一種基于四元數(shù)的彩色圖像surf特征描述方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于四元數(shù)的彩色圖像SURF特征 描述方法和系統(tǒng)。
【背景技術(shù)】
[0002] 圖像的視覺(jué)特征作為圖像處理中的底層特征，已廣泛應(yīng)用在目標(biāo)識(shí)別、圖像檢索、 目標(biāo)跟蹤、圖像匹配和圖像分類等領(lǐng)域。圖像的局部視覺(jué)特征研究，主要分為三大部分：特 征提取，特征描述和特征的性能分析。針對(duì)這三大部分，研究者們做了大量的研究。有人 從物理角度總結(jié)了近年來(lái)各類視覺(jué)特征，包括邊緣、角點(diǎn)和斑點(diǎn)之間的關(guān)系，并將各類視 覺(jué)特征的檢測(cè)算法分成不同的類別，給出了代表性算法的詳細(xì)描述。針對(duì)圖像中斑點(diǎn)結(jié) 構(gòu)的特征檢測(cè)，在2004年就有人提出了 SIFT(scale invariant feature transform)算 法，由于這種算法特征描述向量的維數(shù)過(guò)高，導(dǎo)致在實(shí)際應(yīng)用中時(shí)間復(fù)雜度過(guò)高；于是，又 有人利用積分圖像和盒子濾波器對(duì)SIFT算法時(shí)間復(fù)雜度過(guò)高這一缺點(diǎn)進(jìn)行改進(jìn)，提出了 SURF (speeded up robust features)算法，大大提升了特征檢測(cè)的效率，并且其特征描述 向量維數(shù)可以降至64維，這就使得在特征匹配的時(shí)候能夠大大縮減匹配時(shí)間。隨后，又有 人提出利用Gauge微分在創(chuàng)建SURF描述時(shí)，只計(jì)算出一個(gè)單獨(dú)的主方向，并且相比原始的 SURF算法，增加了特征匹配時(shí)的魯棒性。后來(lái)，有人提出一種基于局部亮度順序模式的特 征描述，避免了 SIFT算法和SURF算法中主方向估算錯(cuò)誤引起的特征點(diǎn)錯(cuò)誤匹配。Pang借 鑒ASIFT(affine scale invariant feature transform)算法中的思想針對(duì)圖像匹配提出 了 SURF算法的完全仿射不變算子，增加了檢測(cè)到的特征點(diǎn)數(shù)目?；诮?jīng)典的SURF算法和 圖像本身存在的局部對(duì)稱結(jié)構(gòu)，提出局部圖像對(duì)稱評(píng)分方案，將特征描述向量維數(shù)降至16 維，提高了特征匹配的效率。針對(duì)經(jīng)典的SURF算法不能檢測(cè)出對(duì)稱對(duì)象這一缺陷，提出一 種新的對(duì)稱SURF描述子來(lái)豐富SURF算法的性能，通過(guò)鏡像變換，來(lái)檢測(cè)出所有可能的對(duì)稱 匹配對(duì)，并將其應(yīng)用到車輛檢測(cè)和車牌識(shí)別中。
[0003] 以上算法的提出雖然能夠在一定程度上優(yōu)化SURF算法的性能，但都是對(duì)灰度圖 像局部特征進(jìn)行分析。而對(duì)于彩色圖像的局部特征的描述，并未給出相應(yīng)的方法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于四元數(shù)的彩色圖像SURF特征描述方 法，能夠?qū)Σ噬珗D像特征進(jìn)行描述。
[0005] 本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：一種基于四元數(shù)的彩色圖像SURF特 征描述方法，包括以下步驟：
[0006] 步驟1，輸入一幅彩色圖像；
[0007] 步驟2,將彩色圖像中每一個(gè)像素點(diǎn)的顏色信息用純四元數(shù)表示，得到一個(gè)純四元 數(shù)矩陣用于表示所述彩色圖像；具體為：
[0008] CN 105139428 A ^ 2/1U 貝
[0009] 式中，I (x，y)表示原彩色圖像，（Xni，yn)為彩色圖像中像素點(diǎn)的坐標(biāo)；R，G，B為所 述彩色圖像的三個(gè)顏色通道，分別代表紅、綠、藍(lán)通道；m為像素點(diǎn)的行寬；η為像素點(diǎn)的列 寬；
