專利名稱：圖像特征提取系統(tǒng)及其方法
圖像特征提取系統(tǒng)及其方法
技術(shù)領(lǐng)域：
本發(fā)明圖像識(shí)別領(lǐng)域，特別是關(guān)于圖像特征提取的圖像特征提取系統(tǒng)及其方法。背景技術(shù)：
圖像局部特征是模式識(shí)別領(lǐng)域近年來涌現(xiàn)出的一類描述圖像特性的魯棒特征。這 類特征具有很強(qiáng)的區(qū)分力和穩(wěn)定性，基于這些局部特征的三維重建、圖像拼接、攝像機(jī)標(biāo) 定、圖像與視頻檢索、視頻跟蹤技術(shù)都取得了較大的成功。目前最常用的局部特征提取方法就是SIFT變換(全稱為Scale InvariantFeature Transformation,即尺度不變特征變換)，該變換可以提取出對(duì)圖像縮 放、旋轉(zhuǎn)甚至仿射變換都保持不變的圖像局部特征。SIFT變換首先檢測(cè)出圖像中的顯著性 結(jié)構(gòu)即尺度空間極值點(diǎn)，這些顯著結(jié)構(gòu)在圖像中往往稱作關(guān)鍵點(diǎn)(KeyPoint)。檢測(cè)出關(guān)鍵點(diǎn)之后，在各個(gè)關(guān)鍵點(diǎn)為中心的大小為8X8的圖像窗口中，計(jì)算梯度 方向直方圖作為各個(gè)關(guān)鍵點(diǎn)的特征。但是，SIFT變換存在一個(gè)嚴(yán)重的問題，即會(huì)在一幅圖像中產(chǎn)生大量的關(guān)鍵點(diǎn)，如圖 1所示，這會(huì)產(chǎn)生大量的特征，冗余信息很多，對(duì)于描述物體的特征以及后續(xù)的匹配、識(shí)別操 作都是十分不利的。

發(fā)明內(nèi)容本發(fā)明的目的就是提出一種能夠準(zhǔn)確提取圖像特征又能降低后續(xù)匹配過程中運(yùn) 算量的的圖像特征提取系統(tǒng)。本發(fā)明的另一目的在于提出一種能夠準(zhǔn)確提取圖像特征又能降低后續(xù)匹配過程 中運(yùn)算量的圖像特征提取方法。為達(dá)成前述目的，本發(fā)明一種圖像特征提取系統(tǒng)，其包括圖像關(guān)鍵點(diǎn)檢測(cè)單元，其檢測(cè)并初步確定圖像中的關(guān)鍵點(diǎn)；局部圖像重要性判斷單元，其對(duì)圖像關(guān)鍵點(diǎn)檢測(cè)單元初步確定的關(guān)鍵點(diǎn)進(jìn)行重要 性分析，獲得每個(gè)關(guān)鍵點(diǎn)的局部圖像重要性信息；空間位置重要性判斷單元，其對(duì)每個(gè)關(guān)鍵點(diǎn)進(jìn)行空間位置重要性分析，獲取每個(gè) 關(guān)鍵點(diǎn)的空間位置重要性信息；重要性排序單元，結(jié)合前述關(guān)鍵點(diǎn)的局部圖像重要性信息及空間位置重要性信息 對(duì)關(guān)鍵點(diǎn)重要性進(jìn)行排序；關(guān)鍵點(diǎn)篩選單元，依據(jù)重要性排序單元對(duì)關(guān)鍵點(diǎn)的排序選出排在前面的若干個(gè)關(guān) 鍵點(diǎn)，其余的予以剔除，挑選出重要的關(guān)鍵點(diǎn)。進(jìn)一步地，所述圖像關(guān)鍵點(diǎn)檢測(cè)單元采用尺度不變特征變換(SIFT變換)檢測(cè)圖 像中的關(guān)鍵點(diǎn)。進(jìn)一步地，所述局部圖像重要性判斷單元計(jì)算關(guān)鍵點(diǎn)圖像的信息熵來判斷關(guān)鍵點(diǎn) 的局部圖像重要性，熵值越高，則該關(guān)鍵點(diǎn)越重要。
