CN110298356A - 一种图像特征描述子创建方法 - Google Patents
一种图像特征描述子创建方法 Download PDFInfo
- Publication number
- CN110298356A CN110298356A CN201810245159.8A CN201810245159A CN110298356A CN 110298356 A CN110298356 A CN 110298356A CN 201810245159 A CN201810245159 A CN 201810245159A CN 110298356 A CN110298356 A CN 110298356A
- Authority
- CN
- China
- Prior art keywords
- image
- description
- point
- gradient
- assigned
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000011084 recovery Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 241000282320 Panthera leo Species 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像特征描述子创建方法，涉及图像尺度空间特征描述，具体包括以下步骤：S1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；S2，确定计算描述子所需的图像区域；S3，将坐标轴旋转为关键点的方向；S4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；S5，插值计算每个种子点8个方向的梯度；S6，统计梯度信息；S7，按特征点的尺度对特征描述向量进行排序，生成描述子。S1采用高斯差分金字塔进行尺度归一化。本发明能够有效构建出经过降低维度后的特征描述子，有效降低后期的图像识别、复原等操作的噪声，提高准确率。
Description
技术领域
本发明涉及一种图像尺度空间特征描述，具体涉及一种图像特征描述子创建方法。
背景技术
描述子作为图像识别、复原等图像处理工作的基本载体，需要具备旋转稳定性、尺度变化适应性等特点。
发明内容
本发明所要解决的技术问题是关键特征点在尺度空间的描述子分析，目的在于提供一种图像特征描述子创建方法，解决上述问题。
一种图像特征描述子创建方法，具体包括以下步骤：
S1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；实现图像的降维，避免噪声过大影响图像的后期干扰。
S2，确定计算描述子所需的图像区域；将关键点附近的邻域划分为d*d(Lowe建议d＝4)个子区域，每个子区域作为一个种子点，每个种子点有8个方向。每个子区域的大小与关键点方向分配时相同，即每个区域有多个子像素。
S3，将坐标轴旋转为关键点的方向；
S4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；旋转后的采样点坐标在半径为radius的圆内被分配到d*d的子区域，计算影响子区域的采样点的梯度和方向，分配到8个方向上。
S5，插值计算每个种子点8个方向的梯度；
S6，统计梯度信息；特征向量形成后，为了去除光照变化的影响，需要对它们进行归一化处理，对于图像灰度值整体漂移，图像各点的梯度是邻域像素相减得到，所以也能去除。
S7，按特征点的尺度对特征描述向量进行排序，生成描述子。
进一步地，S1采用高斯差分金字塔进行尺度归一化。尺度归一化后的高斯拉普拉斯函数的极大值和极小值同其它的特征提取函数，例如：梯度，Hessian或Harris角特征比较，能够产生最稳定的图像特征，对后期的处理稳定性起决定性作用。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明一种图像特征描述子创建方法，能够有效构建出经过降低维度后的特征描述子，具有稳定可靠的优点，有效降低后期的图像识别、复原等操作的噪声，提高准确率。
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，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
本发明一种图像特征描述子创建方法，具体包括以下步骤：
S1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；实现图像的降维，避免噪声过大影响图像的后期干扰。
S2，确定计算描述子所需的图像区域；将关键点附近的邻域划分为d*d(Lowe建议d＝4)个子区域，每个子区域做为一个种子点，每个种子点有8个方向。每个子区域的大小与关键点方向分配时相同，即每个区域有多个子像素。
S3，将坐标轴旋转为关键点的方向；
S4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；旋转后的采样点坐标在半径为radius的圆内被分配到d*d的子区域，计算影响子区域的采样点的梯度和方向，分配到8个方向上。
S5，插值计算每个种子点8个方向的梯度；
S6，统计梯度信息；特征向量形成后，为了去除光照变化的影响，需要对它们进行归一化处理，对于图像灰度值整体漂移，图像各点的梯度是邻域像素相减得到，所以也能去除。
S7，按特征点的尺度对特征描述向量进行排序，生成描述子。
S1采用高斯差分金字塔进行尺度归一化。尺度归一化后的高斯拉普拉斯函数的极大值和极小值同其它的特征提取函数，例如：梯度，Hessian或Harris角特征比较，能够产生最稳定的图像特征，对后期的处理稳定性起决定性作用。
以上所述的具体实施方式，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方式而已，并不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 (2)
1.一种图像特征描述子创建方法，其特征在于，具体包括以下步骤：
S1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；
S2，确定计算描述子所需的图像区域；
S3，将坐标轴旋转为关键点的方向；
S4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；
S5，插值计算每个种子点8个方向的梯度；
S6，统计梯度信息；
S7，按特征点的尺度对特征描述向量进行排序，生成描述子。
2.根据权利要求1所述的一种图像特征描述子创建方法，其特征在于，S1采用高斯差分金字塔进行尺度归一化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810245159.8A CN110298356A (zh) | 2018-03-23 | 2018-03-23 | 一种图像特征描述子创建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810245159.8A CN110298356A (zh) | 2018-03-23 | 2018-03-23 | 一种图像特征描述子创建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110298356A true CN110298356A (zh) | 2019-10-01 |
Family
ID=68025929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810245159.8A Withdrawn CN110298356A (zh) | 2018-03-23 | 2018-03-23 | 一种图像特征描述子创建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110298356A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160363A (zh) * | 2019-12-02 | 2020-05-15 | 深圳市优必选科技股份有限公司 | 特征描述子生成方法、装置、可读存储介质及终端设备 |
-
2018
- 2018-03-23 CN CN201810245159.8A patent/CN110298356A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160363A (zh) * | 2019-12-02 | 2020-05-15 | 深圳市优必选科技股份有限公司 | 特征描述子生成方法、装置、可读存储介质及终端设备 |
| CN111160363B (zh) * | 2019-12-02 | 2024-04-02 | 深圳市优必选科技股份有限公司 | 特征描述子生成方法、装置、可读存储介质及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765325B (zh) | 一种小型无人机模糊图像复原方法 | |
| US7538779B2 (en) | Method of rendering pixel images from abstract datasets | |
| CN104715487B (zh) | 一种基于伪Zernike矩的亚像素边缘检测方法 | |
| WO2015106700A1 (en) | Method and apparatus for implementing image denoising | |
| CN109064426A (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
| CN105488791B (zh) | 自然背景中图像边缘的定位方法及装置 | |
| CN107194896B (zh) | 一种基于邻域结构的背景抑制方法和系统 | |
| CN103927730B (zh) | 基于Primal Sketch修正及矩阵填充的图像降噪方法 | |
| CN107203770A (zh) | 一种光学捷联导引头图像跟踪方法 | |
| CN105869133B (zh) | 一种基于非因果分数阶次微分的图像锐化方法 | |
| CN108257155A (zh) | 一种基于局部和全局耦合的扩展目标稳定跟踪点提取方法 | |
| Lee et al. | Robust registration of cloudy satellite images using two-step segmentation | |
| CN104715491A (zh) | 一种基于一维灰度矩的亚像素边缘检测方法 | |
| CN110298356A (zh) | 一种图像特征描述子创建方法 | |
| CN111402300A (zh) | 一种基于双谱域主成分分析的高动态星敏感器运动参数估计方法 | |
| CN106525027B (zh) | 一种基于局部二值模式的星敏感器星点提取方法 | |
| CN112465707A (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
| Chen et al. | Frequency-Adaptive Dilated Convolution for Semantic Segmentation | |
| CN110298217A (zh) | 用于表征关键点在尺度空间位置的描述子分析方法 | |
| CN109785318B (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
| Zou et al. | Geodesic-based pavement shadow removal revisited | |
| CN116883235A (zh) | 一种面向分布式光电的图像拼接方法及装置 | |
| Shanmugavadivu et al. | Modified histogram equalization for image contrast enhancement using particle swarm optimization | |
| Guan et al. | A new image enhancement algorithm for PCB defect detection | |
| CN114693686A (zh) | 一种用于床单布匹污渍检测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191001 |