CN104541289A

CN104541289A - 一种兴趣点判断方法和兴趣点判断装置

Info

Publication number: CN104541289A
Application number: CN201380000883.XA
Authority: CN
Inventors: 周强; 刘峥; 许国军
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2013-07-24
Filing date: 2013-07-24
Publication date: 2015-04-22
Anticipated expiration: 2033-07-24
Also published as: WO2015010275A1; CN104541289B

Abstract

本发明实施例提供一种兴趣点判断方法，用于判断当前像素是否为当前图像的兴趣点，该方法包括将当前像素的振幅与其所在局部区域内其他像素的振幅相比较，在当前像素的振幅为极值时，确定局部区域在目标图像上的对应区域，作为目标区域；使用第二滤波参数组对目标区域进行滤波，得到第二区域；将当前像素的振幅与第二区域内所有像素的振幅相比较，在当前像素的振幅为极值时，使用第三滤波参数组对目标区域进行滤波，得到第三区域；将当前像素的振幅与第三区域内所有像素的振幅相比较，在当前像素的振幅为极值时，判定当前像素为当前图像的兴趣点。本发明实施例还提供一种兴趣点判断装置。本发明实施例可大大降低兴趣点判断过程对内存的占用。

Description

一种兴趣点判断方法和兴趣点判断装置技术领域

本发明涉及兴趣点检测技术，尤其涉及一种兴趣点判断方法和兴趣点判断装置。背景技术

图像特征提取是图像识别领域的关键技术之一，该技术的核心在于兴趣点 (Interest Point) 的检测。

图 1是现有兴趣点检测方法 100的示范性流程图。

步骤 102，建立原始图像的 LoG (Laplacian of Gaussian, 高斯拉普拉斯）滤波图像金字塔（Image Pyramid) 。

图 2是现有 LoG滤波图像金字塔生成方法 200的示范性流程图。

步骤 202，对原始图像进行连续的下采样（Down Sample) ，得到多张目标图像。

具体来说，首先，对原始图像进行下采样，生成目标图像 1。其次，对目标图像 1进行下采样，生成目标图像 2。再次，对目标图像 2进行下采样，生成目标图像 3。上述过程持续进行，直到生成目标图像 M。其中，原始图像可以视为目标图像 0。

在具体实现过程中，上述下采样，是指对所针对的图像按照长宽比不变进行缩小。具体来说，可以使用近邻采样法、双线性插值法等常用的图像下采样方法。经过下采样，目标图像 M的大小可以为目标图像 M-1的例如但不限于 1/2。

步骤 204，对每张目标图像进行多次 LoG滤波，生成该目标图像的多张 LoG滤波图像。

具体来说，在对目标图像进行 LoG滤波过程中，首先对目标图像进行高斯滤波，生成高斯滤波图像。其次，对该高斯滤波图像进行拉普拉斯滤波，生成 LoG滤波图像。

在每次 LoG 滤波过程中，高斯滤波所使用的高斯滤波参数可表示为 σ(Ν)。对于同一目标图像，在使用 σ(Ν - 1)、 σ(Ν)和 σ(Ν + 1)作为高斯滤波参数而分别获得的三张 L 0 G滤波图像中，高斯滤波参数为 σ( Ν - 1)的 L 0 G滤波图像为高斯滤波参数为 _σ(Ν)的 LoG滤波图像的上层图像，高斯滤波参数为 σ(Ν + 1)的 LoG 滤波图像为高斯滤波参数为 σ(Ν)的 LoG 滤波图像的下层图像。也就是说，一 LoG滤波图像与其上层图像和下层图像，均源自同一目标图像，生成该 LoG滤波图像及其上层图像和下层图像时所使用的高斯滤波参数分别为 σ(Ν)、 σ(Ν - 1)和 σ(Ν + 1)。此外，生成不同 LoG滤波图像时所使用的拉普拉斯滤波参数可以是不同的。由此可见，同一目标图像的多张 LoG滤波图像是按照一定的次序顺序生成的，这种次序可以通过高斯滤波参数来体现，即顺序生成的多张 LoG滤波图像，其生成过程中所采用的高斯滤波参数依次为 σ(1)、 σ(2)、 σ(3) ... σ(Ν - 1)、 σ(Ν)，这些 LoG滤波图像彼此之间是连续的。在对一目标图像生成的多张 LoG滤波图像中，基于高斯滤波参数 σ(Ν)生成的 LoG滤波图像为这些 LoG滤波图像中的第 N层 LoG滤波图像。

经过上述步骤 202和 204，便可生成 LoG滤波图像金字塔。不难发现， LoG 滤波图像金字塔包括连续的多组图像，每组图像包括连续的多张 LoG 滤波图像，且每组图像为前组图像的下采样图像。在具体实现过程中，每组图像中 LoG滤波图像的数量可根据具体需要进行设置。通常情况下，每组图像至少包含三张 LoG滤波图像。应注意，在具体实现过程中，上述步骤 202和 204也可交叉进行，即每生成一张目标图像，就对该目标图像进行多次 Lo G滤波，生成该目标图像的多张 L 0 G滤波图像。

此外，在具体实现过程中，还可采用下面描述的另外一种方法来生成 LoG滤波图像金字塔。首先对原始图像进行多次 LoG滤波，从而为原始图像生成一组 Lo G滤波图像（该组 Lo G滤波图像包含原始图像的多张 Lo G滤波图像）。此后，对原始图像的这一组 LoG滤波图像中的每张 LoG滤波图像分别进行下采样，从而生成另一组 LoG滤波图像。此后，对上述另一组 LoG滤波图像中的每张 LoG滤波图像分别进行下采样，生成再一组 LoG滤波图像。上述过程持续进行，直到生成 M组 LoG滤波图像。上述顺序生成的 M组 LoG滤波图像便可组成 LoG滤波图像金字塔。