進(jìn)一步地，所述空間位置重要性判斷單元確定以關(guān)鍵點(diǎn)為中心的不同大小的圖像 窗口，然后計(jì)算不同窗口圖像的直方圖的變化值，不同窗口圖像的直方圖的變化值越大則 圖像空間位置重要性越高。進(jìn)一步地，所述重要性排序單元是將前述關(guān)鍵點(diǎn)的熵值及關(guān)鍵點(diǎn)不同窗口圖像的 直方圖的變化值進(jìn)行乘積，計(jì)算關(guān)鍵點(diǎn)的重要性值，然后依據(jù)該重要性值對(duì)關(guān)鍵點(diǎn)進(jìn)行排序。為達(dá)成前述另一目的，本發(fā)明一種圖像特征提取方法，其包括對(duì)輸入的圖像進(jìn)行關(guān)鍵點(diǎn)檢測(cè)，獲取η個(gè)關(guān)鍵點(diǎn)的位置；計(jì)算每個(gè)關(guān)鍵點(diǎn)的局部圖像重要性；計(jì)算每個(gè)關(guān)鍵點(diǎn)的空間位置重要性信息；結(jié)合前述關(guān)鍵點(diǎn)的局部圖像重要性信息及空間位置重要性信息對(duì)關(guān)鍵點(diǎn)重要性 進(jìn)行排序；依據(jù)重要性排序單元對(duì)關(guān)鍵點(diǎn)的排序選出排在前面的若干個(gè)關(guān)鍵點(diǎn)，其余的予以 剔除，挑選出重要的關(guān)鍵點(diǎn)。進(jìn)一步地，所述對(duì)輸入的圖像進(jìn)行關(guān)鍵點(diǎn)檢測(cè)是采用尺度不變特征變換(SIFT變 換)檢測(cè)圖像中的關(guān)鍵點(diǎn)。進(jìn)一步地，所述計(jì)算每個(gè)關(guān)鍵點(diǎn)的局部圖像重要性是計(jì)算關(guān)鍵點(diǎn)圖像的信息熵來 判斷關(guān)鍵點(diǎn)的局部圖像重要性，熵值越高，則該關(guān)鍵點(diǎn)越重要，其中圖像熵值的計(jì)算為
255EN(I) = -Yj p(g) Iog2 p(g)
g=o其中，p(g)表示圖像I中灰度等于g的所有像素點(diǎn)的個(gè)數(shù)N(g)與圖像中總的像 素?cái)?shù)N的比值即尸(幻
ο進(jìn)一步地，所述計(jì)算每個(gè)關(guān)鍵點(diǎn)的空間位置重要性信息包括確定以關(guān)鍵點(diǎn)為中心的不同大小的圖像窗口 ；計(jì)算不同窗口圖像的直方圖的變化值，不同窗口圖像的直方圖的變化值越大則圖 像空間位置重要性越高，其中不同窗口的直方圖的變化值為
1 +1 255 __ Δ(Χ,^) = -Σ Σ力—兄di
L d=-l i=0異為以關(guān)鍵點(diǎn)為中心的圖像窗口的歸一化直方圖，異為窗口大小變 化d之后以關(guān)鍵點(diǎn)為中心的圖像窗口的歸一化直方圖。進(jìn)一步地，所述重要性排序單元是將前述關(guān)鍵點(diǎn)的熵值及關(guān)鍵點(diǎn)不同窗口圖像的 直方圖的變化值進(jìn)行乘積，計(jì)算關(guān)鍵點(diǎn)的重要性值，然后依據(jù)該重要性值對(duì)關(guān)鍵點(diǎn)進(jìn)行排序。與現(xiàn)有的圖像局部特征提取方法相比，本發(fā)明根據(jù)對(duì)各個(gè)關(guān)鍵點(diǎn)的重要性的評(píng) 估，從中挑選出重要的關(guān)鍵點(diǎn)來描述目標(biāo)，避免了次要關(guān)鍵點(diǎn)的影響，既提高了目標(biāo)識(shí)別的 準(zhǔn)確程度，又降低了后續(xù)匹配過程中的運(yùn)算量。

圖1是現(xiàn)有的SIFT變換中關(guān)鍵點(diǎn)太多的示意圖。
5
圖2是本發(fā)明的圖像特征提取系統(tǒng)的結(jié)構(gòu)框圖。圖3是本發(fā)明圖像特征提取系統(tǒng)的圖像關(guān)鍵點(diǎn)檢測(cè)單元初步檢測(cè)關(guān)鍵點(diǎn)的示意 圖。圖4是本發(fā)明特征提取系統(tǒng)的圖像關(guān)鍵點(diǎn)檢測(cè)單元確定關(guān)鍵點(diǎn)特征向量的示意 圖。圖5是不同圖像塊的灰度直方圖，以證明熵是一種合理的圖像重要性度量。圖6是具有相同的熵值的不同圖像的示意圖。圖7是本發(fā)明特征提取系統(tǒng)的特征提取方法的流程圖。
