專利名稱：一種圖像特征提取和描述方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理與計(jì)算機(jī)視覺領(lǐng)域，具體提供了一種適用于BoW(Bag ofWords)模型應(yīng)用在計(jì)算機(jī)視覺領(lǐng)域的圖像特征提取與描述方法。
背景技術(shù)：
圖像分類作為圖像處理的基礎(chǔ)應(yīng)用，長期以來受到各國專家學(xué)者以及工程技術(shù)人員的廣泛關(guān)注。而BoW模型最初應(yīng)用于文檔處理領(lǐng)域，將文檔表示成順序無關(guān)的關(guān)鍵詞的組合，通過統(tǒng)計(jì)文檔中關(guān)鍵詞出現(xiàn)的頻率來進(jìn)行匹配。近幾年來，計(jì)算機(jī)視覺領(lǐng)域的研究者們成功地將該模型的思想移植到圖像處理領(lǐng)域，通過對圖像進(jìn)行特征提取和描述，得到大量特征進(jìn)行處理，從而得到用來表示圖像的單詞，并在此基礎(chǔ)上構(gòu)建視覺詞典，然后對待分類圖像采用相同的處理方法，將結(jié)果代入到訓(xùn)練的分類器中進(jìn)行分類。該模型中最關(guān) 鍵的步驟即為特征的提取與描述，傳統(tǒng)方法中采用尺度無關(guān)特征變換(Scale-invariantFeature Transform, SIFT)方法應(yīng)用于BoW模型,然而SIFT描述子只是針對圖像的穩(wěn)定特征點(diǎn)進(jìn)行提取和描述，因此其必然存在信息丟失和遺漏的問題。在對圖像應(yīng)用SIFT描述子時，需要求圖像具有較為標(biāo)準(zhǔn)的形式，例如圖像尺寸足夠大，關(guān)鍵物體所占比例足夠大，這樣才能保證有足夠的特征點(diǎn)被提取后用到后續(xù)匹配。在特征點(diǎn)進(jìn)行提取和描述的過程中，復(fù)雜度很高，需要消耗大量的計(jì)算時間，這也是對圖像識別和分類任務(wù)不利的一面。而在BoW模型中，在進(jìn)行特征提取環(huán)節(jié)之后，要應(yīng)用聚類方法來生成視覺單詞，因此如果在特征提取環(huán)節(jié)不能提供足夠豐富的信息，則會直接影響生成的視覺單詞的代表性，進(jìn)而影響后續(xù)的分類準(zhǔn)確度。因此，研究者們一直致力于對SIFT描述子進(jìn)行改進(jìn)或者用新的描述子來代替SIFT描述子應(yīng)用于BoW模型中。例如采用PCA-SIFT描述子，通過一個正交矩陣變換把原數(shù)據(jù)變換到一個新的坐標(biāo)系統(tǒng)中，從而實(shí)現(xiàn)高維數(shù)據(jù)向低維數(shù)據(jù)的轉(zhuǎn)換，降低計(jì)算的復(fù)雜度。此外，還有加速魯棒特征(Speeded Up Robust of Features, SURF)描述子,主要針對SIFT描述子進(jìn)行了改進(jìn)，其效率更高，魯棒性更強(qiáng)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種在應(yīng)用于BoW模型時更高效的DF-SIFT (DenseFast-SIFT)圖像特征提取與描述方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的本發(fā)明的一種圖像特征提取和描述方法，包括(I)對輸入圖像進(jìn)行格式判斷，若是灰度圖像則不作處理，若不是灰度圖像，則轉(zhuǎn)換為HSV模型；(2)選取尺度參數(shù)；(3)采用均勻采樣方法，按選取的尺度參數(shù)，以相同像素間隔對圖像的特征點(diǎn)進(jìn)行提取，計(jì)算圖像H通道、S通道、V通道的DF-SIFT描述子，將顏色信息應(yīng)用到分類任務(wù)中，采樣密度由參數(shù)步長進(jìn)行控制，得到圖像的密集特征；
(4)對密集特征進(jìn)行描述。圖像H通道、S通道、V通道的DF-SIFT描述子的模型為
權(quán)利要求