图 3是现有 LoG滤波图像金字塔生成过程的示范性示意图。如图 3所示，原始图像经过下采样生成目标图像 1，目标图像 1经过下采样生成目标图像 2，其中，目标图像 1是原始图像的 1/2，目标图像 2是目标图像 1的 1/2。

每张目标图像（包括原始图像）经过三次 LoG滤波，生成该目标图像的三张 LoG滤波图像。其中，每次 LoG滤波过程包括，首先对目标图像进行高斯滤波，生成高斯滤波图像。然后再对高斯滤波图像进行拉普拉斯滤波，生成 LoG滤波图像。以目标图像 1为例，经过三次 LoG滤波，最终生成三张 LoG滤波图像 302-306。在针对同一目标图像（即目标图像 1 ) 而获得的这三张 LoG滤波图像 302-306中，生成 LoG滤波图像 302所使用的高斯滤波参数为 σ(1)，生成 LoG滤波图像 304所使用的高斯滤波参数为 σ(2)，生成 LoG滤波图像 306所使用的高斯滤波参数为 σ(3)，因此， LoG滤波图像 302 为 LoG滤波图像 304的上层图像， LoG滤波图像 306为 LoG滤波图像 304 的下层图像。

经过上述处理，将生成自下而上的三组图像，第一组图像包括对原始图像进行三次 LoG滤波而生成的三张 LoG滤波图像，第二组图像包括对目标图像 1进行三次 LoG滤波而生成的三张 LoG滤波图像，第三组图像包括对目标图像 2进行三次 LoG滤波而生成的三张 LoG滤波图像。三组图像构成 LoG滤波图像金字塔 308。

在具体实现过程中，下采样的次数及 LoG滤波图像的数量等参数可根据具体需要进行设置。

下面继续介绍方法 100中的其他步骤。

在执行完方法 100中的步骤 102之后，在步骤 104，确定每张 LoG滤波图像的兴趣点。

图 4是现有兴趣点判断过程的示范性示意图。如图 4所示，其中展示了三张 LoG滤波图像，这三张 LoG滤波图像是通过对同一目标图像进行三次 LoG滤波而获得的。为便于描述，这三张 LoG滤波图像即为图 3 中的三张 LoG滤波图像 302-306。如上文所述， LoG滤波图像 302-306是通过对图 3 中的目标图像 1 进行三次 LoG滤波最终生成的。在这三张 LoG滤波图像 302-306中，生成 LoG滤波图像 302所使用的高斯滤波参数为 σ(1)，生成 LoG 滤波图像 304所使用的高斯滤波参数为 σ(2)，生成 LoG滤波图像 306所使用的高斯滤波参数为 σ(3)，因此， LoG滤波图像 302为 LoG滤波图像 304的上层图像， LoG滤波图像 306为 LoG滤波图像 304的下层图像。下文以像素 314为例，介绍 LoG滤波图像兴趣点的判断过程。

具体来说，在判断像素 314是否为 LoG滤波图像 304的兴趣点时，需要将像素 314的振幅与至少 26个其他像素的振幅进行比较。若比较结果显示像素 314 的振幅为一极值（Extremum, 例如极大值或者极小值），则判定像素 314为 LoG滤波图像 304的兴趣点。为描述上述 26个其他像素的具体位置，首先在 LoG滤波图像 304上定义一局部区域，该局部区域至少包括像素 314及像素 314周围的 8个像素，如 LoG滤波图像 304上的局部区域 310，其中，像素 314周围的 8个像素分别为像素 316-330。即，局部区域 310是以像素 314为中心的 3x3 区域。在具体实现过程中，该局部区域 310还可采用以像素 314为中心的 NxN区域，其中 N为大于 3的奇数。其次，确定该局部区域在 LoG滤波图像 304的上层图像（即 LoG滤波图像 302) 和下层图像（即 LoG滤波图像 306) 上的对应区域，即上层区域 308和下层区域 312。具体来说，首先确定局部区域 310在 LoG滤波图像 304上的位置坐标，然后确定 LoG滤波图像 302 (LoG滤波图像 304的上层图像）和 306 (LoG滤波图像 304的下层图像）上由上述位置坐标指示的区域，即上层区域 308和下层区域 312。如图 4所示，上层区域 308在 LoG滤波图像 302(LoG 滤波图像 304的上层图像）上的位置与局部区域 310在 LoG滤波图像 304 上的位置相同，下层区域 312在 LoG滤波图像 306 (LoG滤波图像 304的下层图像）上的位置与局部区域 310在 LoG滤波图像 304上的位置相同。如此一来，上述 26个其他像素即为局部区域 310中像素 314之外的 8个像素、上层区域 308中的 9个像素 332-348以及下层区域 312中的 9个像素 350-366。由如上过程可知，判断一个像素是否为该像素所在 LoG滤波图像的兴趣点时，需要同时用到该像素所在 LoG滤波图像的上层图像和下层图像。如上文所述，该 LoG滤波图像及其上层图像和下层图像，均源自同一目标图像，且生成该 LoG滤波图像及其上层图像和下层图像时所使用的高斯滤波参数分别为 σ(Ν)、 σ(Ν _ΐ;^。σ(Ν + 1)。

不难理解，在确定每张 LoG滤波图像的兴趣点时，需要用到该 LoG滤波图像的上层图像和下层图像。由于 LoG滤波图像金字塔中的每组 LoG滤波图像中的第一张 L 0 G滤波图像没有上层图像，最后一张 L 0 G滤波图像没有下层图像，因此，在具体实现过程中，往往只需确定每组 LoG滤波图像中第一张 LoG滤波图像和最后一张 LoG滤波图像之外的其他 LoG滤波图像的兴趣点即可。当然，也可采用现有的一些方法确定第一张 LoG滤波图像和最后一张 LoG滤波图像的兴趣点。此外，判断一个像素是否为像素所在 LoG滤波图像的兴趣点，需要用到该像素周围的至少 8个像素。当待判断像素处于其所在图像的边缘时，该像素周围的像素可能不足 8个。在这种情况下，可不对这些处于图像边缘的像素进行兴趣点判断，当然也可采用现有的一些方法判断这些像素是否是其所在图像的兴趣点。

