[发明专利]一种基于角点描述子的图像检索方法

权利要求书

1.一种基于角点描述子的图像检索方法，其特征在于包括如下步骤：

(1)输入查询图像I₀和图像数据库S，其中S包含k幅图像，S＝{I_j},j＝1,2,…,k；

(2)角点检测；对查询图像和图像数据库中的图像二值化提取边缘并滤波后利用基于边缘曲率极大值的方法检测角点；对查询图像I₀检测角点，得到查询图像的角点集合P₀＝{P_0u},u＝1,2,…,m，对图像数据库S中的任意一幅图像I_j,j＝1,2,...,k检测角点，得到I_j的角点集合P_j＝{P_jv},v＝1,2,…,n，其中m,n分别是I₀和I_j的角点数目；

(3)特征提取；对P₀和P_j中的每个角点分别提取局部统计分布LSD特征f_LSD，全局统计分布GSD特征f_GSD，将这两个特征级联起来描述二值图像角点特征：f＝[w₁f_LSD,w₂f_GSD]

其中，w₁和w₂分别为LSD特征和GSD特征的加权值，这里w₂＝2w₁；

全局统计分布GSD特征f_GSD的提取方法，包括以下步骤：

对于图像I的任意角点P，以P为原点，将I划分为四个象限，然后统计每个象限的角点数目占整幅图像角点总数的比例，依次级联得到全局统计分布GSD特征；

设图像I角点集合C＝{C_t}＝{(x_t,y_t)},t＝1,2,…,n，n为角点数目，x_t和y_t分别是角点C_t的横坐标和纵坐标；任意角点(x_t,y_t)∈C的全局统计分布特征计算如下：

其中，card(*)表示集合元素的数目，Q_1t,Q_2t,Q_3t,Q_4t分别是以角点(x_t,y_t)∈C为原点划分的1,2,3,4四个象限中的点集集合：

对P₀和P_j分别得到两个角点描述集合F₀＝{f_0u},u＝1,2,…,m、F_j＝{f_jv},v＝1,2,…,n；

(4)角点匹配；对P₀中任意点P_0u,u＝1,2,…,m，对应特征向量f_0u,u＝1,2,…,m，P_j中任意点P_jv,v＝1,2,…,n，对应特征向量f_jv,v＝1,2,…,n，计算P₀和P_j的距离d_uv＝||f_0u-f_jv||；设相似阈值为T，则有当d_uv≤T时P_0u和P_jv相似，当d_uv＞T时P_0u和P_jv不相似；遍历F₀和F_j找出最相似的匹配点对，通过基于仿射变换的RANSAC筛选，消除误匹配，得到最终角点匹配结果；

(5)返回结果；按照查询图像和图像数据库中角点匹配率从大到小的顺序依次返回前N幅图像作为图像检索结果。

2.根据权利要求1所述的一种基于角点描述子的图像检索方法，其特征在于步骤(3)中局部统计分布LSD特征f_LSD的提取方法，包括以下步骤：

对于图像I的任意角点P，以P为中心，在I中取一个9*9的矩形区域，以P为原点划分1、2、3、4四个邻域象限，统计邻域象限i的黑色像素的比例并量化得到特征值r_i,i＝1,2,3,4，将四个象限的特征值依次级联得到描述当前点P的特征矢量，该特征矢量定义如下：f_LSD＝(r₁,r₂,r₃,r₄)

其中，

其中，s是9*9的矩形邻域的目标像素总数，s_i是邻域象限i的目标像素的数目，这里T₁＝7，T₂＝16，T₃＝0.3。