[0010] 步驟3,尋找每一個(gè)特征點(diǎn)的主方向；所述特征點(diǎn)為通過(guò)特征檢測(cè)方法在所述彩 色圖像對(duì)應(yīng)的灰度圖像中檢測(cè)出，并對(duì)應(yīng)至所述彩色圖像中的像素點(diǎn)；
[0011] 步驟4,沿著每一個(gè)特征點(diǎn)的主方向，以所述特征點(diǎn)為中心形成一個(gè)矩形區(qū)域，計(jì) 算所述每一個(gè)特征點(diǎn)的特征向量；
[0012] 步驟5,將所述每一個(gè)特征點(diǎn)的特征向量轉(zhuǎn)換成純四元數(shù)范數(shù)的特征向量，從而實(shí) 現(xiàn)基于四元數(shù)的彩色圖像SURF特征描述。
[0013] 本發(fā)明的有益效果是：利用純四元數(shù)表示彩色圖像的三種顏色信息，考慮了各個(gè) 顏色通道之間的關(guān)聯(lián)性和整體性，并利用四元數(shù)的范數(shù)構(gòu)造彩色圖像的特征描述向量，增 加了特征描述子的旋轉(zhuǎn)不變性，從而獲得更高的特征點(diǎn)匹配正確率。
[0014] 在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)：
[0015] 進(jìn)一步，所述步驟3中尋找每一個(gè)特征點(diǎn)的主方向，具體為：
[0016] 步驟3. 1，以所述特征點(diǎn)為圓心畫一個(gè)圓形區(qū)域，將所述圓形區(qū)域內(nèi)的所有像素點(diǎn) 分別與Haar小波算子進(jìn)行卷積，得到所述圓形區(qū)域內(nèi)的所有像素點(diǎn)的Haar小波響應(yīng)值；
[0017] 步驟3. 2,對(duì)所述步驟3. 1中得到的所述圓形區(qū)域內(nèi)每一個(gè)像素點(diǎn)的Haar小波響 應(yīng)值進(jìn)行高斯加權(quán)，得到所述圓形區(qū)域內(nèi)每一個(gè)像素點(diǎn)的高斯加權(quán)值；
[0018] 步驟3. 3,在所述圓形區(qū)域內(nèi)選擇一個(gè)以所述特征點(diǎn)為中心的扇形滑動(dòng)窗口；
[0019] 步驟3. 4,旋轉(zhuǎn)扇形滑動(dòng)窗口遍歷所述圓形區(qū)域，對(duì)所述扇形滑動(dòng)窗口內(nèi)所有像素 點(diǎn)的高斯加權(quán)值進(jìn)行累加，將高斯加權(quán)值累加的最大值對(duì)應(yīng)的方向作為所述特征點(diǎn)的主方 向。
[0020] 采用上述進(jìn)一步方案的有益效果是能夠保證特征矢量具有旋轉(zhuǎn)不變性。
[0021] 進(jìn)一步，所述所述步驟4具體為：
[0022] 步驟4. 1，沿著主方向，建立一個(gè)以所述特征點(diǎn)為中心的矩形區(qū)域；
[0023] 步驟4. 2,將所述矩形區(qū)域劃分為多個(gè)相同的子區(qū)域；
[0024] 步驟4. 3,針對(duì)每一個(gè)所述子區(qū)域，利用Haar小波計(jì)算其對(duì)應(yīng)的小波響應(yīng)值；
[0025] 步驟4. 4,對(duì)步驟4. 3中得到的所述每一個(gè)子區(qū)域的小波響應(yīng)值進(jìn)行高斯加權(quán)；
[0026] 步驟4. 5,統(tǒng)計(jì)所述每一個(gè)子區(qū)域進(jìn)行高斯加權(quán)后的Haar小波響應(yīng)值，得到所述 每一個(gè)子區(qū)域的矢量：
[0027] V子區(qū)域=[Σ dx，Σ I dx I，Σ dy，Σ I dy I ]
[0028] 式中，dx為Haar小波X方向上的響應(yīng)值；I dx I為dx的絕對(duì)值；Σ dx為對(duì)所有的 dx求和；dy為Haar小波Y方向上的響應(yīng)值；I dy I為dy的絕對(duì)值。
[0029] 采用上述進(jìn)一步方案的有益效果是能夠更好地獲得圖像的局部空域信息。
[0030] 進(jìn)一步，所述所述步驟5中純四元數(shù)范數(shù)的特征向量為：
[0031] V = [V11V2, - ,V1, ···]
