CN102902973B - 一种具有旋转不变性的图像特征的提取方法 - Google Patents
一种具有旋转不变性的图像特征的提取方法 Download PDFInfo
- Publication number
- CN102902973B CN102902973B CN201210371587.8A CN201210371587A CN102902973B CN 102902973 B CN102902973 B CN 102902973B CN 201210371587 A CN201210371587 A CN 201210371587A CN 102902973 B CN102902973 B CN 102902973B
- Authority
- CN
- China
- Prior art keywords
- image
- regional area
- rho
- theta
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006462 rearrangement reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种具有旋转不变性的图像特征的提取方法,该方法包括以下步骤:以图像关键特征点为中心选取一圆形局部区域,对其进行二值化分割;以中心点为圆心,将经过二值化分割的圆形局部区域的半径等分为多份,以一指定角度为划分间隔,将圆形局部区域均匀划分为若干个子区域;将子区域图像以中心点为轴旋转多次,直至旋转一周;计算每次旋转后的图像与原图像的自相似度;统计每次旋转后每个子区域内各点的自相似度值,旋转一周后得到该圆形局部区域的自相似直方图;对自相似直方图的方向进行归一化,得到特征描述矩阵。本方法提取的具有旋转不变性的特征可以很好地描述图像局部,可广泛用于图像配准、识别和检索等领域。
Description
技术领域
本发明涉及图像处理领域,具体来说涉及一种具有旋转不变性的图像特征的提取方法,可应用于图像配准和图像识别等领域。
背景技术
图像特征提取是图像配准与识别的关键步骤,图像特征提取的效果直接决定着图像配准与识别的效果。如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点。
在图像特征提取方面,国内外研究者和技术人员也进行了一定的探讨和研究,并提出了很多特征描述方法,其中应用较多的是SIFT、DoG、Harris等方法,但这些方法不仅计算量较大,而且微分特性决定这类方法易受局部噪声干扰从而降低稳定性。
在众多的局部描述子中,EliShechtman的自相似描述子SSD(Self-SimilaritiesDescriptor)具有积分特性,对局部形状特征有着良好的描述能力。自相似描述子利用自相关函数衡量相似度,采用差平方和(SumofSquareDifferences)算法。虽然自相似描述子可以得到较好的局部描述效果,但其偏移的方向只有垂直与水平,因此这样的描述子并不具有旋转不变性,而在实际的图像配准与识别的任务中,图像中目标的姿态与方向是未知的,因此实用性较差。另外,采用SSD的方式不仅计算量大,对噪声也比较敏感。
发明内容
为了克服自相似描述子不具有旋转不变性的不足,本发明提出一种具有旋转不变性的基于自相似描述子的图像特征的提取方法,不仅保证描述子具有旋转不变性,该方法还具有计算复杂度低,对噪声鲁棒的品质。
本发明所提出的一种具有旋转不变性的图像特征的提取方法,其特征在于,该方法包括以下步骤:
步骤S1,以图像关键特征点为中心,选取该点周围图像中的一圆形局部区域,并对该圆形局部区域进行二值化分割;
步骤S2,以经过二值化分割的所述圆形局部区域的中心点为圆心,将所述圆形局部区域的半径等分为多份,并以一指定角度为划分间隔,将所述圆形局部区域均匀划分为若干个子区域;
步骤S3,将所述步骤S2得到的二值化分割子区域图像以中心点为轴旋转多次,每次旋转一个角度划分间隔,直至旋转一周;
步骤S4,计算每次旋转后的二值化分割图像与原二值化分割图像的自相似度;
步骤S5,统计每次旋转后每个子区域内各点的自相似度值,待旋转一周后得到该圆形局部区域的自相似直方图;
步骤S6,对所述自相似直方图的方向进行归一化处理,得到特征描述矩阵。
本发明公开的一种具有旋转不变性的图像特征提取方法,提取得到的特征保留了自相似描述子稳定的局部描述能力,同时弥补了自相似描述子不具有旋转不变性的不足。
附图说明
图1是本发明具有旋转不变性的图像特征的提取方法流程图。
图2是根据本发明一实施例的局部二值化分割效果图。
图3是根据本发明一实施例的子区域划分与旋转方式示意图。
图4是根据本发明一实施例的旋转每个角度后计算得到的相似度结果图。