下面继续介绍方法 100中的其他步骤。

在执行完方法 100中的步骤 104之后，在步骤 106，根据在步骤 104中确定的每张 LoG滤波图像的兴趣点，确定原始图像的兴趣点。

具体来说，可以采用现有的各种方法，来根据每张 LoG滤波图像的兴趣点，确定原始图像的兴趣点。

应注意，在具体实现过程中，如果对 LoG滤波图像金字塔中每组 LoG 滤波图像的第一张 LoG滤波图像和最后一张 LoG滤波图像，没有确定其各自的兴趣点，则在确定原始图像的兴趣点的过程中，不考虑这些没有确定兴趣点的 LoG滤波图像。

本领域的技术人员不难发现，在图 4所示的兴趣点判断过程中，为确定一张 LoG滤波图像的兴趣点，需要在内存中同时加载三张 LoG图像，即待确定兴趣点的 LoG滤波图像以及该 LoG滤波图像的上层图像和下层图像。这使得移动终端在执行上述操作时存在一定的难度。众所周知，移动终端（例如各种智能电话）的摄像头性能越来越强，拍摄的图像越来越清晰，由此导致每张图片的占用空间越来越大。在这种情况下，为确定一张 LoG滤波图像的兴趣点（例如，在使用移动终端来进行图像比对的过程中），需要同时在移动终端的内存中加载三张图像，这必然会占用大量宝贵的内存资源，影响移动终端的整体性能。发明内容

有鉴于此，实有必要提供一种兴趣点判断方法，以解决现有兴趣点判断方法占用内存过大的问题。

同时，提供一种兴趣点判断装置，以解决现有兴趣点判断方法占用内存过大的问题。

根据本发明的一个方面，提供一种兴趣点判断方法，用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，所述方法包括：

将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；

使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域；将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域；

将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。

根据本发明的另一方面，提供一种兴趣点判断装置，用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，所述装置包括：

存储器，用于存储所述当前图像；

处理器，用于执行如下操作：

将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域；

将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域；

本发明实施例在判定一个像素是否为该像素所在图像的兴趣点时，无需同时在内存中加载该图像的整张上层图像和整张下层图像，而仅需临时计算该像素所在的局部区域在上述上层图像和下层图像上的对应区域。由此可见，本发明实施例提供的技术方案可大大降低兴趣点判断过程对内存的占用。附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图 1是现有兴趣点检测方法的示范性流程图；

图 2是现有 Lo G滤波图像金字塔生成方法的示范性流程图；

图 3是现有 LoG滤波图像金字塔生成过程的示范性示意图；

图 4是现有兴趣点判断过程的示范性示意图；

图 5是依据本发明一实施例的兴趣点判断方法的示范性流程图；图 6是依据本发明一实施例的对一目标区域进行 LoG滤波操作的过程示意图；

图 7是反向对称填充方法的过程示意图；

图 8是依据本发明一实施例的兴趣点判断过程的示范性示意图；图 9是依据本发明一实施例的兴趣点判断方法的示范性流程图；图 10是依据本发明一实施例的兴趣点判断方法的示范性流程图；图 11是依据本发明一实施例的兴趣点判断装置的示范性硬件结构示意图；

图 12是依据本发明一实施例的兴趣点判断装置的示范性硬件结构示意图；

图 13是依据本发明一实施例的兴趣点判断装置的示范性逻辑结构示意图；

图 14是依据本发明一实施例的兴趣点判断装置的示范性逻辑结构示意图。具体实施方式

图 5是依据本发明一实施例的兴趣点判断方法 500的示范性流程图。方法 500用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的。

步骤 502，将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

有关所述局部区域和极值等技术特征的内容已经在背景技术中进行了详细的描述，因此此处不再赘述。此外，在具体实现过程中，在将当前像素与局部区域内其他像素进行比较时，还可比较振幅之外的其他像素属性，例如但不限于灰度值等。概括的说，在进行像素比较时，比较的内容可统称为像素值。

在确定上述目标区域时，可首先确定局部区域在当前图像上的位置坐标，例如确定局部区域的边界在当前图像上的位置坐标。然后确定目标图像上由上述位置坐标指示的区域，即目标图像上由上述边界坐标围成的区域，即可获得上述局部区域在上述目标图像上的对应区域。

步骤 504，使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域。

步骤 506，将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域。

具体来说，每一滤波参数组（例如第一滤波参数组、第二滤波参数组以及第三滤波参数组）可包含一个或者多个滤波参数。在下文的描述中，本文以每一滤波参数组包含两个滤波参数为例进行说明。

