[发明专利]基于尺度化缓存插值结构的鲁棒特征点提取系统

说明书

本发明提出一种基于尺度化缓存插值结构的鲁棒特征点提取系统，包括：积分图计算模块，用于得到积分图数据；特征点定位模块，根据积分图数据得到符合预设条件的特征点的亚像素位置；尺度化缓存插值模块，对积分图数据进行多尺度化缓存和插值；特征点方向计算模块，根据每个特征点的亚像素位置及尺度化缓存插值模块输出的插值结果确定每个特征点的特征方向；特征点描述符向量计算模块，根据特征点的亚像素位置、积分图数据的插值结果和特征点方向，得到特征点描述符向量；单位向量计算模块，对特征点描述符向量进行单位化，以得到预设小数精度的特征点单位向量描述符向量。本发明提高了鲁棒特征点提取算法的计算精度和计算性能，降低了资源占用。

技术领域

本发明涉及计算机及电子信息技术领域，特别涉及一种基于尺度化缓存插值结构的鲁棒特征点提取系统。

背景技术

基于图像特征点匹配的图像分析工作是图像处理的重要内容之一，特征点提取则是特征点匹配工作中的重要基础内容。特征点提取算法的主要目的是在两幅类似场景或物体的图像中，寻找到相关的区域，以供匹配；同时还要能够克服来自如环境亮度变化、视场角度变化、甚至图像传感器引入的噪声等的干扰。特征点提取工作包括特征点定位和特征点描述两部分。特征点定位通过检测图像中的特定特征，如角点、边缘点、亮区中的暗点、暗区中的亮点等，获得这些特征点的坐标信息。特征点描述则为特征点计算相应的描述符，使得两幅图中相同景物的特征点具有一定的不变性，进而克服干扰，完成特征点匹配。

SURF(Speed-Up Robust Feature，鲁棒特征点提取)算法的主要步骤包括积分图计算、特征点定位、特征点方向计算和特征点描述符向量计算。

积分图数据是SURF算法的基础数据。积分图的计算公式为：

其中，I_∑(x,y)为位于x(x，y)的积分图值，I(i，j)为以图像原点(一般为左上角)和点x(x，y)为顶点所形成的竖直矩形区域内的图像像素值。则任意竖直矩形区域abcd内的像素值的和(图像积分)可以通过使用四个顶点的积分图值A、B、C和D进行简单加减法得到，即I_∑abcd＝(I_∑a+I_∑d)-(I_∑b+I_∑c)。

SURF算法在进行特征点定位时，通过尺度空间分析来获得特征点尺度不变性。图像按不同的降采样进行分组，每组内使用4个尺度s不同的盒子滤波模板D做卷积，得到4层卷积层。D共有xx、yy、xy三个方向。通过使用积分图，卷积计算得到了大幅简化。SURF算法通过计算Hessian矩阵行列式的极大值来寻找图像的极值位置。Hessian矩阵的定义为：

若某个卷积层s中的坐标位置(x，y)的行列式值为在包括其相邻卷积层在内的三层内，周边共3×3×3个行列式值中的极大值，则将该坐标位置及其所在卷积层s合记为一个特征点位置x(x，y，s)。在将特征点位置按尺度放大得到特征点在原图中的位置时，还需要计算位置坐标的小数部分计算公式为：

SURF算法为保证特征点具有旋转不变性，为特征点计算了特征方向。在以特征点为中心，半径为6s的圆形邻域内，共109个间距为s的邻域点。为每个邻域点做尺寸为4s的Haar小波变换，得到向量(HaarX，HaarY)，记为邻域点方向向量。使用一个扇形滑窗统计落入滑窗内的所有邻域点的Haar向量的基于高斯权重的和，取和向量的长度最长时的和向量角度记为特征点的方向。