一種基于DoG函數(shù)的圖像表征方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)視覺領(lǐng)域，尤其涉及一種基于DoG函數(shù)的圖像表征方法。
【背景技術(shù)】
[0002] 圖像表征方法又稱描述子，是計算機(jī)視覺領(lǐng)域的基礎(chǔ)問題和關(guān)鍵問題，被廣泛應(yīng) 用于大規(guī)模圖像檢索、全景拼接等傳統(tǒng)計算機(jī)視覺任務(wù)中以及很多識別任務(wù)中，如物體識 另1J，人臉識別等。
[0003] 現(xiàn)有技術(shù)中，描述子有很多類，其中一類為基于圖像梯度的方法，以該方法中代表 性的算法SIFT、GLOH為例，SIFT和GLOH進(jìn)行計算時，以待表征圖像的興趣點為中心，用興 趣點周圍區(qū)域的梯度形成的梯度方向直方圖來表征該興趣點，該興趣點周圍區(qū)域內(nèi)每個像 素點的梯度模值加權(quán)后分配給梯度直方圖的相應(yīng)方向，對每個像素點的梯度進(jìn)行加權(quán)運(yùn)算 所用的權(quán)值的大小跟該像素點到興趣點的距離和像素點到區(qū)域邊界點的距離都成反比例 關(guān)系。
[0004] 然而，采用現(xiàn)有技術(shù)的上述描述子進(jìn)行圖像表征，都存在可區(qū)分性低和魯棒性不 好的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于DoG函數(shù)的圖像表征方法，該方法可區(qū)分性高，同時魯棒性 好。
[0006] 本發(fā)明提供一種基于DoG函數(shù)的圖像表征方法，包括：
[0007] 設(shè)置S個同心圓，所述S個同心圓從內(nèi)到外半徑呈指數(shù)m增長，所述S為大于等于 2的整數(shù)；
[0008] 在每個所述同心圓圓周上抽取T個采樣點，在所述同心圓圓心抽取1個采樣點構(gòu) 成采樣點模板，第i個同心圓圓周上的采樣點的DoG卷積尺度E tu= η ·、，其中，Ri表示 第i個同心圓的半徑，i = 1，2，......，S，所述同心圓圓心的采樣點的DoG卷積尺度與半徑 最小的同心圓圓周上的采樣點的DoG卷積尺度相同，所述DoG卷積尺度指的是DoG函數(shù)包 含的小尺度高斯函數(shù)的標(biāo)準(zhǔn)差；
[0009] 根據(jù)所述S個同心圓的采樣點模板的DoG卷積尺度得到S+1個高斯核尺度Σ &j， j = I, 2, ......，S，S+1，其中，Σ &Γ=Σ d，r，r = 1，2，......，S ;Σ g，s+1= Σ d，s · m ;
[0010] 獲取待表征圖像的N個方向的梯度圖，所述N為大于等于1的整數(shù)；
[0011] 針對每個方向的梯度圖，采用所述S+1個尺度的高斯核進(jìn)行高斯卷積處理，得到 每個方向的S+1幅高斯卷積的梯度方向圖；
[0012] 針對每個方向的S+1幅高斯卷積的梯度方向圖，高斯核尺度大小相鄰的兩幅高斯 卷積的梯度方向圖中用小尺度的高斯卷積的梯度方向圖減去大尺度的高斯卷積的梯度方 向圖，得到S幅DoG卷積的梯度方向圖，不同梯度方向的N幅DoG卷積的梯度方向圖對應(yīng)一 個DoG卷積尺度；
[0013] 按照每個采樣點的DoG卷積尺度以及所述采樣點在采樣點模板的位置，在所述采 樣點的DoG卷積尺度對應(yīng)的DoG卷積的梯度方向圖中抽取同所述采樣點在采樣點模板中的 位置相同位置的點的像素值；
[0014] 根據(jù)所述采樣點的DoG卷積尺度在對應(yīng)的N幅DoG卷積的梯度方向圖中抽取與所 述采樣點在采樣點模板中的位置相同位置的點的像素值，構(gòu)造所述采樣點的特征向量；
[0015] 用所有所述采樣點的特征向量組成的總特征向量表征所述待表征圖像。
[0016] 如上所述的基于DoG函數(shù)的圖像表征方法，用所有所述的采樣點的特征向量組成 的總特征向量表征所述待表征圖像，包括：
[0017] 將同一個DoG卷積尺度的采樣點的特征向量，按照采樣點在采樣點模板中的位置 依次拼接，得到每個DoG卷積尺度特征向量；
[0018] 按照S個DoG卷積尺度的大小順序，依次拼接所述S個DoG卷積尺度的特征向量 組成總特征向量；
[0019] 采用所述總特征向量表征待表征圖像。
