[发明专利]一种基于SURF特征匹配的图像快速去遮挡方法

说明书

本发明公开了一种基于SURF特征匹配的图像快速去遮挡方法，属于计算机视觉领域。其包括以下步骤：输入遮挡图像；构造Hessian矩阵；构造高斯金字塔尺度空间；初步确定特征点位置；精确定位极值点；确定特征点的主方向；构造SURF特征点描述算子；图像配准；图像融合。本发明可以有效减小图像去遮挡的运算时间，为计算机视觉的应用提供了一种既精准又高效的图像去除遮挡的方法，达到了预期的效果。

技术领域

本发明属于计算机视觉领域，特别是指一种基于SURF特征匹配的图像快速去遮挡方法。

背景技术

近年来，随着计算机视觉技术的不断发展，去除图像遮挡任务是目前计算机视觉领域中一项十分重要的任务，并成为许多计算机视觉任务的基础。

然而，目前存在的图像去遮挡算法大多都是基于深度学习的方法，这种需要很多前期的工作，比如图像预处理和模型训练。而且算法对设备的要求较高，无法满足实时性，所以在小型轻量级设备中并不适用，也无法执行对实时性要求较高的任务。

发明内容

为了解决现有技术中的问题，本发明提出了一种基于SURF特征匹配的图像快速去遮挡方法。该方法可实现二维图像快速去除遮挡。

本发明采用的技术方案为：

一种基于SURF特征匹配的图像快速去遮挡方法，包括以下步骤：

步骤1，建立图像库，图像库中包括所有可能被遮挡的物体的完整图像；

步骤2，对于含有被遮挡物体的图像I，提取图像I中的SURF特征；

步骤3，将图像I的SURF特征与图像库中各图像的SURF特征进行匹配，得到图像I的匹配图像；

步骤4，将图像I与其匹配图像转换到同一坐标系下，完成两幅图像之间的配准；

步骤5，根据图像配准结果将两幅图像进行融合，输出去除遮挡物之后的图像I。

进一步的，步骤2的具体方式为：

步骤201，构造Hessian矩阵的判别式；

对于图像I(x,y)，其Hessian矩阵为：

x,y表示图像中的像素点；

Hessian矩阵的判别式为：

对图像进行高斯滤波，滤波后的Hessian矩阵为：

其中，(x,y)为像素位置，σ为尺度因子，L(x,y,σ)＝G(σ)*I(x,y)代表图像的高斯尺度空间；

采用盒式滤波器D替代高斯滤波器L，在L_xy上乘以一个加权系数0.9以平衡使用盒式滤波器近似所带来的误差，则Hessian矩阵的判别式为：

det(H)＝D_xxD_yy-(0.9×D_xy)²；

步骤202，构造高斯金字塔尺度空间；

构建金字塔时保证图像尺寸不变，不同组间图像的尺寸均一致，不同组间使用的盒式滤波器的模板尺寸逐渐增大，同一组不同层图像使用相同尺寸的滤波器，但是滤波器的尺度空间因子逐渐增大；

步骤203，利用非极大值抑制初步确定特征点位置；

将经过Hessian矩阵处理过的每个像素点的近似响应值与其三维邻域中的26个点进行大小比较，如果像素点的近似响应值是这26个点中的最大值或最小值，则保留下来，作为初步的特征点；