1.一種圖像特征提取和描述方法，其特征是包括 (1)對輸入圖像進(jìn)行格式判斷，若是灰度圖像則不作處理，若不是灰度圖像，則轉(zhuǎn)換為HSV模型； (2)選取尺度參數(shù)； (3)采用均勻采樣方法，按選取的尺度參數(shù)，以相同像素間隔對圖像的特征點(diǎn)進(jìn)行提取，計(jì)算圖像H通道、S通道、V通道的DF-SIFT描述子，將顏色信息應(yīng)用到分類任務(wù)中，采樣密度由參數(shù)步長進(jìn)行控制，得到圖像的密集特征； (4)對密集特征進(jìn)行描述。
2.根據(jù)權(quán)利要求I所述的一種圖像特征提取和描述方法，其特征是所述圖像H通道、S通道、V通道的DF-SIFT描述子的模型為
3.根據(jù)權(quán)利要求I或2所述的一種圖像特征提取和描述方法，其特征是所述對密集特征進(jìn)行描述，包括 (1)將特征調(diào)整至0°； (2)以特征點(diǎn)為圓心，以統(tǒng)一尺度為半徑構(gòu)造圓形區(qū)域，將落在該圓形區(qū)域的像素點(diǎn)分成4X4個不重疊的子區(qū)域； (3)在每個子區(qū)域計(jì)算0°、45。、90。、135。、180。、225。、270。、315。八個方向的梯度值； (4)對每個子區(qū)域進(jìn)行均勻加權(quán)，應(yīng)用高斯函數(shù)的均值對每個子區(qū)域進(jìn)行加權(quán)，應(yīng)用雙線性插值完成對梯度的累積，每個特征由一個4*4*8的128維的向量進(jìn)行描述。
4.根據(jù)權(quán)利要求I或2所述的一種圖像特征提取和描述方法，其特征是對密集特征進(jìn)行描述后，統(tǒng)計(jì)不同步長參數(shù)的準(zhǔn)確率結(jié)果，得到最優(yōu)步長參數(shù)，以最優(yōu)步長參數(shù)重新提取圖像的密集特征并進(jìn)行描述。
5.根據(jù)權(quán)利要求3所述的一種圖像特征提取和描述方法，其特征是對密集特征進(jìn)行描述后，統(tǒng)計(jì)不同步長參數(shù)的準(zhǔn)確率結(jié)果，得到最優(yōu)步長參數(shù)，以最優(yōu)步長參數(shù)重新提取圖像的密集特征并進(jìn)行描述。
6.根據(jù)權(quán)利要求I或2所述的一種圖像特征提取和描述方法，其特征是所述尺度參數(shù)分別為4、6、8、10。
7.根據(jù)權(quán)利要求3所述的一種圖像特征提取和描述方法，其特征是所述尺度參數(shù)分別為 4、6、8、10。
8.根據(jù)權(quán)利要求4所述的一種圖像特征提取和描述方法，其特征是所述尺度參數(shù)分別為 4、6、8、10。
9.根據(jù)權(quán)利要求5所述的一種圖像特征提取和描述方法，其特征是所述尺度參數(shù)分別為 4、6、8、10。
全文摘要
本發(fā)明涉及圖像處理與計(jì)算機(jī)視覺領(lǐng)域，具體提供了一種適用于BoW(Bag of Words)模型應(yīng)用在計(jì)算機(jī)視覺領(lǐng)域的圖像特征提取與描述方法。本發(fā)明包括對輸入圖像進(jìn)行格式判斷，若是灰度圖像則不作處理，若不是灰度圖像，則轉(zhuǎn)換為HSV模型；選取尺度參數(shù)；采用均勻采樣方法，按選取的尺度參數(shù)，以相同像素間隔對圖像的特征點(diǎn)進(jìn)行提取，計(jì)算圖像H通道、S通道、V通道的DF-SIFT描述子，將顏色信息應(yīng)用到分類任務(wù)中，采樣密度由參數(shù)步長進(jìn)行控制，得到圖像的密集特征；對密集特征進(jìn)行描述。本發(fā)明通過密集采樣，使視覺詞典更加準(zhǔn)確可靠，利用雙線性插值代替圖像與高斯核函數(shù)卷積過程，使實(shí)現(xiàn)過程變得更簡單、高效。
文檔編號G06K9/46GK102663401SQ20121011406
公開日2012年9月12日 申請日期2012年4月18日 優(yōu)先權(quán)日2012年4月18日
發(fā)明者王立國, 王瑩, 趙春暉, 齊濱 申請人:哈爾濱工程大學(xué)