具體實(shí)施方式此處所稱的“一個(gè)實(shí)施例”或“實(shí)施例”是指可包含于本發(fā)明至少一個(gè)實(shí)現(xiàn)方式中 的特定特征、結(jié)構(gòu)或特性。在本說明書中不同地方出現(xiàn)的“在一個(gè)實(shí)施例中”并非均指同一 個(gè)實(shí)施例，也不是單獨(dú)的或選擇性的與其他實(shí)施例互相排斥的實(shí)施例。請(qǐng)參閱圖2所示，其顯示本發(fā)明的圖像特征提取系統(tǒng)2的結(jié)構(gòu)框圖。如圖所示，本 發(fā)明的圖像特征提取系統(tǒng)2其包括圖像關(guān)鍵點(diǎn)檢測(cè)單元21、局部圖像重要性判斷單元22、 空間位置重要性判斷單元23、重要性排序單元24以及關(guān)鍵點(diǎn)篩選單元25。圖像關(guān)鍵點(diǎn)檢測(cè)單元21用于對(duì)輸入的圖像進(jìn)行關(guān)鍵點(diǎn)檢測(cè)，其中檢測(cè)的具體方 法為使用SIFT變換(全稱為Scale Invariant Feature Transformation，即尺度不變特征 變換)獲取圖像中各個(gè)關(guān)鍵點(diǎn)的特征向量。如圖3所示，SIFT變換的方法首先對(duì)圖像進(jìn)行 尺度空間極值檢測(cè)，以初步確定關(guān)鍵點(diǎn)位置和所在尺度。在檢測(cè)尺度空間極值時(shí)，圖中標(biāo)記 為叉號(hào)的像素需要跟包括同一尺度的周圍鄰域9X2個(gè)像素總共26個(gè)像素進(jìn)行比較，以確 保在尺度空間和二維圖像空間都檢測(cè)到局部極值。如圖4所示，檢測(cè)出關(guān)鍵點(diǎn)之后，在各個(gè) 關(guān)鍵點(diǎn)為中心的大小為8X8的圖像窗口中，計(jì)算梯度方向直方圖作為各個(gè)關(guān)鍵點(diǎn)的特征。 關(guān)于SIFT變換的其他具體步驟為本領(lǐng)域技術(shù)人員應(yīng)當(dāng)知道的技術(shù)，因此本說明書不再具 體詳細(xì)說明。如前述背景技術(shù)中所述，SIFT變換存在一個(gè)嚴(yán)重的問題，即會(huì)在一幅圖像中產(chǎn)生 大量的關(guān)鍵點(diǎn)，如圖1所示，這會(huì)產(chǎn)生大量的特征，冗余信息很多，對(duì)于描述物體的特征以 及后續(xù)的匹配、識(shí)別操作都是十分不利的。因此在檢測(cè)出關(guān)鍵點(diǎn)之后進(jìn)一步判斷每個(gè)關(guān)鍵 點(diǎn)的重要性。局部圖像重要性判斷單元22使用圖像信息熵來衡量各個(gè)關(guān)鍵點(diǎn)的重要程度。圖 像信息熵是衡量圖像信息豐富程度的一個(gè)重要指標(biāo)，表示一幅圖像包含信息量的多少，圖 像的熵值越大，說明圖像信息越豐富。任意一幅圖像I的信息熵可以按照如下公式來計(jì)算
權(quán)利要求
1.一種圖像特征提取系統(tǒng)，其包括圖像關(guān)鍵點(diǎn)檢測(cè)單元，其檢測(cè)并初步確定圖像中的關(guān)鍵點(diǎn)；局部圖像重要性判斷單元，其對(duì)圖像關(guān)鍵點(diǎn)檢測(cè)單元初步確定的關(guān)鍵點(diǎn)進(jìn)行重要性分 析，獲得每個(gè)關(guān)鍵點(diǎn)的局部圖像重要性信息；空間位置重要性判斷單元，其對(duì)每個(gè)關(guān)鍵點(diǎn)進(jìn)行空間位置重要性分析，獲取每個(gè)關(guān)鍵 點(diǎn)的空間位置重要性信息；重要性排序單元，結(jié)合前述關(guān)鍵點(diǎn)的局部圖像重要性信息及空間位置重要性信息對(duì)關(guān) 鍵點(diǎn)重要性進(jìn)行排序；關(guān)鍵點(diǎn)篩選單元，依據(jù)重要性排序單元對(duì)關(guān)鍵點(diǎn)的排序選出排在前面的若干個(gè)關(guān)鍵 點(diǎn)，其余的予以剔除，挑選出重要的關(guān)鍵點(diǎn)。
2.如權(quán)利要求1所述的圖像特征提取系統(tǒng)，其特征在于所述圖像關(guān)鍵點(diǎn)檢測(cè)單元采 用尺度不變特征變換(SIFT變換)檢測(cè)圖像中的關(guān)鍵點(diǎn)。