图5是根据本发明一实施例相似度直方图统计示意图。
图6是本发明方向归一化流程图。
图7是根据本发明一实施例直方图方向归一化示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
本发明使用的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行,也可将方法做成嵌入式芯片以硬件的形式来体现。
图1是本发明具有旋转不变性的图像特征的提取方法流程图。如图1所示,该方法包括以下步骤:
步骤S1,以图像关键特征点为中心,选取该点周围图像中的一圆形局部区域,并对该圆形局部区域进行二值化分割;
所述图像关键特征点为梯度极值点、曲率极值点等特征点。
所述圆形局部区域的大小可根据实际应用的需要,即根据目标尺度大小来选择,比如圆形局部区域的半径可为5-20像素。
所述二值化分割进一步为:以该圆形局部区域中心点的灰度作为阈值,对该局部区域内的原始图像进行灰度二值分割。若原始图像表示为I0(x,y),二值化分割后得到的图像表示为Is(x,y),则:
其中,阈值T=I0(x0,y0),I0(x0,y0)为该圆形局部区域中心点的灰度值。图2给出了根据本发明一实施例的局部二值化分割结果,其中,左图为原始图像,右图为经二值化分割后得到的结果图像。
步骤S2,以经过二值化分割的所述圆形局部区域的中心点为圆心,将所述圆形局部区域的半径等分为多份,并以一指定角度为划分间隔,将所述圆形局部区域均匀划分为若干个子区域;
图3给出了根据本发明一实施例的子区域划分与旋转方式示意图。图3以圆形局部区域的中心点为圆心,将半径等分为3份,并以30度为划分间隔,将该圆形局部区域划分为36个子区域,这36个子区域的排列方式如图3所示。
步骤S3,将所述步骤S2得到的二值化分割子区域图像以中心点为轴旋转多次,每次旋转一个角度划分间隔,直至旋转一周;
对于图3所示的局部区域图像,旋转时,以该局部区域的中心点为轴,每次顺时针旋转30度,如图3所示。
步骤S4,计算每次旋转后的二值化分割图像与原二值化分割图像的自相似度;
所述自相似度的计算方式可采用图像相与的方式来提高速度;设局部区域中每一点的极坐标为(ρ,θ),局部区域旋转角度Δθ后,与原图像相与的结果图像c(ρcosθ,ρsinθ;Δθ)可计算为:
c(ρcosθ,ρsinθ;Δθ)=Is(ρcos(θ+Δθ),ρsin(θ+Δθ))&Is(ρcos(θ),ρsin(θ)),其中,&表示逻辑“与”计算。
图4显示了图2中的局部区域二值化图像经过旋转各个角度后得到相与的图像。
步骤S5,统计每次旋转后每个子区域内各点的自相似度值,待旋转一周后得到该圆形局部区域的自相似直方图,直方图统计方法如图5所示;
所述自相似直方图用二维直方图h[k,r]表示,其计算方法为:
其中,k为径向坐标,k∈[0,N),N为径向分段数,r为角度坐标,r∈[0,360/Δθ),Δθ为角度间隔,Δρ为径向间隔。
步骤S6,对所述自相似直方图的方向进行归一化处理,得到特征描述矩阵。
如图6所示,所述方向归一化处理包括如下步骤:
步骤S61,分别计算所述自相似直方图每列值的和,将和值最大的那一列作为主方向;
步骤S62,根据所述主方向的位置重排自相似直方图中每列数据的顺序,即沿水平方向顺序移动自相似直方图的每一列,使主方向对应的那一列移动到所述自相似直方图的中心位置。
如图7所示,值10、22、34组成的列的和值最大,则该列作为主方向,之后沿水平方向顺序移动自相似直方图的每一列,使主方向对应的那一列移动到自相似直方图的中心位置。图7中,上面的图表示重排前直方图每一列的顺序,下面的图表示重排后直方图每一列的顺序。
经过上述归一化,即水平移动后得到的直方图即为本发明所提取得到的处理图像的特征描述矩阵。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种具有旋转不变性的图像特征的提取方法,其特征在于,该方法包括以下步骤:
步骤S1,以图像关键特征点为中心,选取该点周围图像中的一圆形局部区域,并对该圆形局部区域进行二值化分割;
步骤S2,以经过二值化分割的所述圆形局部区域的中心点为圆心,将所述圆形局部区域的半径等分为多份,并以一指定角度为划分间隔,将所述圆形局部区域均匀划分为若干个子区域;
步骤S3,将所述步骤S2得到的二值化分割子区域图像以中心点为轴旋转多次,每次旋转一个角度划分间隔,直至旋转一周;
步骤S4,计算每次旋转后的二值化分割图像与原二值化分割图像的自相似度;
步骤S5,统计每次旋转后每个子区域内各点的自相似度值,待旋转一周后得到该圆形局部区域的自相似直方图;
步骤S6,对所述自相似直方图的方向进行归一化处理,得到特征描述矩阵;
所述步骤S6中,方向归一化处理进一步包括如下步骤:
步骤S61,分别计算所述自相似直方图每列值的和,将和值最大的那一列作为主方向;
步骤S62,根据所述主方向的位置重排自相似直方图中每列数据的顺序,即沿水平方向顺序移动自相似直方图的每一列,使主方向对应的那一列移动到所述自相似直方图的中心位置。
2.根据权利要求1所述的方法,其特征在于,所述图像关键特征点为梯度极值点或曲率极值点。
3.根据权利要求1所述的方法,其特征在于,所述圆形局部区域的大小根据目标尺度大小来选择。
4.根据权利要求1所述的方法,其特征在于,所述二值化分割进一步为:以该圆形局部区域中心点的灰度作为阈值,对该局部区域内的原始图像进行灰度二值分割。
5.根据权利要求4所述的方法,其特征在于,若原始图像表示为I0(x,y),则二值化分割后得到的图像Is(x,y)根据下式得到:
其中,阈值T=I0(x0,y0),I0(x0,y0)为该圆形局部区域中心点的灰度值。
6.根据权利要求5所述的方法,其特征在于,所述步骤S4中,采用图像相与的方式来计算所述自相似度。
7.根据权利要求6所述的方法,其特征在于,设局部区域中每一点的极坐标为(ρ,θ),局部区域旋转角度Δθ后,与原图像相与的结果图像c(ρcosθ,ρsinθ;Δθ)可计算为:
c(ρcosθ,ρsinθ;Δθ)=Is(ρcos(θ+Δθ),ρsin(θ+Δθ))&Is(ρcos(θ),ρsin(θ)),
其中,&表示逻辑“与”计算。
8.根据权利要求7所述的方法,其特征在于,所述自相似直方图用二维直方图h[k,r]表示,其计算方法为:
其中,k为径向坐标,k∈[0,N),N为径向分段数,r为角度坐标,r∈[0,360/Δθ),Δθ为角度间隔,Δρ为径向间隔。
9.根据权利要求1所述的方法,其特征在于,水平移动后得到的直方图即为所述特征描述矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371587.8A CN102902973B (zh) | 2012-09-28 | 2012-09-28 | 一种具有旋转不变性的图像特征的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371587.8A CN102902973B (zh) | 2012-09-28 | 2012-09-28 | 一种具有旋转不变性的图像特征的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102902973A CN102902973A (zh) | 2013-01-30 |
CN102902973B true CN102902973B (zh) | 2016-01-20 |
Family
ID=47575194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210371587.8A Active CN102902973B (zh) | 2012-09-28 | 2012-09-28 | 一种具有旋转不变性的图像特征的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102902973B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537609A (zh) * | 2014-11-28 | 2015-04-22 | 上海理工大学 | 一种旋转图像校正方法 |
CN106650742B (zh) * | 2015-10-28 | 2020-02-21 | 中通服公众信息产业股份有限公司 | 一种基于环形核的图像特征提取方法及装置 |
CN106548491B (zh) * | 2016-09-30 | 2019-09-27 | 深圳大学 | 一种图像配准方法、其图像融合方法及其装置 |
EP3564620A4 (en) * | 2016-12-27 | 2020-09-16 | Sony Corporation | TOP ORIENTED MARKER, IMAGE PROCESSING DEVICE, IMAGE PROCESSING PROCESS, AND PROGRAM |
CN110008966A (zh) * | 2019-04-08 | 2019-07-12 | 湖南博睿基电子科技有限公司 | 一种基于极坐标的快速sift特征点提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
CN101408932A (zh) * | 2008-04-11 | 2009-04-15 | 浙江师范大学 | 一种基于指纹结构特征与纹理分析的指纹图像匹配方法 |