[0020] 如上所述的基于DoG函數(shù)的圖像表征方法，根據(jù)所述采樣點的DoG卷積尺度在對 應(yīng)的N幅DoG卷積的梯度方向圖中抽取與所述采樣點在采樣點模板中的位置相同位置的點 的像素值，構(gòu)造所述采樣點的特征向量，包括：
[0021] 根據(jù)公式
【主權(quán)項】
1. 一種基于DoG函數(shù)的圖像表征方法，其特征在于，包括： 設(shè)置S個同屯、圓，所述S個同屯、圓從內(nèi)到外半徑呈指數(shù)m增長，所述S為大于等于2的 整數(shù)； 在每個所述同屯、圓圓周上抽取T個采樣點，在所述同屯、圓圓屯、抽取1個采樣點構(gòu)成采 樣點模板，第i個同屯、圓圓周上的采樣點的DoG卷積尺度n -Ri，其中，而表示第i 個同屯、圓的半徑，i = 1，2，......，S，所述同屯、圓圓屯、的采樣點的DoG卷積尺度與半徑最小 的同屯、圓圓周上的采樣點的DoG卷積尺度相同，所述DoG卷積尺度指的是DoG函數(shù)包含的 小尺度高斯函數(shù)的標(biāo)準(zhǔn)差； 根據(jù)所述S個同屯、圓的采樣點模板的DoG卷積尺度得到S+1個高斯核尺度j = 1, 2, ......，S，S+1，其中，Zg，r= z d，r, r = 1，2，......，S ; Zg，s+1= z d，s ? m ; 獲取待表征圖像的N個方向的梯度圖，所述N為大于等于1的整數(shù)； 針對每個方向的梯度圖，采用所述S+1個尺度的高斯核進(jìn)行高斯卷積處理，得到每個 方向的S+1幅高斯卷積的梯度方向圖； 針對每個方向的S+1幅高斯卷積的梯度方向圖，高斯核尺度大小相鄰的兩幅高斯卷積 的梯度方向圖中用小尺度的高斯卷積的梯度方向圖減去大尺度的高斯卷積的梯度方向圖， 得到S幅DoG卷積的梯度方向圖，不同梯度方向的N幅DoG卷積的梯度方向圖對應(yīng)一個DoG 卷積尺度； 按照每個采樣點的DoG卷積尺度W及所述采樣點在采樣點模板的位置，在所述采樣點 的DoG卷積尺度對應(yīng)的DoG卷積的梯度方向圖中抽取同所述采樣點在采樣點模板中的位置 相同位置的點的像素值； 根據(jù)所述采樣點的DoG卷積尺度在對應(yīng)的N幅DoG卷積的梯度方向圖中抽取與所述采 樣點在采樣點模板中的位置相同位置的點的像素值，構(gòu)造所述采樣點的特征向量； 用所有所述采樣點的特征向量組成的總特征向量表征所述待表征圖像。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，用所有所述的采樣點的特征向量組成的 總特征向量表征所述待表征圖像，包括： 將同一個DoG卷積尺度的采樣點的特征向量，按照采樣點在采樣點模板中的位置依次 拼接，得到每個DoG卷積尺度特征向量； 按照S個DoG卷積尺度的大小順序，依次拼接所述S個DoG卷積尺度的特征向量組成 總特征向量； 采用所述總特征向量表征待表征圖像。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述采樣點的DoG卷積尺度在對應(yīng)的 N幅DoG卷積的梯度方向圖中抽取與所述采樣點在采樣點模板中的位置相同位置的點的像 素值，構(gòu)造所述采樣點的特征向量，包括： 根據(jù)公式乂柄，，',>，盡W =[巧'.乂咕，，，盡化…，巧...乂怡，V'。，歷^ 征向量； 其中，lk(e"，Vu，R。）表示距離中屯、點（e"，v。）距離為R。的同屯、圓上的第K個采樣點， 啤- 柄，片;柄，V;,，/?,.)慷示具有DoG卷積尺度2d，。的DoG卷積梯度方向圖在位 置Ik( e (I，V。，R。）處的點的像素值。
4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將同一個DoG卷積尺度的采樣點的特 征向量，按照采樣點在采樣點模板的位置依次拼接，得到每個DoG卷積尺度的特征向量，包 括： 根據(jù)公式 柄，，A)=侶，,（/|(如，))，...，々s,, (/?佔，W ^ 2d，。的特征向量； 其中，/?1,.(/,.(6>，，'',,，/。)表示0〇6卷積尺度玄4。的第1(個采樣點的特征向量。
5. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述按照S個DoG卷積尺度的大小順序， 依次拼接所述S個DoG卷積尺度的特征向量組成的總特征向量，包括： 根據(jù)公式〇柄，，',>)=[//i咕，)，…，的，，'，,>，足刃得到所述總特征向量； 其中，//^,,(6|，1',,，/?|)表示卷積核尺度為玄"的特征向量。
