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] 圖像的視覺特征作為圖像處理中的底層特征，已廣泛應(yīng)用在目標識別、圖像檢索、 目標跟蹤、圖像匹配和圖像分類等領(lǐng)域。圖像的局部視覺特征研究，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)了近年來各類視覺特征，包括邊緣、角點和斑點之間的關(guān)系，并將各類視 覺特征的檢測算法分成不同的類別，給出了代表性算法的詳細描述。針對圖像中斑點結(jié) 構(gòu)的特征檢測，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)過高，導(dǎo)致在實際應(yīng)用中時間復(fù)雜度過高；于是，又 有人利用積分圖像和盒子濾波器對SIFT算法時間復(fù)雜度過高這一缺點進行改進，提出了 SURF (speeded up robust features)算法，大大提升了特征檢測的效率，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候能夠大大縮減匹配時間。隨后，又有 人提出利用Gauge微分在創(chuàng)建SURF描述時，只計算出一個單獨的主方向，并且相比原始的 SURF算法，增加了特征匹配時的魯棒性。后來，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誤引起的特征點錯誤匹配。Pang借 鑒ASIFT(affine scale invariant feature transform)算法中的思想針對圖像匹配提出 了 SURF算法的完全仿射不變算子，增加了檢測到的特征點數(shù)目。基于經(jīng)典的SURF算法和 圖像本身存在的局部對稱結(jié)構(gòu)，提出局部圖像對稱評分方案，將特征描述向量維數(shù)降至16 維，提高了特征匹配的效率。針對經(jīng)典的SURF算法不能檢測出對稱對象這一缺陷，提出一 種新的對稱SURF描述子來豐富SURF算法的性能，通過鏡像變換，來檢測出所有可能的對稱 匹配對，并將其應(yīng)用到車輛檢測和車牌識別中。
[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，但都是對灰度圖 像局部特征進行分析。而對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像特征進行描述。
[0005] 本發(fā)明解決上述技術(shù)問題的技術(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像素點的顏色信息用純四元數(shù)表示，得到一個純四元 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的坐標；R，G，B為所 述彩色圖像的三個顏色通道，分別代表紅、綠、藍通道；m為像素點的行寬；η為像素點的列 寬；
[0010] 步驟3,尋找每一個特征點的主方向；所述特征點為通過特征檢測方法在所述彩 色圖像對應(yīng)的灰度圖像中檢測出，并對應(yīng)至所述彩色圖像中的像素點；
[0011] 步驟4,沿著每一個特征點的主方向，以所述特征點為中心形成一個矩形區(qū)域，計 算所述每一個特征點的特征向量；
[0012] 步驟5,將所述每一個特征點的特征向量轉(zhuǎn)換成純四元數(shù)范數(shù)的特征向量，從而實 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 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：
[0015] 進一步，所述步驟3中尋找每一個特征點的主方向，具體為：
[0016] 步驟3. 1，以所述特征點為圓心畫一個圓形區(qū)域，將所述圓形區(qū)域內(nèi)的所有像素點 分別與Haar小波算子進行卷積，得到所述圓形區(qū)域內(nèi)的所有像素點的Haar小波響應(yīng)值；
[0017] 步驟3. 2,對所述步驟3. 1中得到的所述圓形區(qū)域內(nèi)每一個像素點的Haar小波響 應(yīng)值進行高斯加權(quán)，得到所述圓形區(qū)域內(nèi)每一個像素點的高斯加權(quán)值；
[0018] 步驟3. 3,在所述圓形區(qū)域內(nèi)選擇一個以所述特征點為中心的扇形滑動窗口；
[0019] 步驟3. 4,旋轉(zhuǎn)扇形滑動窗口遍歷所述圓形區(qū)域，對所述扇形滑動窗口內(nèi)所有像素 點的高斯加權(quán)值進行累加，將高斯加權(quán)值累加的最大值對應(yīng)的方向作為所述特征點的主方 向。
[0020] 采用上述進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，建立一個以所述特征點為中心的矩形區(qū)域；
[0023] 步驟4. 2,將所述矩形區(qū)域劃分為多個相同的子區(qū)域；
[0024] 步驟4. 3,針對每一個所述子區(qū)域，利用Haar小波計算其對應(yīng)的小波響應(yīng)值；
[0025] 步驟4. 4,對步驟4. 3中得到的所述每一個子區(qū)域的小波響應(yīng)值進行高斯加權(quán)；
[0026] 步驟4. 5,統(tǒng)計所述每一個子區(qū)域進行高斯加權(quán)后的Haar小波響應(yīng)值，得到所述 每一個子區(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的絕對值；Σ dx為對所有的 dx求和；dy為Haar小波Y方向上的響應(yīng)值；I dy I為dy的絕對值。
[0029] 采用上述進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顏色通道，分別代 表紅、綠、藍通道；i為子區(qū)域的編號；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 $子區(qū)域i 內(nèi)Haar小波X方向上響應(yīng)值的純四元數(shù)的向量表示；Σ DxiS對所有Dx ;求和；I I Σ Dx ; I I 為對Σ 0義;求范數(shù)；IDxi I為子區(qū)域i內(nèi)Haar小波X方向上響應(yīng)值絕對值的純四元數(shù)的向量 表示；Σ I Dxi I 為對所有 I Dxi I 求和；I I Σ I Dxi I I I 為對 Σ I Dxi I 求范數(shù)；Dy = [dyR, dys, dyB] 為彩色圖像Haar小波Y方向上響應(yīng)值的純四元數(shù)的向量表示，dyRS R通道的Haar小波Y 方向上的響應(yīng)值，dys為G通道的Haar小波Y方向上的響應(yīng)值，dy 8為B通道的Haar小波 y方向上的響應(yīng)值；Dy$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對所有Dy ;求和；I I Σ Dy ; I I為對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)值絕對值的純四元數(shù)的向量表示；Σ IDy1I為對所有IDy1I求和；I I Σ |Dy」I 為對Σ IDy1I求范數(shù)。
[0033] 采用上述進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像素點的顏色信息用純四元數(shù)表 示，得到一個純四元數(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的坐標；R，G，B為所 述彩色圖像的三個顏色通道，分別代表紅、綠、藍通道；m為像素點的行寬；η為像素點的列 寬；
[0039] 主方向?qū)ふ夷K，用于尋找每一個特征點的主方向；所述特征點為通過特征檢測 方法在所述彩色圖像對應(yīng)的灰度圖像中檢測出，并對應(yīng)至所述彩色圖像中的像素點；
[0040] 特征向量計算模塊，用于沿著每一個特征點的主方向，以所述特征點為中心形成 一個矩形區(qū)域，計算所述每一個特征點的特征向量；
[0041 ] 轉(zhuǎn)換模塊，用于將所述每一個特征點的特征向量轉(zhuǎn)換成純四元數(shù)范數(shù)的特征向 量，從而實現(xiàn)基于四元數(shù)的彩色圖像SURF特征描述。