專利名稱：圖像匹配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，更具體而言，涉及一種基于高斯差分尺度空間的顯著區(qū)域提取與匹配方法、裝置以及計算機程序產(chǎn)品。
背景技術(shù)：
近年來，尺度空間理論在圖像處理中的應用逐漸成為圖像處理領(lǐng)域、計算機視覺領(lǐng)域等的熱點之一。目前，研究較多的尺度不變的特征點提取的算法有=Harris——
Laplacian 算法，SIFT 算法和 SURF 算法等。Harris-Laplacian 算法(Mikolajczyk K,
Schmid C. Indexing based on scale invariant interestpoints[C]. //Proceedings of the 8th International Conference on Computer Vision, Vancouver, 2001 :525-531)計算簡單，維數(shù)較低，便于匹配，但是對噪聲的敏感性較強。SIFT算法(Lowe D G. Distinctive image features from scale invariant keypoints[J]. International Journal of Computer Vision, 2004,60 (2) :91-110)具有旋轉(zhuǎn)不變，尺度不變，仿射變換不變等特性， 但是計算速度較慢，并且對光照變化效果不好。后來Mikolajiczyk (Mikolajczyk K, and Schmid C. A performance evaluation of local descriptors[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27 (10) 1615-1630)等對多種特征點描述子進行了比較，得出SIFT具有最佳的效果的結(jié)論，但是它們的仿射不變性較差。與對尺度斑點檢測一樣，顯著區(qū)域檢測也是圖像處理等領(lǐng)域的經(jīng)典方向。在2001 年，Kadir 和 Brady(Kadir T, Brady M,saliency and image description. International journal of computer vision, 2001. 45 (2))提出了顯著區(qū)域的檢測方法,它利用信息熵檢測圖像中的局部特征區(qū)域。因此，如今需要一種基于高斯差分尺度空間的顯著區(qū)域提取與匹配方法，以便獲得尺度、仿射、光照、模糊等方面的較好的魯棒性，并且所提取的顯著區(qū)域更穩(wěn)定，匹配精度更高。

發(fā)明內(nèi)容
本發(fā)明提供了一種基于高斯差分尺度空間的顯著區(qū)域提取與匹配方法、裝置以及計算機程序產(chǎn)品，以實現(xiàn)上述目的。權(quán)利要求I提供了一種基于高斯差分尺度空間的顯著區(qū)域提取與匹配方法，包括以下步驟(a)輸入二維灰度圖像I (X，y)；(b)基于所述二維灰度圖像以及尺度因子，來構(gòu)建高斯差分尺度空間，其中所述高斯差分尺度空間的層數(shù)取決于所述尺度因子；
權(quán)利要求
1.一種方法，包括以下步驟(a)輸入二維灰度圖像I(x，y)；(b)基于所述二維灰度圖像以及尺度因子，來構(gòu)建高斯差分尺度空間，其中所述高斯差分尺度空間的層數(shù)取決于所述尺度因子；(c)基于所述高斯差分尺度空間，選取一個或多個顯著區(qū)域；(d)利用區(qū)域描述子來對所選取的顯著區(qū)域進行區(qū)域描述；(e)分別將參考圖像和待匹配圖像作為所述二維灰度圖像來獲得所述二維灰度圖像和所述參考圖像的顯著區(qū)域和相關(guān)聯(lián)的區(qū)域描述子，并且，基于所得到的所述二維灰度圖像和所述參考圖像的區(qū)域描述子的歐幾里得距離，來對所述二維灰度圖像和所述參考圖像的顯著區(qū)域進行區(qū)域匹配，其中，步驟(c)進一步包括 (c. I)在所述尺度空間中的各層中，將;
2.如權(quán)利要求I所述的方法，其中，步驟(b)進一步包括利用如下公式構(gòu)建所述高斯差分尺度空間D (x，y,ko)