当每一滤波参数组包含两个滤波参数时，可将这两个滤波参数分别记为第一滤波参数和第二滤波参数。在这种情况下，对于一待处理图像，上述滤波处理可包括，使用该滤波处理所使用的滤波参数组中的第一滤波参数对待处理图像进行第一滤波操作，得到第一滤波图像；使用该滤波处理所使用的滤波参数组中的第二滤波参数对第一滤波图像进行第二滤波操作，得到第二滤波图像。由于根据第一滤波参数组、第二滤波参数组和第三滤波参数组进行的滤波处理均是针对同一目标图像而进行的，因此若将所述第一滤波参数组中的第一滤波参数设置为 _σ( N )，将所述第二滤波参数组中的第一滤波参数设置为 σ(Ν - 1)，将所述第三滤波参数组中的第一滤波参数设置为 σ(Ν + 1)，则第二区域可视为上述局部区域的上层区域（即第二区域可视为上述局部区域在当前图像的上层图像的对应区域），第三区域可视为上述局部区域的下层区域（即第三区域可视为上述局部区域在当前图像的下层图像的对应区域）。又例如，由于根据第一滤波参数组、第二滤波参数组和第三滤波参数组进行的滤波处理均是针对同一目标图像而进行的，因此若将所述第一滤波参数组中的第一滤波参数设置为 σ(Ν)，将所述第二滤波参数组中的第一滤波参数设置为 σ( Ν + 1)，将所述第三滤波参数组中的第一滤波参数设置为 σ(Ν - 1)，则第二区域可视为上述局部区域的下层区域（即第二区域可视为上述局部区域在当前图像的下层图像的对应区域），第三区域可视为上述局部区域的上层区域（即第三区域可视为上述局部区域在当前图像的上层图像的对应区域）。然而，应注意，在具体实现过程中，使用第一滤波参数组、第二滤波参数组和第三滤波参数组对同一目标图像分别进行滤波处理所获得的滤波图像，彼此之间也可以是不连续的，只要第一滤波参数组、第二滤波参数组和第三滤波参数组中的第一滤波参数各不相同即可。例如，第一滤波参数组中的第一滤波参数为 σ(Ν)，第二滤波参数组中的第一滤波参数为 σ(Ν -3)，第三滤波参数组中的第一滤波参数为 σ(Ν + 5)。或者，第一滤波参数组中的第一滤波参数为 σ(Ν)，第二滤波参数组中的第一滤波参数为 σ(Ν + 2)，第三滤波参数组中的第一滤波参数为 σ(Ν - 4)。或者，第一滤波参数组中的第一滤波参数为 σ(Ν)，第二滤波参数组中的第一滤波参数为 σ(Ν - 2)，第三滤波参数组中的第一滤波参数为 σ(Ν -5)。或者，第一滤波参数组中的第一滤波参数为 σ(Ν)，第二滤波参数组中的第一滤波参数为 σ(Ν + 2)，第三滤波参数组中的第一滤波参数为 σ(Ν + 5)。当然，如果使用第一滤波参数组、第二滤波参数组和第三滤波参数组对同一目标图像分别进行滤波处理所获得的滤波图像，彼此之间是连续的，则确定的兴趣点更为准确。

在具体实现过程中，上述第一滤波参数可以为高斯滤波参数，上述第二滤波参数可以为拉普拉斯滤波参数，上述第一滤波操作为高斯滤波操作，上述第二滤波操作为拉普拉斯滤波操作。如此一来，上述第一滤波图像即为高斯滤波图像，第二滤波图像即为 LoG滤波图像。当然，上述第一滤波参数也可以是高斯滤波操作之外的其他滤波操作所使用的滤波参数，上述第二滤波参数也可以是拉普拉斯滤波操作之外的其他滤波操作所使用的滤波参数。上述第一滤波操作也可以是高斯滤波操作之外的其他滤波操作，第二滤波操作也可以是拉普拉斯滤波操作之外的其他滤波操作。

在具体实现过程中，可进一步进行如下设置，即 _CT(N) = k^N j，其中 k和 j为常数。由此可知，上述第一滤波参数组中的第一滤波参数为 (N) = k^Nj，第二滤波参数组中的第一滤波参数为 -¹ j或者 k^N+1 j，第三滤波参数组中的第一滤波参数为 k^N+1j或者！^ 。在具体实现过程中， k和 j的值可根据经验和具体需要进行设置，例如 k = ， j = 1.6。当上述第一滤波参数为高斯滤波参数时， σ(Ν)通常称为高斯滤波核。高斯滤波过程就是将高斯函数与待滤波图像进行卷积，即 G(x, y) = g(x, y) * I(x, y) ，其中， g(x, y) 为高斯函数， g(x, y) = ^_e"²¾ , I(x, y)为待滤波图像的图像矩阵。同时，基于上述设置，当第二滤波参数为拉普拉斯滤波参数时，尺度规范化的拉普拉斯滤波操作过

0 1 0 程中使用的拉普拉斯滤波模板可以为例如但不限于 1 - 4 1 或者

0 1 0

1 1 1

σ 1 - 8 1等，此时， σ²称为尺度规范化因子。在这种情况下，生成当前图 1 1 1 像所使用的拉普拉斯滤波模板的尺度规范化因子为（k^N j)²，生成第二区域所使用的拉普拉斯滤波模板的尺度规范化因子为（k^ j)²或者 (k^N+1j)²，生成第三区域所使用的拉普拉斯滤波模板的尺度规范化因子为（k^N" j )²或者（k^N -¹ j )²。此时，在某种程度上，可以理解为高斯滤波参数和拉普拉斯滤波参数均为 σ(Ν)。然而，本领域的技术人员应当明白，在具体实现过程中，同一滤波参数组中的高斯滤波参数和拉普拉斯滤波参数可分别单独设置，二者之间可不存在关联。

图 6是依据本发明一实施例的对一目标区域进行 LoG滤波操作的过程示意图。在如图 6所示场景中，目标图像 600包含一目标区域 602，目标区域 602的中心像素为像素 604，该区域的尺寸为 3x3，高斯滤波的滤波窗口尺寸为 5x5，拉普拉斯滤波的滤波窗口尺寸为 3x3。

依照高斯滤波原理，对目标区域 602进行高斯滤波，需要用到目标图像 600上以像素 604为中心、尺寸为 7x7的区域 606。

在对目标区域 602进行高斯滤波后，如果对高斯滤波后的目标区域 602 再进行拉普拉斯滤波，则需要用到一块尺寸为 5x5的区域，该区域是通过对目标图像 600上以像素 604为中心、尺寸为 5x5的区域 608进行高斯滤波后得到的。而依照高斯滤波原理，对区域 608进行高斯滤波，需要用到目标图像 600上以像素 604为中心、尺寸为 9x9的区域 610。

