[发明专利]一种基于DoG函数的图像表征方法

摘要

本发明提供一种基于DoG函数的图像表征方法，其主要步骤包括抽取采样点建立采样点模板；获取待表征图像的N个方向的梯度图；针对每个方向的梯度图，得到每个方向的S+1幅高斯卷积的梯度方向图；针对每个方向的S+1幅高斯卷积的梯度方向图，得到S幅DoG卷积的梯度方向图；从这些不同梯度方向的DoG卷积的梯度方向图中按照每个采样点的DoG卷积尺度以及采样点在采样点模板中的位置有相同位置的点抽取像素值；最终组成总特征向量表征待表征图像，本发明提供的基于DoG函数的图像表征方法用来表征图像可以实现更高的区分性和更好的鲁棒性。

主权项

一种基于DoG函数的图像表征方法，其特征在于，包括：设置S个同心圆，所述S个同心圆从内到外半径呈指数m增长，所述S为大于等于2的整数；在每个所述同心圆圆周上抽取T个采样点，在所述同心圆圆心抽取1个采样点构成采样点模板，第i个同心圆圆周上的采样点的DoG卷积尺度∑d,i＝η·Ri，其中，Ri表示第i个同心圆的半径，i＝1，2，……，S，η为比例系数，所述同心圆圆心的采样点的DoG卷积尺度与半径最小的同心圆圆周上的采样点的DoG卷积尺度相同，所述DoG卷积尺度指的是DoG函数包含的小尺度高斯函数的标准差；根据所述S个同心圆的采样点模板的DoG卷积尺度得到S+1个高斯核尺度∑g,j，j＝1,2，……，S，S+1，其中，∑g,r＝∑d,r，r＝1,2，……，S；∑g,s+1＝∑d,s·m；获取待表征图像的N个方向的梯度图，所述N为大于等于1的整数；针对每个方向的梯度图，采用所述S+1个高斯核尺度的高斯核进行高斯卷积处理，得到每个方向的S+1幅高斯卷积的梯度方向图；针对每个方向的S+1幅高斯卷积的梯度方向图，高斯核尺度大小相邻的两幅高斯卷积的梯度方向图中用小尺度的高斯卷积的梯度方向图减去大尺度的高斯卷积的梯度方向图，得到S幅DoG卷积的梯度方向图，不同梯度方向的N幅DoG卷积的梯度方向图对应一个DoG卷积尺度；按照每个采样点的DoG卷积尺度以及所述采样点在采样点模板的位置，在所述采样点的DoG卷积尺度对应的DoG卷积的梯度方向图中抽取同所述采样点在采样点模板中的位置相同位置的点的像素值；根据所述采样点的DoG卷积尺度在对应的N幅DoG卷积的梯度方向图中抽取与所述采样点在采样点模板中的位置相同位置的点的像素值，构造所述采样点的特征向量；用所有所述采样点的特征向量组成的总特征向量表征所述待表征图像。