[0032] 其中，V1= [| I Σ Dx1I |，I I Σ IDx1I I |，I I Σ Dy1I |，I I Σ IDy1I I |] ;| 卜 I I 為范 數(shù)算子，Vi表示第i個(gè)子區(qū)域的特征矢量，Σ Dx = [ ( Σ dx) R, ( Σ dx) (；，（ Σ dx) Β]，Σ I Dx I =[(Σ I dx I) R, ( Σ I dx I) G, ( Σ I dx I) B], Σ Dy = [ ( Σ dy) R, ( Σ dy) G, ( Σ dy) B], Σ | Dy = [(Σ |dy|)R，（Z |dy|)e，（E |dy|)B]，R，G，B為所述彩色圖像的三個(gè)顏色通道，分別代 表紅、綠、藍(lán)通道；i為子區(qū)域的編號(hào)；Dx = [dxR, dxs, dxB]為彩色圖像Haar小波X方向上響 應(yīng)值的純四元數(shù)的向量表示，dxRS R通道的Haar小波X方向上的響應(yīng)值，dx s為G通道的 Haar小波X方向上的響應(yīng)值，(^為B通道的Haar小波X方向上的響應(yīng)值；Dx $子區(qū)域i 內(nèi)Haar小波X方向上響應(yīng)值的純四元數(shù)的向量表示；Σ DxiS對(duì)所有Dx ;求和；I I Σ Dx ; I I 為對(duì)Σ 0義;求范數(shù)；IDxi I為子區(qū)域i內(nèi)Haar小波X方向上響應(yīng)值絕對(duì)值的純四元數(shù)的向量 表示；Σ I Dxi I 為對(duì)所有 I Dxi I 求和；I I Σ I Dxi I I I 為對(duì) Σ I Dxi I 求范數(shù)；Dy = [dyR, dys, dyB] 為彩色圖像Haar小波Y方向上響應(yīng)值的純四元數(shù)的向量表示，dyRS R通道的Haar小波Y 方向上的響應(yīng)值，dys為G通道的Haar小波Y方向上的響應(yīng)值，dy 8為B通道的Haar小波 y方向上的響應(yīng)值；Dy$子區(qū)域i內(nèi)Haar小波Y方向上響應(yīng)值的純四元數(shù)的向量表示； Σ DyiS對(duì)所有Dy ;求和；I I Σ Dy ; I I為對(duì)Σ 0又;求范數(shù)；I Dy ; I為子區(qū)域i內(nèi)Haar小波Y 方向上響應(yīng)值絕對(duì)值的純四元數(shù)的向量表示；Σ IDy1I為對(duì)所有IDy1I求和；I I Σ |Dy」I 為對(duì)Σ IDy1I求范數(shù)。
[0033] 采用上述進(jìn)一步方案的有益效果是能夠增加特征矢量的旋轉(zhuǎn)不變性。
[0034] 本發(fā)明另一種基于四元數(shù)的彩色圖像SURF特征描述系統(tǒng)，包括：
[0035] 輸入模塊，用于輸入一幅彩色圖像；
[0036] 四元數(shù)矩陣獲取模塊，用于將彩色圖像中每一個(gè)像素點(diǎn)的顏色信息用純四元數(shù)表 示，得到一個(gè)純四元數(shù)矩陣用于表示所述彩色圖像；具體為：
[0037]
[0038] 式中，I (X，y)表示原彩色圖像，（Xni，yn)為彩色圖像中像素點(diǎn)的坐標(biāo)；R，G，B為所 述彩色圖像的三個(gè)顏色通道，分別代表紅、綠、藍(lán)通道；m為像素點(diǎn)的行寬；η為像素點(diǎn)的列 寬；
[0039] 主方向?qū)ふ夷K，用于尋找每一個(gè)特征點(diǎn)的主方向；所述特征點(diǎn)為通過(guò)特征檢測(cè) 方法在所述彩色圖像對(duì)應(yīng)的灰度圖像中檢測(cè)出，并對(duì)應(yīng)至所述彩色圖像中的像素點(diǎn)；
[0040] 特征向量計(jì)算模塊，用于沿著每一個(gè)特征點(diǎn)的主方向，以所述特征點(diǎn)為中心形成 一個(gè)矩形區(qū)域，計(jì)算所述每一個(gè)特征點(diǎn)的特征向量；
[0041 ] 轉(zhuǎn)換模塊，用于將所述每一個(gè)特征點(diǎn)的特征向量轉(zhuǎn)換成純四元數(shù)范數(shù)的特征向 量，從而實(shí)現(xiàn)基于四元數(shù)的彩色圖像SURF特征描述。