6. -種基于DoG函數(shù)的圖像表征方法，其特征在于，包括： 設(shè)置S個同屯、圓，所述S個同屯、圓從內(nèi)到外半徑呈指數(shù)m增長，所述S為大于等于2的 整數(shù)； 在每個所述同屯、圓圓周上抽取T個采樣點，在所述同屯、圓圓屯、抽取1個采樣點構(gòu)成采 樣點模板，每個采樣點的DoG卷積尺度包括1個第一 DoG卷積尺度和P個第二DoG卷積尺 度，所述P為整數(shù)且2《P《S-1，其中，第i個同屯、圓圓周上的采樣點的第一 DoG卷積尺度 z"= n -Ri，第i個同屯、圓圓周上的采樣點的第二DoG卷積尺度Sd,，i= n -Rk，其中， i = 1,2,……S，k=l，2，……S并且k聲i，R康示第i個同屯、圓的半徑，Rk表示第k個 同屯、圓的半徑，所述同屯、圓圓屯、的采樣點的第一 DoG卷積尺度與半徑最小的同屯、圓圓周上 的采樣點的第一 DoG卷積尺度相同，所述DoG卷積尺度指的是DoG函數(shù)包含的小尺度高斯 函數(shù)的標(biāo)準(zhǔn)差； 根據(jù)所述S個同屯、圓的采樣點模板的第一 DoG卷積尺度得到S+1個高斯核尺度2 & J， j = l，2，......，S，S+1，其中，Zg，r= 2 d，r，r = 1，2，......S ; 2&^二 2，，日? m ; 獲取待表征圖像的N個方向的梯度圖，所述N為大于等于1的整數(shù)； 針對每個方向的梯度圖，采用所述S+1個尺度的高斯核進(jìn)行高斯卷積處理，得到每個 方向的S+1幅高斯卷積的梯度方向圖； 針對每個方向的S+1幅高斯卷積的梯度方向圖，高斯核尺度大小相鄰的兩幅高斯卷積 的梯度方向圖中用小尺度的高斯卷積的梯度方向圖減去大尺度的高斯卷積的梯度方向圖， 得到S幅DoG卷積的梯度方向圖，共生成S個尺度的DoG卷積梯度方向圖； 按照每個采樣點的第一 DoG卷積尺度和第二DoG卷積尺度W及所述采樣點在采樣點模 板位置，在所述采樣點的第一 DoG卷積尺度和第二DoG卷積尺度對應(yīng)的DoG卷積梯度方向 圖中抽取同所述采樣點在采樣點模板中的位置有相同位置的點的像素值； 根據(jù)所述采樣點的第一 DoG卷積尺度和第二DoG卷積尺度在對應(yīng)的DoG卷積梯度方向 圖中抽取同所述采樣點在采樣點模板中的位置有相同位置的點的像素值，構(gòu)造所述采樣點 的特征向量； 用所有所述采樣點的特征向量組成的總特征向量表征所述待表征圖像。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，根據(jù)所述采樣點的第一DoG卷積尺度和第 二DoG卷積尺度在對應(yīng)的DoG卷積梯度方向圖中抽取同所述采樣點在采樣點模板中的位置 有相同位置的點的像素值，構(gòu)造所述采樣點的特征向量，包括： 從所述采樣點的第一 DoG卷積尺度對應(yīng)的不同方向的DoG卷積的梯度方向圖中抽取所 述采樣點在采樣點模板中的位置有相同位置的點的像素值，W及從所述采樣點的P個第二 DoG卷積尺度對應(yīng)的不同方向的DoG卷積梯度方向圖中抽取所述采樣點在采樣點模板中的 位置有相同位置的點的像素值，組成所述采樣點的特征向量。
【專利摘要】本發(fā)明提供一種基于DoG函數(shù)的圖像表征方法，其主要步驟包括：抽取采樣點建立采樣點模板；獲取待表征圖像的N個方向的梯度圖；針對每個方向的梯度圖，得到每個方向的S+1幅高斯卷積的梯度方向圖；針對每個方向的S+1幅高斯卷積的梯度方向圖，得到S幅DoG卷積的梯度方向圖；從這些不同梯度方向的DoG卷積的梯度方向圖中按照每個采樣點的DoG卷積尺度以及采樣點在采樣點模板中的位置有相同位置的點抽取像素值；最終組成總特征向量表征待表征圖像，本發(fā)明提供的基于DoG函數(shù)的圖像表征方法用來表征圖像可以實現(xiàn)更高的區(qū)分性和更好的魯棒性。
【IPC分類】G06K9-46
【公開號】CN104598911
【申請?zhí)枴緾N201510048398
【發(fā)明人】王蘊(yùn)紅, 翁大偉, 黃迪
【申請人】北京航空航天大學(xué)
【公開日】2015年5月6日
【申請日】2015年1月30日