3.如權(quán)利要求1所述的圖像特征提取系統(tǒng)，其特征在于所述局部圖像重要性判斷單 元計(jì)算關(guān)鍵點(diǎn)圖像的信息熵來判斷關(guān)鍵點(diǎn)的局部圖像重要性，熵值越高，則該關(guān)鍵點(diǎn)越重 要。
4.如權(quán)利要求1或3所述的圖像特征提取系統(tǒng)，其特征在于所述空間位置重要性判 斷單元確定以關(guān)鍵點(diǎn)為中心的不同大小的圖像窗口，然后計(jì)算不同窗口圖像的直方圖的變 化值，不同窗口圖像的直方圖的變化值越大則圖像空間位置重要性越高。
5.如權(quán)利要求4所述的圖像特征提取系統(tǒng)，其特征在于所述重要性排序單元是將前 述關(guān)鍵點(diǎn)的熵值及關(guān)鍵點(diǎn)不同窗口圖像的直方圖的變化值進(jìn)行乘積，計(jì)算關(guān)鍵點(diǎn)的重要性 值，然后依據(jù)該重要性值對(duì)關(guān)鍵點(diǎn)進(jìn)行排序。
6.一種圖像特征提取方法，其包括對(duì)輸入的圖像進(jìn)行關(guān)鍵點(diǎn)檢測(cè)，獲取關(guān)鍵點(diǎn)的位置；計(jì)算每個(gè)關(guān)鍵點(diǎn)的局部圖像重要性；計(jì)算每個(gè)關(guān)鍵點(diǎn)的空間位置重要性信息；結(jié)合前述關(guān)鍵點(diǎn)的局部圖像重要性信息及空間位置重要性信息對(duì)關(guān)鍵點(diǎn)重要性進(jìn)行 排序；依據(jù)重要性排序單元對(duì)關(guān)鍵點(diǎn)的排序選出排在前面的若干個(gè)關(guān)鍵點(diǎn)，其余的予以剔 除，挑選出重要的關(guān)鍵點(diǎn)。
7.如權(quán)利要求6所述的圖像特征提取方法，其特征在于所述對(duì)輸入的圖像進(jìn)行關(guān)鍵 點(diǎn)檢測(cè)是采用尺度不變特征變換(SIFT變換)檢測(cè)圖像中的關(guān)鍵點(diǎn)。
8.如權(quán)利要求6所述的圖像特征提取方法，其特征在于所述計(jì)算每個(gè)關(guān)鍵點(diǎn)的局部 圖像重要性是計(jì)算關(guān)鍵點(diǎn)圖像的信息熵來判斷關(guān)鍵點(diǎn)的局部圖像重要性，熵值越高，則該 關(guān)鍵點(diǎn)越重要，其中圖像熵值的計(jì)算為
9.如權(quán)利要求6或8所述的圖像特征提取方法，其特征在于所述計(jì)算每個(gè)關(guān)鍵點(diǎn)的 空間位置重要性信息包括確定以關(guān)鍵點(diǎn)為中心的不同大小的圖像窗口 ；計(jì)算不同窗口圖像的直方圖的變化值，不同窗口圖像的直方圖的變化值越大則圖像空 間位置重要性越高，其中不同窗口的直方圖的變化值為
10.如權(quán)利要求9所述的圖像特征提取方法，其特征在于所述重要性排序單元是將前 述關(guān)鍵點(diǎn)的熵值及關(guān)鍵點(diǎn)不同窗口圖像的直方圖的變化值進(jìn)行乘積，計(jì)算關(guān)鍵點(diǎn)的重要性 值，然后依據(jù)該重要性值對(duì)關(guān)鍵點(diǎn)進(jìn)行排序。
全文摘要
本發(fā)明提供一種圖像特征提取系統(tǒng)及其方法，本發(fā)明的方法計(jì)算各個(gè)關(guān)鍵點(diǎn)的局部圖像重要性以及空間分布重要性，根據(jù)對(duì)各個(gè)關(guān)鍵點(diǎn)的重要性的評(píng)估，從中挑選出重要的關(guān)鍵點(diǎn)來描述目標(biāo)，避免了次要關(guān)鍵點(diǎn)的影響，既提高了目標(biāo)識(shí)別的準(zhǔn)確程度，又降低了后續(xù)匹配過程中的運(yùn)算量。
文檔編號(hào)G06K9/46GK102004916SQ20101054531
公開日2011年4月6日 申請(qǐng)日期2010年11月15日 優(yōu)先權(quán)日2010年11月15日
發(fā)明者王磊 申請(qǐng)人:無錫中星微電子有限公司