[发明专利]一种基于自适应分数阶微分SURF改进方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种基于自适应分数阶微分SURF改进方法。

背景技术

图像特征作为图像的表征之一被广泛应用于图像处理领域中，图像特征的表示可以分为：点特征、线特征和面特征，其中点特征在特征表示中应用最为广泛；而基于人工设计的点特征可以分为矩特征、差分特征、空间-频域特征和空间域分布特征四类，其中空间-频域特征和空间域分布特征应用较为广泛。

Lowe提出了一种基于尺度不变的特征提取算法(SIFT)，在各尺度空间上利用DOG等拟合精细模型，筛选并确定关键点；在局部关键点的方向梯度图计算基础上，构造对缩放、旋转、平移等无关的特征；但是，SIFT特征点维数较高、计算复杂并对噪声较为敏感。随后出现了许多基于SIFT方法的改进算法。Ke等人提出了PCA-SIFT，通过主成分分析方法提取特征的局部信息，生成了36维特征矢量。而Bay等人则提出了一种快速鲁棒的特征点检测算法--SURF，不仅大幅度提高了运算速度并且在抗噪方面也要明显优于SIFT算法，与SIFT相比，大幅度降低了特征维数，但其可区分性也随之降低。

为使点特征具有较好的辨识度，设计的特征描述子能够对图像的光照、位移、视角、噪声等具有较强的适应能力。一般图像描述子通常利用整数阶差分(如方向直方图等)去刻画局部纹理特征，但实际上整数阶差分对平滑区域的纹理描述并不理想。

发明内容

为解决上述技术问题，本发明提供了一种基于自适应分数阶微分SURF改进方法，该方法以分数阶微分理论为基础，探索一条提升SURF方法的点邻域准确表示的途径，以便更好地检测和表示点特征。

为达到上述目的，本发明的技术方案如下：

一种基于自适应分数阶微分SURF改进方法，SURF描述子以积分图像作为后续特征点表示的基础，在计算主方向时利用移动扇形区域内的Haar小波响应，水平方向上的响应为式(1)所示，竖直方向上的响应为式(2)所示：

V_x＝([L_integral(x，y+1)-L_integral(x，y)]+[L_integral(x+1，y+1)-L_integral(x+1，y)])*w_d(1)

V_y＝([L_integral(x+1，y)-L_integral(x，y)]+[L_integral(x+1，y+1)-L_integral(x，y+1)])*w_d(2)

其中，L_integral(x,y)表示积分图像L(x,y)在(x,y)位置上的数值，w_d表示高斯权重；

利用分数阶差分的形式重新计算水平方向和竖直方向上的响应，水平方向的响应如式(3)中所示，竖直方向的响应如式(4)中所示：