[发明专利]一种用于高光图像的局部特征描述及匹配方法

说明书

本发明涉及图像处理领域，且公开了一种用于高光图像的局部特征描述及匹配方法，其方法包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；所述图像消除高光预处理方法包括以下步骤：步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像。本发明先对图像进行消除高光处理，使其不用加入方向信息即可稳定的描述局部特征，这样，对比加入方向信息，数据描述量大大减小，相应的，特征匹配的运算量也减小，更具实时性。

技术领域

本发明属于图像处理领域，具体为一种用于高光图像的局部特征描述及匹配方法。

背景技术

在图像处理领域中，表面光滑物体在复杂光照环境下的镜面反射导致了图像存在高光区域。高光图像中物体表面的纹理、边缘等有效局部信息大量丢失，给基于局部特征信息的视觉跟踪、场景重建、增强现实等应用带来不利影响，甚至造成任务失败。实际应用场景下需要一种针对高光图像的有效局部特征描述及匹配方法。

现有方法通过直接利用图像各像素点的灰度值计算梯度值或局部极值来提取局部特征点，特征点的稳定性和准确性容易受到高光的影响。在提取特征点之后，现有局部特征描述方法主要采用特征点邻域内像素点的灰度值及其梯度信息描述局部特征，但稳定性不高；为了提高稳定性，加入了方向信息，但又导致描述数据量增大，特征匹配算法复杂等问题。

特征匹配一般以两个向量之间的欧式距离或马氏距离衡量其相似性的最近邻搜索过程。对于最近邻搜索，遍历搜索算法虽然可以保证搜索到正确的最近邻，但是由于巨大的时间开销，使其无法应用于大规模的特征匹配系统中。近似最近邻搜索算法的提出一定程度上可以保证搜索精度，同时又比穷举搜索算法节省大量的时间。即便如此，描述子匹配在局部特征识别计算中占据很大比例的运算时间。

发明内容

本发明的目的在于：为解决上述背景技术中提出的现有技术中的局部特征描述复杂，表达及匹配运算量大，实时性不高的问题，本发明提供了一种用于高光图像的局部特征描述及匹配方法。

为实现上述目的，本发明提供了一种用于高光图像的局部特征描述及匹配方法，所述方法包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；

所述图像消除高光预处理方法包括以下步骤：

步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；

步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像；

所述局部特征表达方法包括以下步骤：

步骤一：确定样本集S；

步骤二：在步骤一中的样本集S中检测特征点K，并重复检测n次，得到n个K；

步骤三：在步骤二中的n个K中取中心图块P，此图块P中包括m个像素点，由此构成m个点集，每个点集中含n个像素点；

步骤四：将步骤三中的像素点灰度划分为L阶，统计点集中像素点的灰阶，生成L阶的直方图，设定阈值t，将直方图二值化，生成L位的二进制位串，m个点集生成m×L位的二进制位串D，用于描述该特征点代表的局部特征；

所述局部特征匹配方法包括以下步骤：