由此可见，若要获得目标区域 602的 LoG滤波区域，需要用到目标图像 600上以像素 604为中心的 9x9尺寸的区域 610，区域 610大于目标区域 602。在具体实现过程中，高斯滤波的滤波窗口尺寸为 ΝχΝ, 其中 Ν为大于等于 3的奇数，其具体值可根据具体需要进行设置。而依照拉普拉斯滤波的原理，拉普拉斯滤波的滤波窗口尺寸通常为 3x3，由此可见，区域 610的尺寸基本由高斯滤波的滤波窗口尺寸决定。

如果区域 610的一部分超出了目标图像 600的边界，则可使用例如但不限于反向对称填充方法来填充像素。下面就结合图 7对反向对称填充方法进行简要描述。图 7是反向对称填充方法的过程示意图。目标区域所在的目标图像的边界部分如图 7 中的区域 702所示。如图 7所示，区域 702的上边界为边界 706，下边界为边界 708，右侧边界为边界 704。若需要使用反向对称填充方法在区域 702右侧填充出一个包含两列像素（即列 Γ和列 2，）的填充区域 702，，则列 Γ的值可以采用列 1的值，列 2，的值可以采用列 2的值，即填充区域 702，中的两列像素（即列 1，和列 2，）与区域 702中的两列像素（即列 1 和列 2) 以边界 704为轴左右对称。又或者，列 Γ的值可以采用列 2的值，列 2，的值可以采用列 3的值，即填充区域 702，中的两列像素（即列 1，和列 2，）与区域 702中的两列像素（即列 2和列 3 ) 以列 1为轴左右对称。

下面继续介绍方法 500中的其他步骤。

在执行完方法 500中的步骤 506之后，在步骤 508，将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。

在具体实现过程中，步骤 502、 506和 508中所述的极值，可同为极大值，或者同为极小值。具体来说，在步骤 502中，若当前像素的振幅在与上述局部区域内其他像素的振幅相比较时为一极大值，则步骤 506中的判断标准应为，当前像素的振幅在与上述第二区域内所有像素的振幅相比较时也为一极大值，步骤 508中的判断标准应为，当前像素的振幅在与上述第三区域内所有像素的振幅相比较时仍为一极大值。又或者，若当前像素的振幅在与上述局部区域内其他像素的振幅相比较时为一极小值，则在步骤 506中的判断标准应为，当前像素的振幅在与上述第二区域内所有像素的振幅相比较时也为一极小值，步骤 508中的判断标准应为，当前像素的振幅在与上述第三区域内所有像素的振幅相比较时仍为一极小值。

本发明实施例在判定一个像素是否为该像素所在图像的兴趣点时，无需同时在内存中加载该图像的整张上层图像和整张下层图像，而仅需临时计算该像素所在的局部区域在上述上层图像和下层图像上的对应区域。由此可见，本发明实施例提供的技术方案可大大降低兴趣点判断过程对内存的占用。

借助本发明实施例提供的技术方案，用户可以使用智能终端来进行图像识别，以此来进行商品的价格比较等操作。例如，当用户在商场想要比较某一商品在其他商场或在线商店的价格时，用户可以拍摄该商品的照片，然后使用智能终端提取照片的特征数据，通过互联网传输至后台服务器，后台服务器根据照片的特征数据，在存储有大量商品图像特征数据的特征数据库中进行匹配，查询到匹配的商品，再^¹匹配的商品的价格返回给用户。

图 8是依据本发明一实施例的兴趣点判断过程的示范性示意图。如图 8 所示，其中展示了一张 LoG滤波图像 802，该 LoG滤波图像 802是通过对一目标图像进行 LoG滤波而获得的。

在判断 LoG滤波图像 802上的像素 810是否为 LoG滤波图像 802的兴趣点时，依照本发明实施例提供的技术方案，首先，将像素 810 的振幅与 LoG滤波图像 802上像素 810所在的局部区域（在本实施例中，该局部区域为一 3x3区域） 804内其他像素的振幅相比较，在比较结果显示像素 810的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

随后，使用构造 LoG滤波图像 802上层图像的 LoG滤波参数组对所述目标区域进行滤波处理，得到局部区域 804的上层区域 806。

随后，将像素 810的振幅与上层区域 806内所有像素的振幅相比较，在比较结果显示像素 810的振幅为一极值时，使用构造 LoG滤波图像 802下层图像的 LoG滤波参数组对所述目标区域进行滤波处理，得到局部区域 804 的下层区域 808。

最后，将像素 810的振幅与下层区域 808内所有像素的振幅相比较，在比较结果显示像素 810的振幅为一极值时，判定像素 810为 LoG滤波图像 802的兴趣点。

由图 8可知，在判定像素 810是否为 LoG滤波图像 802的兴趣点时，只需在内存中加载 LoG滤波图像 802即可，无需同时加载 LoG滤波图像 802 的整张上层图像和整张下层图像，而仅需临时计算该像素 810所在的局部区域 804在上述上层图像和下层图像上的对应区域 806和 808。由此可见，本发明实施例提供的技术方案可大大降低兴趣点判断过程对内存的占用。

在图 8所示的兴趣点判断过程中，是首先生成局部区域 804的上层区域 806，再生成局部区域 804的下层区域 808。然而，在具体实现过程中，也可首先生成局部区域 804的下层区域 808，再生成局部区域 804的上层区域 806。此外，作为一种次优的兴趣点判断方案，还可同时生成局部区域 804 的上层区域 806和下层区域 808。在这种情况下，需要同时将像素 810的振幅与上层区域 806和下层区域 808内所有像素的振幅进行比较。不难理解，这种次优的兴趣点判断方案在一些情况下会增加额外的计算量。例如，依照图 8所示的兴趣点判断过程，若像素 810的振幅在与上层区域 806内所有像素的振幅进行比较时已经不再是一个极值，则依照图 8所示的兴趣点判断过程，无需再将像素 810的振幅与下层区域 808内所有像素的振幅进行比较，因此也就无需生成下层区域 808。而依照上述次优的兴趣点判断方案，仍然需要生成下层区域 808。由此可见，相比图 5和图 8所示的兴趣点判断方法，上述次优的兴趣点判断方案在一些情况下会增加额外的计算量。

