[发明专利]一种彩色图像的向量空间特征点提取方法及装置

说明书

技术领域

本发明涉及计算机视觉和图像理解技术领域，特别是涉及一种彩色图像的向量空间特征点提取方法及装置。

背景技术

随着计算机视觉技术的飞速发展与广泛应用，彩色图像处理包括彩色图像的处理、转换和描述日益成为研究的热点和难点。图像中特征点的提取被认为是计算机视觉和模式识别领域最基础也是最困难的问题；很多相关应用都把特征点提取作为一个基本步骤，包括全景图拼接，多视图重建，从视频中提取对象(Video Google)等等。Lowe提出的SIFT算法(ScaleInvariant Feature Transform，尺度不变特征变换)[Lowe D G.Distinctive image features from scale-invariant keypoints.International Journal of Computer Vision，2004，60(2)：91-110.]是应用最广泛也是输出质量最好的算法[Mikolajczyk K，Tuytelaars T，Schmid C.et al.A comparison of affine region detectors.International Journal of Computer Vision，2005，65(1/2)：43-72.]；SIFT算法是一种相似不变算法，在图像经过尺度缩放和角度旋转后仍然能够提取稳定的特征。SIFT算法是一个基于灰度图像的算法，而现在采集的图像和视频绝大多数都是彩色的；彩色图像包含更多图像形成的信息，因此对于特征点具有更强的辨别能力。如何运用色彩信息来提升特征提取的算法质量成为了近年来研究比较活跃的一个问题。一些运用色彩信息针对SIFT进行改良的算法陆续被提出，这些算法的贡献在于提出了色彩不变量(Color Invariant)的概念，通过改进SIFT特征描述子来提升算法在模式识别应用中的性能。

为了克服上述现有技术的不足，本发明提供了一种彩色图像的向量空间特征点提取方法及装置，尝试基于向量空间提出一种邻域统计模型，通过邻域统计模型可以快速的在多尺度下计算特征点的响应值，输出高质量的特征点，是目前计算机视觉和图像理解技术领域亟待解决的问题之一。

发明内容

有鉴于此，本发明实施例提出了一种彩色图像的向量空间特征点提取方法及装置，通过读取需要处理的输入彩色数字图像，并对数字图像进行色彩空间转换，然后构建向量空间，接着在构建好的向量空间上对输入图像像素点进行邻域统计特性分析以及通过统计特性分析结果计算每个像素点的响应值，最后提取响应值的极值像素点作为输出特征点，本方案可有效提高特征点提取的稳定性与均匀性，输出高质量的特征点。

为解决上述技术问题，本发明实施例的目的是通过以下技术方案实现的：

一种彩色图像的向量空间特征点提取方法，包括：

步骤一、读取需要处理的输入彩色数字图像；

步骤二、对数字图像进行色彩空间转换；

步骤三、构建向量空间；

步骤四、在构建好的向量空间上对输入图像像素点进行邻域统计特性分析；

步骤五、通过统计特性分析结果计算每个像素点的响应值；

步骤六、提取响应值的极值像素点作为输出特征点。

优选的，上述步骤一中，是从计算机磁盘或者通过网络读取需要处理的输入彩色数字图像到计算机内存。

优选的，上述步骤二中，是将数字图像从输入的色彩空间转换到CIELAB色彩空间，可支持多种输入色彩空间，包括但不限于RGB，sRGB，YUV，并且会将数字图像从输入的色彩空间转换到CIELAB色彩空间。

优选的，上述步骤三中，是在CIELAB色彩空间上构建向量空间，并会将整个色彩空间进行划分，构建高维的向量空间。

优选的，上述步骤四中，对输入图像像素点进行邻域统计特性分析是基于向量空间计算，是在图像像素点的指定邻域内计算。

优选的，上述步骤五中，通过统计特性分析结果计算每个像素点的响应值时，可支持多尺度计算。

优选的，上述步骤六中，是根据计算响应值提取空间域的极值点；根据计算响应值提取尺度域的极值点。

一种彩色图像的向量空间特征点提取装置，包括读取单元、转换单元、构建单元、统计单元、计算单元以及提取单元，通过读取需要处理的输入彩色数字图像，并对数字图像进行色彩空间转换，然后构建向量空间，接着在构建好的向量空间上对输入图像像素点进行邻域统计特性分析以及通过统计特性分析结果计算每个像素点的响应值，最后提取响应值的极值像素点作为输出特征点。