺度空间的显著区域提取与匹配方法，包括以下步骤：

(a)输入二维灰度图像I(x，y)；

(b)基于所述二维灰度图像以及尺度因子，来构建高斯差分尺度空间，其中所述高斯差分尺度空间的层数取决于所述尺度因子；

(c)基于所述高斯差分尺度空间，选取一个或多个显著区域；

(d)利用区域描述子来对所选取的显著区域进行区域描述；

(e)分别将参考图像和待匹配图像作为所述二维灰度图像来获得所述二维灰度图像和所述参考图像的显著区域和相关联的区域描述子，并且，基于所得到的所述二维灰度图像和所述参考图像的区域描述子的欧几里得距离，来对所述二维灰度图像和所述参考图像的显著区域进行区域匹配，

其中，步骤(c)进一步包括：

(c.1)在所述尺度空间中的各层中，将取得局部极大值的区域确定为候选显著区域，其中，A(Q_T)表示一区域Q_T的面积，T表示区域Q_T的灰度强度，

(c.2)对所述候选显著区域进行椭圆拟合，其中所拟合的椭圆的重心(x_c，y_c)、所拟合的椭圆的长半轴a和短半轴b以及表示所拟合的椭圆的方向的θ分别为：