应注意，在具体实现过程中，图 5所示的方法并非只能对 LoG滤波场景进行优化。在具体实现过程中，还可基于图 5所示方法的原理，对 SURF (加速鲁棒特征， Speeded Up Robust Features ) 算法进行优化。下面就对优化后的 SURF算法进行描述。

图 9是依据本发明一实施例的兴趣点判断方法 900的示范性流程图。方法 900用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一方框滤波参数对目标图像进行滤波处理再对滤波处理后的目标图像计算海森（Hessian)行列式响应而得到的，所述当前像素为所述当前图像上响应值为正的像素。

步骤 902，将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；步骤 904，使用第二方框滤波参数对所述目标区域进行滤波处理，再对滤波处理后的目标区域计算 Hessian行列式响应，得到第二区域；

步骤 906，将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，使用第三方框滤波参数对所述目标区域进行滤波处理，再对滤波处理后的目标区域计算 Hessian行列式响应，得到第三区域；

步骤 908，将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，判定当前像素为当前图像的兴趣点。

在具体实现过程中，第一方框滤波参数、第二方框滤波参数和第三方框滤波参数可对应不同大小的滤波矩阵，且第二区域为局部区域的上层区域或者下层区域，第三区域为目标区域的下层区域或者上层区域。

图 10是依据本发明一实施例的兴趣点判断方法 1000的示范性流程图。方法 1000 用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，且与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比，当前像素的振幅为一极值。

步骤 1002，确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

步骤 1004，使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域。

步骤 1006，将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域。

步骤 1008，将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。

如上文所述，每一滤波参数组包括第一滤波参数和第二滤波参数，所述滤波处理包括：

使用该滤波处理所使用的滤波参数组中的第一滤波参数对待处理图像进行第一滤波操作，得到第一滤波图像；

使用该滤波处理所使用的滤波参数组中的第二滤波参数对第一滤波图像进行第二滤波操作，得到第二滤波图像。

如上文所述，所述第一滤波参数为高斯滤波参数，所述第二滤波参数为拉普拉斯滤波参数，所述第一滤波操作为高斯滤波操作，所述第二滤波操作为拉普拉斯滤波操作。

如上文所述，所述第一滤波参数组中的第一滤波参数为 σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ( Ν + 1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν -1) ; 或者

所述所述第一滤波参数组中的第一滤波参数为 _σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ(Ν -1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν + 1)。

如上文所述，可以进行如下设置，即 _CT(N) = k^N _CT，其中 k和 j为常数。如上文所述，所述局部区域至少包括当前像素和与该当前像素相邻的 8 个像素。

各技术特征的细节已经在前文进行了详细的描述，因此此处不再赘述。在具体实现过程中，可首先在当前图像上筛选出与所在局部区域内其他像素的振幅相比，振幅为一极值的像素，然后对筛选出的每一像素，应用图 10所示的方法 1000。

在具体实现过程中，可将现有技术与图 10所示的方法 1000相结合，来确定当前图像的兴趣点。具体来说，可首先在当前图像上筛选出与所在局部区域内其他像素的振幅相比，振幅为一极值的像素。如果筛选出的像素的数量超过预先设置的阔值（该阔值可根据需要进行设置），则参照现有技术的方法，在内存中加载当前图像的整张上层图像和整张下层图像，然后逐一判断筛选出的像素是否是当前图像的兴趣点。另一方面，如果筛选出的像素的数量没有超过预先设置的阔值，则依照图 10所示的方法 1000来逐一判断筛选出的像素是否是当前图像的兴趣点。

此外，在确定当前图像的兴趣点时，还可将当前图像分解为多个图像块，其中垂直相邻的图像块存在至少两行重叠的像素，水平相邻的图像块存在至少两列重叠的像素。此外，图像块的大小可以是相同的，也可以是不同的。事实上，每个图像块都是一张图像，因此便可依照本发明以及现有技术中介绍的各种方法来确定每个图像块的兴趣点。例如，在确定每个图像块的兴趣点时，可首先在当前图像块上筛选出与所在局部区域内其他像素的振幅相比，振幅为一极值的像素。如果筛选出的像素的数量超过预先设置的阔值，则参照现有技术的方法，在内存中加载当前图像块的整张上层图像块和整张下层图像块，然后逐一判断筛选出的像素是否是当前图像的兴趣点。另一方面，如果筛选出的像素的数量没有超过预先设置的阔值，则依照图 10所示的方法 1000来逐一判断筛选出的像素是否是当前图像的兴趣点。在确定每个图像块的兴趣点后，便可根据每个图像块的兴趣点，确定整张当前图像的兴趣点，例如将所有图像块的兴趣点都视为当前图像的兴趣点。

在将当前图像分解为多个图像块时，可以以图像块左上角像素在当前图像中的坐标和图像块的宽和高表示图像块，比如，若将宽为 480、高为 640 的当前图像分成大小相等的两个图像块，则可以采用下列方式表示这两个图像块：第一个图像块初始像素坐标为（0,0) ，宽为 242，高为 640，第二个图像块初始像素坐标为（238,0) ，宽为 242，高为 640。若将宽为 480、高为 640的图像分成大小相等的四个图像块，则可以采用下列方式表示这四个图像块：第一个图像块初始像素坐标为（0,0) ，宽为 242，高为 322 ; 第二个图像块初始像素坐标为（238,0) ，宽为 242，高为 322 ; 第三个图像块初始像素坐标为（0,318 ) ，宽为 242，高为 322 ; 第四个图像块初始像素坐标为（238,318) ，宽为 242，高为 322。

图 11是依据本发明一实施例的兴趣点判断装置 1100的示范性硬件结构示意图。兴趣点判断装置 1100用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的。如图 11所示，兴趣点判断装置 1100包括存储器 1102和处理器 1104。

存储器 1102 可以采用例如但不限于随机存取存储器（Random Access Memory, RAM) 等。在本发明实施例提供的兴趣点判断装置 1100中，存储器 1102用于存储所述当前图像。

处理器 1104 可以采用例如但不限于通用的中央处理器（Central

Processing Unit, CPU) ，微处理器，应用专用集成电路 (Application Specific Integrated Circuit, ASIC) 等。在本发明实施例提供的兴趣点判断装置 1100 中，处理器 1104用于执行如下操作：

如上文所述，在具体实现过程中，每一滤波参数组包括第一滤波参数和第二滤波参数，所述滤波处理包括：

如上文所述，在具体实现过程中，所述第一滤波参数为高斯滤波参数，所述第二滤波参数为拉普拉斯滤波参数，所述第一滤波操作为高斯滤波操作，所述第二滤波操作为拉普拉斯滤波操作。

如上文所述，在具体实现过程中，所述第一滤波参数组中的第一滤波参数为 σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ(Ν + 1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν -1) ; 或者

所述所述第一滤波参数组中的第一滤波参数为 _σ(Ν)，所述第二滤波参数组中的第一滤波参数为 _σ(Ν -1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν + 1)。

如上文所述，在具体实现过程中，可进行如下设置， σ(Ν) = 1ί^Νσ，其中 k 和 j为常数。

如上文所述，在具体实现过程中，所述局部区域至少包括当前像素和与该当前像素相邻的 8个像素。

相关技术特征（例如极值、滤波参数组等）的更多细节已经在上文进行了详细的描述，因此此处不再赘述。

不难理解，图 11所示的兴趣点判断装置 1100可用于实现图 5所示的兴趣点判断方法 500。然而，应注意，在图 11所示的兴趣点判断装置 1100也可用于实现图 9所示的兴趣点判断方法 900和图 10所示的兴趣点判断方法 1000。

具体来说，在实现图 9所示的兴趣点判断方法 900时，图 11所示的兴趣点判断装置 1100用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一方框滤波参数对目标图像进行滤波处理再对滤波处理后的目标图像计算海森（Hessian)行列式响应而得到的，所述当前像素为所述当前图像上响应值为正的像素。

在实现图 9所示的兴趣点判断方法 900时，存储器 1102用于存储所述当前图像。

在实现图 9所示的兴趣点判断方法 900时，处理器 1104用于执行如下操作：

将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；

使用第二方框滤波参数对所述目标区域进行滤波处理，再对滤波处理后的目标区域计算 Hessian行列式响应，得到第二区域；

将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，使用第三方框滤波参数对所述目标区域进行滤波处理，再对滤波处理后的目标区域计算 Hessian行列式响应，得到第三区域；

将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极大值时，判定当前像素为当前图像的兴趣点。

相关技术特征（例如极值、方框滤波参数等）的更多细节已经在上文进行了详细的描述，因此此处不再赘述。

在实现图 10所示的兴趣点判断方法 1000时，图 11所示的兴趣点判断装置 1100用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，且与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比，当前像素的振幅为一极值。

在实现图 10所示的兴趣点判断方法 1000时，存储器 1102用于存储所述当前图像。

在实现图 10所示的兴趣点判断方法 1000时，处理器 1104用于执行如下操作：

确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域。将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域。

应注意，尽管图 11所示的兴趣点判断装置 1100仅仅示出了存储器 1102 和处理器 1104，但是在具体实现过程中，本领域的技术人员应当明白，兴趣点判断装置 1100还包含实现正常运行所必须的其他器件。同时，根据具体需要，本领域的技术人员应当明白，兴趣点判断装置 1100还可包含实现其他附加功能的硬件器件。

图 12是依据本发明一实施例的兴趣点判断装置 1200的示范性硬件结构示意图。兴趣点判断装置 1200用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的。如图 12所示，兴趣点判断装置 1200包括存储器 1202、处理器 1204、输入 /输出接口 1206、通信接口 1208和总线 1210。

存储器 1202和处理器 1204的功能和实现方式分别同图 11所描述的兴趣点判断装置 1100中的存储器 1102和处理器 1104。

输入 /输出接口 1206用于接收输入的数据和信息，输出操作结果等数据。通信接口 1208使用例如但不限于收发器一类的收发装置，来实现兴趣点判断装置 1200与其他设备或通信网络之间的通信。

总线 1210可包括一通路，用于在兴趣点判断装置 1200各个部件（例如处理器 1202、存储器 1204、输入 /输出接口 1206和通信接口 1208) 之间传送信息。

图 13是依据本发明一实施例的兴趣点判断装置 1300的示范性逻辑结构示意图。兴趣点判断装置 1300用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的。如图 13所示，兴趣点判断装置 1100包括主控制模块 1302、比较模块 1304和滤波处理模块 1306。

主控制模块 1302用于调用比较模块 1304将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，且主控制模块

1302 还用于在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

主控制模块 1302还用于调用滤波处理模块 1306使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域。

主控制模块 1302还用于调用比较模块 1304将当前像素的振幅与所述第二区域内所有像素的振幅相比较，且主控制模块 1302还用于在比较结果显示当前像素的振幅为一极值时，调用滤波处理模块 1306使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域；

主控制模块 1302还用于调用比较模块 1304将当前像素的振幅与所述第三区域内所有像素的振幅相比较，且主控制模块 1302还用于在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。

不难理解，图 13所示的兴趣点判断装置 1300可用于实现图 5所示的兴趣点判断方法 500。然而，应注意，图 13所示的兴趣点判断装置 1300还可用于实现图 10所示的兴趣点判断方法 1000。

具体来说，在实现图 10所示的兴趣点判断方法 1000时，图 13所示的兴趣点判断装置 1300用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，且与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比，当前像素的振幅为一极值。

在实现图 10所示的兴趣点判断方法 1000时，主控制模块 1302用于确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

主控制模块 1302还用于调用比较模块 1304将当前像素的振幅与所述第二区域内所有像素的振幅相比较，主控制模块 1302还用于在比较结果显示当前像素的振幅为一极值时，调用滤波处理模块 1306使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域。

主控制模块 1302还用于调用比较模块 1304将当前像素的振幅与所述第三区域内所有像素的振幅相比较，主控制模块 1302还用于在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。

有关第一滤波参数组、第二滤波参数组、第三滤波参数组、极值、局部区域、滤波处理、对应区域等技术特征的内容已经在前文进行了详细的描述，因此此处不再赘述。

图 14是依据本发明一实施例的兴趣点判断装置 1400的示范性逻辑结构示意图。兴趣点判断装置 1400用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一方框滤波参数对目标图像进行滤波处理再对滤波处理后的目标图像计算海森（Hessian)行列式响应而得到的，所述当前像素为所述当前图像上响应值为正的像素。如图 14 所示，兴趣点判断装置 1400包括主控制模块 1402、比较模块 1404、滤波处理模块 1406和计算模块 1408。

主控制模块 1402用于调用比较模块 1404将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，主控制模块 1402 还用于在比较结果显示当前像素的振幅为一极大值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域。

主控制模块 1402还用于调用滤波处理模块 1406使用第二方框滤波参数对所述目标区域进行滤波处理，再调用计算模块 1408对滤波处理后的目标区域计算 Hessian行列式响应，得到第二区域；

主控制模块 1402还用于调用比较模块 1404将当前像素的振幅与所述第二区域内所有像素的振幅相比较，主控制模块 1402还用于在比较结果显示当前像素的振幅为一极大值时，调用滤波处理模块 1406使用第三方框滤波参数对所述目标区域进行滤波处理，再调用计算模块 1408对滤波处理后的目标区域计算 Hessian行列式响应，得到第三区域；

主控制模块 1402还用于调用比较模块 1404将当前像素的振幅与所述第三区域内所有像素的振幅相比较，主控制模块 1402还用于在比较结果显示当前像素的振幅为一极大值时，判定当前像素为当前图像的兴趣点。

不难理解，图 14所示的兴趣点判断装置 1400可用于实现图 9所示的兴趣点判断方法 900。

本领域普通技术人员可知，上述方法中的全部或部分步骤可以通过程序指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，该计算机可读存储介质如 ROM、 RAM和光盘等。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

权利要求书

1、一种兴趣点判断方法，用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，其特征在于，所述方法包括：

将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；

使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域；将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域；

将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。
2、如权利要求 1 所述的方法，其特征在于，每一滤波参数组包括第一滤波参数和第二滤波参数，所述滤波处理包括：

使用该滤波处理所使用的滤波参数组中的第一滤波参数对待处理图像进行第一滤波操作，得到第一滤波图像；

使用该滤波处理所使用的滤波参数组中的第二滤波参数对第一滤波图像进行第二滤波操作，得到第二滤波图像。
3、如权利要求 2所述的方法，其特征在于，所述第一滤波参数为高斯滤波参数，所述第二滤波参数为拉普拉斯滤波参数，所述第一滤波操作为高斯滤波操作，所述第二滤波操作为拉普拉斯滤波操作。
4、如权利要求 2所述的方法，其特征在于，所述第一滤波参数组中的第一滤波参数为 σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ(Ν + 1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν -1) ; 或者

所述所述第一滤波参数组中的第一滤波参数为 _σ(Ν)，所述第二滤波参数组中的第一滤波参数为 _σ(Ν -1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν + 1)。
5、如权利要求 4 所述的方法，其特征在于， CT(N) = kNCT，其中 k和 j为常数。
6、如权利要求 1所述的方法，其特征在于，所述局部区域至少包括当前像素和与该当前像素相邻的 8个像素。
7、一种兴趣点判断装置，用于判断当前像素是否为当前像素所在的当前图像的兴趣点，其中，所述当前图像是通过使用第一滤波参数组对目标图像进行滤波处理而得到的，其特征在于，所述装置包括：

存储器，用于存储所述当前图像；

处理器，用于执行如下操作：

将当前像素的振幅与当前图像上所述当前像素所在的局部区域内其他像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，确定所述局部区域在所述目标图像上的对应区域，作为目标区域；使用第二滤波参数组对所述目标区域进行滤波处理，得到第二区域；

将当前像素的振幅与所述第二区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，使用第三滤波参数组对所述目标区域进行滤波处理，得到第三区域；

将当前像素的振幅与所述第三区域内所有像素的振幅相比较，在比较结果显示当前像素的振幅为一极值时，判定当前像素为当前图像的兴趣点。
8、如权利要求 7所述的装置，其特征在于，每一滤波参数组包括第一滤波参数和第二滤波参数，所述滤波处理包括：

使用该滤波处理所使用的滤波参数组中的第一滤波参数对待处理图像进行第一滤波操作，得到第一滤波图像；使用该滤波处理所使用的滤波参数组中的第二滤波参数对第一滤波图像进行第二滤波操作，得到第二滤波图像。
9、如权利要求 8所述的装置，其特征在于，所述第一滤波参数为高斯滤波参数，所述第二滤波参数为拉普拉斯滤波参数，所述第一滤波操作为高斯滤波操作，所述第二滤波操作为拉普拉斯滤波操作。
10、如权利要求 8所述的装置，其特征在于，所述第一滤波参数组中的第一滤波参数为 σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ(Ν + 1)，所述第三滤波参数组中的第一滤波参数为 σ( Ν - 1)；或者

所述所述第一滤波参数组中的第一滤波参数为 _σ(Ν)，所述第二滤波参数组中的第一滤波参数为 σ(Ν -1)，所述第三滤波参数组中的第一滤波参数为 σ(Ν + 1)。
11、如权利要求 10所述的装置，其特征在于， CT(N) = kNCT，其中 k和 j为常数。
12、如权利要求 7所述的装置，其特征在于，所述局部区域至少包括当前像素和与该当前像素相邻的 8个像素。