-
2012
- 2012-09-28 CN CN201210371587.8A patent/CN102902973B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408932A (zh) * | 2008-04-11 | 2009-04-15 | 浙江师范大学 | 一种基于指纹结构特征与纹理分析的指纹图像匹配方法 |
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
Non-Patent Citations (1)
Title |
---|
《目标检测的图像特征提取之(二)LBP特征》;zouxy09;《http://blog.csdn.net/zouxy09/article/details/7929531》;20120831;第2页(2)LBP旋转不变模式一节及图2.5 * |
Also Published As
Publication number | Publication date |
---|---|
CN102902973A (zh) | 2013-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Overview of image matching based on ORB algorithm | |
CN102663409B (zh) | 一种基于hog-lbp描述的行人跟踪方法 | |
Yang et al. | Fast and accurate vanishing point detection and its application in inverse perspective mapping of structured road | |
CN102902973B (zh) | 一种具有旋转不变性的图像特征的提取方法 | |
CN103400384A (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
CN105069809A (zh) | 一种基于平面混合标识物的相机定位方法及系统 | |
CN104778679A (zh) | 一种基于高分一号卫星数据的控制点图元快速匹配方法 | |
CN112329559A (zh) | 一种基于深度卷积神经网络的宅基地目标检测方法 | |
Fan et al. | Registration of multiresolution remote sensing images based on L2-siamese model | |
CN102855621A (zh) | 一种基于显著区域分析的红外与可见光遥感图像配准方法 | |
CN106709500A (zh) | 一种图像特征匹配的方法 | |
CN109615645A (zh) | 基于视觉的特征点提取方法 | |
CN102915441A (zh) | 基于Haar纹理的非结构化道路检测方法 | |
CN104217459A (zh) | 一种球面特征提取方法 | |
CN105404868A (zh) | 一种基于交互平台的复杂背景中文本的快速检测方法 | |
CN103020614A (zh) | 基于时空兴趣点检测的人体运动识别方法 | |
CN110443295A (zh) | 改进的图像匹配与误匹配剔除算法 | |
CN103914690B (zh) | 一种基于射影不变量的形状匹配方法 | |
Fu et al. | Road detection from optical remote sensing imagery using circular projection matching and tracking strategy | |
CN109766850B (zh) | 基于特征融合的指纹图像匹配方法 | |
CN103295026B (zh) | 基于空间局部聚合描述向量的图像分类方法 | |
Han et al. | Accurate and robust vanishing point detection method in unstructured road scenes | |
CN110197184A (zh) | 一种基于傅里叶变换的快速图像sift提取方法 | |
Liang et al. | Sketch-based retrieval using content-aware hashing | |
CN102004921A (zh) | 基于图像特征分析的目标辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |