CN113361548B - 一种用于高光图像的局部特征描述及匹配方法 - Google Patents

Abstract

本发明涉及图像处理领域，且公开了一种用于高光图像的局部特征描述及匹配方法，其方法包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；所述图像消除高光预处理方法包括以下步骤：步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)>0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像。本发明先对图像进行消除高光处理，使其不用加入方向信息即可稳定的描述局部特征，这样，对比加入方向信息，数据描述量大大减小，相应的，特征匹配的运算量也减小，更具实时性。

Description

一种用于高光图像的局部特征描述及匹配方法

技术领域

本发明属于图像处理领域，具体为一种用于高光图像的局部特征描述及匹配方法。

背景技术

在图像处理领域中，表面光滑物体在复杂光照环境下的镜面反射导致了图像存在高光区域。高光图像中物体表面的纹理、边缘等有效局部信息大量丢失，给基于局部特征信息的视觉跟踪、场景重建、增强现实等应用带来不利影响，甚至造成任务失败。实际应用场景下需要一种针对高光图像的有效局部特征描述及匹配方法。

现有方法通过直接利用图像各像素点的灰度值计算梯度值或局部极值来提取局部特征点，特征点的稳定性和准确性容易受到高光的影响。在提取特征点之后，现有局部特征描述方法主要采用特征点邻域内像素点的灰度值及其梯度信息描述局部特征，但稳定性不高；为了提高稳定性，加入了方向信息，但又导致描述数据量增大，特征匹配算法复杂等问题。

特征匹配一般以两个向量之间的欧式距离或马氏距离衡量其相似性的最近邻搜索过程。对于最近邻搜索，遍历搜索算法虽然可以保证搜索到正确的最近邻，但是由于巨大的时间开销，使其无法应用于大规模的特征匹配系统中。近似最近邻搜索算法的提出一定程度上可以保证搜索精度，同时又比穷举搜索算法节省大量的时间。即便如此，描述子匹配在局部特征识别计算中占据很大比例的运算时间。

发明内容

本发明的目的在于：为解决上述背景技术中提出的现有技术中的局部特征描述复杂，表达及匹配运算量大，实时性不高的问题，本发明提供了一种用于高光图像的局部特征描述及匹配方法。

为实现上述目的，本发明提供了一种用于高光图像的局部特征描述及匹配方法，所述方法包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；

所述图像消除高光预处理方法包括以下步骤：

步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；

步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)>0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像；

所述局部特征表达方法包括以下步骤：

步骤一：确定样本集S；

步骤二：在步骤一中的样本集S中检测特征点K，并重复检测n次，得到n个K；

步骤三：在步骤二中的n个K中取中心图块P，此图块P中包括m个像素点，由此构成m个点集，每个点集中含n个像素点；

步骤四：将步骤三中的像素点灰度划分为L阶，统计点集中像素点的灰阶，生成L阶的直方图，设定阈值t，将直方图二值化，生成L位的二进制位串，m个点集生成m×L位的二进制位串D，用于描述该特征点代表的局部特征；

所述局部特征匹配方法包括以下步骤：

步骤一：提取待匹配图像特征点，取以该特征点为中心的图块Q，图块由m个像素点构成，若像素点灰度值位于L阶灰阶中的一阶范围内，则L位二进制位串的对应二进制为1，否则为0，m个像素点生成m×L位的二进制位串R；

步骤二：将二进制位串R和D按位进行“与”运算，统计结果中值为1的位数s，s小于给定的阈值d时，匹配成功，否则，匹配失败。

进一步地，所述方法还包括特征匹配加速方法，所述特征匹配加速方法包括以下步骤：

步骤一：在样本特征训练阶段，选取特征点邻域内的r个像素点，通过比较每个像素点与r个像素点均值的大小，得到r位的二进制数作为该特征点的特征值，特征值对应的十进制数范围为(2^r-1)；

步骤二：统计重复出现次数最高的q个特征值作为该特征点的候选特征值，计算所有特征点的特征值，构成特征值索引表；

步骤三：特征匹配阶段，首选在索引表中搜索与之匹配的特征点，进行粗匹配，之后再通过所述局部特征匹配方法中的步骤二中的匹配方法进行精确匹配。

与现有技术相比，本发明的有益效果是：

本发明中，先对图像进行消除高光处理，使其不用加入方向信息即可稳定的描述局部特征，这样，对比加入方向信息，数据描述量大大减小，相应的，特征匹配的运算量也减小，更具实时性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明的原理流程示意图；

图2为高光环境下的特征匹配结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本具体实施方式提供的用于高光图像的局部特征描述及匹配方法，包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；

1.图像消除高光预处理方法包括以下步骤：步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)>0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像；

2.局部特征表达方法包括以下步骤：步骤一：确定样本集S；步骤二：在步骤一中的样本集S中检测特征点K，并重复检测n次，得到n个K；步骤三：在步骤二中的n个K中取中心图块P，此图块P中包括m个像素点，由此构成m个点集，每个点集中含n个像素点；步骤四：将步骤三中的像素点灰度划分为L阶，统计点集中像素点的灰阶，生成L阶的直方图，设定阈值t，将直方图二值化，生成L位的二进制位串，m个点集生成m×L位的二进制位串D，用于描述该特征点代表的局部特征；

3.局部特征匹配方法包括以下步骤：步骤一：提取待匹配图像特征点，取以该特征点为中心的图块Q，图块由m个像素点构成，若像素点灰度值位于L阶灰阶中的一阶范围内，则L位二进制位串的对应二进制为1，否则为0，m个像素点生成m×L位的二进制位串R；步骤二：将二进制位串R和D按位进行“与”运算，统计结果中值为1的位数s，s小于给定的阈值d时，匹配成功，否则，匹配失败。

除此之外，本发明还提出了特征匹配加速方法，其包括以下步骤：步骤一：在样本特征训练阶段，选取特征点邻域内的r个像素点，通过比较每个像素点与r个像素点均值的大小，得到r位的二进制数作为该特征点的特征值，特征值对应的十进制数范围为(2^r-1)；步骤二：统计重复出现次数最高的q个特征值作为该特征点的候选特征值，计算所有特征点的特征值，构成特征值索引表；步骤三：特征匹配阶段，首选在索引表中搜索与之匹配的特征点，进行粗匹配，之后再通过局部特征匹配方法中的步骤二中的匹配方法进行精确匹配。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种用于高光图像的局部特征描述及匹配方法，其特征在于，所述方法包括图像消除高光预处理方法、局部特征表达方法和局部特征匹配方法；

所述图像消除高光预处理方法包括以下步骤：

步骤一：对图像I做核函数分别为f1＝Gx,f2＝Gy,f3＝Gxx,f4＝Gxy,f5＝Gyy的二阶高斯卷积运算，得到图像gI，图像gI中的像素点x处的灰度值为gI(x)；

步骤二：对步骤一中得到的图像gI中的像素点x进行如下运算：如果gI(x)>0,则dI(x)＝gI(x)；如果gI(x)≤0,则dI(x)＝0，dI为预处理之后的新图像；

所述局部特征表达方法包括以下步骤：

步骤一：确定样本集S；

步骤二：在步骤一中的样本集S中检测特征点K，并重复检测n次，得到n个K；

步骤三：在步骤二中的n个K中取中心图块P，此图块P中包括m个像素点，由此构成m个点集，每个点集中含n个像素点；

步骤四：将步骤三中的像素点灰度划分为L阶，统计点集中像素点的灰阶，生成L阶的直方图，设定阈值t，将直方图二值化，生成L位的二进制位串，m个点集生成m×L位的二进制位串D，用于描述该特征点代表的局部特征；

所述局部特征匹配方法包括以下步骤：

步骤一：提取待匹配图像特征点，取以该特征点为中心的图块Q，图块由m个像素点构成，若像素点灰度值位于L阶灰阶中的一阶范围内，则L位二进制位串的对应二进制为1，否则为0，m个像素点生成m×L位的二进制位串R；

步骤二：将二进制位串R和D按位进行“与”运算，统计结果中值为1的位数s，s小于给定的阈值d时，匹配成功，否则，匹配失败。

2.根据权利要求1所述的一种用于高光图像的局部特征描述及匹配方法，其特征在于，所述方法还包括特征匹配加速方法，所述特征匹配加速方法包括以下步骤：

步骤一：在样本特征训练阶段，选取特征点邻域内的r个像素点，通过比较每个像素点与r个像素点均值的大小，得到r位的二进制数作为该特征点的特征值，特征值对应的十进制数范围为(2^r-1)；

步骤二：统计重复出现次数最高的q个特征值作为该特征点的候选特征值，计算所有特征点的特征值，构成特征值索引表；

步骤三：特征匹配阶段，首选在索引表中搜索与之匹配的特征点，进行粗匹配，之后再通过所述局部特征匹配方法中的步骤二中的匹配方法进行精确匹配。