3.如權(quán)利要求I所述的方法，其中，步驟(e)進一步包括利用以下公式計算所述歐幾里得距離
4.如權(quán)利要求I所述的方法，在步驟(e)中若所述待匹配圖像中的一個顯著區(qū)域與所述參考圖像中各個顯著區(qū)域的所述歐幾里得距離的最近距離和次最近距離的比值小于某個閾值，則所述參考圖像中與該顯著區(qū)域具有最近距離的顯著區(qū)域與該顯著區(qū)域為一對匹配區(qū)域，優(yōu)選地，該閾值為0. 8。
5.一種裝置，包括(a)用于輸入二維灰度圖像I(x，y)的模塊；(b)用于基于所述二維灰度圖像以及尺度因子，來構(gòu)建高斯差分尺度空間，其中所述高斯差分尺度空間的層數(shù)取決于所述尺度因子的模塊；(c)用于基于所述高斯差分尺度空間，選取一個或多個顯著區(qū)域的模塊；(d)用于利用區(qū)域描述子來對所選取的顯著區(qū)域進行區(qū)域描述的模塊；(e)用于分別將參考圖像和待匹配圖像作為所述二維灰度圖像來獲得所述二維灰度圖像和所述參考圖像的顯著區(qū)域和相關(guān)聯(lián)的區(qū)域描述子，并且，基于所得到的所述二維灰度圖像和所述參考圖像的區(qū)域描述子的歐幾里得距離，來對所述二維灰度圖像和所述參考圖像的顯著區(qū)域進行區(qū)域匹配的模塊，其中，模塊(c)進一步包括(c.I)用于在所述尺度空間中的各層中，將
6.如權(quán)利要求5所述的方法，其中，模塊(b)進一步包括用于利用如下公式構(gòu)建所述高斯差分尺度空間D (X，y,ko)的模塊
7.如權(quán)利要求5所述的方法，其中，模塊(e)進一步包括用于利用以下公式計算所述歐幾里得距離的模塊
8.如權(quán)利要求5所述的方法，在模塊(e)中若所述待匹配圖像中的一個顯著區(qū)域與 所述參考圖像中各個顯著區(qū)域的所述歐幾里得距離的最近距離和次最近距離的比值小于 某個閾值，則所述參考圖像中與該顯著區(qū)域具有最近距離的顯著區(qū)域與該顯著區(qū)域為一對 匹配區(qū)域，優(yōu)選地，該閾值為0. 8。
9.一種處理電路，其包括(b)被配置為基于所述二維灰度圖像以及尺度因子，來構(gòu)建高斯差分尺度空間的電路 模塊，其中所述高斯差分尺度空間的層數(shù)取決于所述尺度因子；(C)被配置為基于所述高斯差分尺度空間，選取一個或多個顯著區(qū)域的電路模塊；(d)被配置為利用區(qū)域描述子來對所選取的顯著區(qū)域進行區(qū)域描述的電路模塊；(e)被配置為分別將參考圖像和待匹配圖像作為所述二維灰度圖像來獲得所述二維灰 度圖像和所述參考圖像的顯著區(qū)域和相關(guān)聯(lián)的區(qū)域描述子，并且，基于所得到的所述二維 灰度圖像和所述參考圖像的區(qū)域描述子的歐幾里得距離，來對所述二維灰度圖像和所述參 考圖像的顯著區(qū)域進行區(qū)域匹配的電路模塊，其中，電路模塊(C)進一步被配置為(c. I)在所述尺度空間中的各層中，將
10. 一種計算機程序產(chǎn)品，其包含由處理器執(zhí)行的指令，所述指令當由所述處理器執(zhí)行時，使得所述處理器能夠執(zhí)行如權(quán)利要求1-4中任一項所述的方法。
全文摘要
一種方法，包括以下步驟(a)輸入二維灰度圖像I(x，y)；(b)基于所述二維灰度圖像以及尺度因子，來構(gòu)建高斯差分尺度空間，其中所述高斯差分尺度空間的層數(shù)取決于所述尺度因子；(c)在所述尺度空間中的各層中選取一個或多個顯著區(qū)域；(d)利用區(qū)域描述子來對所選取的顯著區(qū)域進行區(qū)域描述；(e)分別將參考圖像和待匹配圖像作為所述二維灰度圖像來獲得所述二維灰度圖像和所述參考圖像的顯著區(qū)域和相關(guān)聯(lián)的區(qū)域描述子，并且，基于所得到的所述二維灰度圖像和所述參考圖像的區(qū)域描述子的歐幾里得距離，來對所述二維灰度圖像和所述參考圖像的顯著區(qū)域進行區(qū)域匹配。
文檔編號G06T7/00GK102592281SQ201210011720
公開日2012年7月18日 申請日期2012年1月16日 優(yōu)先權(quán)日2012年1月16日
發(fā)明者張萌萌, 李澤明 申請人:北方工業(yè)大學