[发明专利]一种基于SIFT尺度空间特征信息提取方法

摘要

本发明公开了一种基于SIFT尺度空间特征信息提取方法，包括构建高斯金字塔和高斯差分金字塔、关键点定位和关键点描术与匹配。这种技术使物体的三维形貌信息以计算机便于接收、存储和处理的数字信号的方式呈现出来。同时其测量效率和精度都比传统的三坐标测量仪高很多。算法对现有点云算法进行了简化，取消了标志点，适用于普通三维扫描难以处理的物体，且减少了计算量和计算时间。

主权项

1.一种基于SIFT尺度空间特征信息提取方法，其特征在于：包括构建高斯金字塔和高斯差分金字塔、关键点定位和关键点描术与匹配；所述构建高斯金字塔和高斯差分金字塔包括如下步骤：a.定义一幅图像的尺度空间L(x,y,δ)为原图像I(x,y)与一个2维的可变尺度的高斯函数G(x,y,δ)的卷积，其中δ是连续尺度参数；b.对δ进行采样，并与原图像进行卷积运算和降采样可以得到一系列大小不一的图像，这些图像由下到上，由大到小构成塔状模型，即形成高斯金字塔；c.将所述高斯金字塔中的图像与尺度归一化的高斯拉普拉斯函数卷积运算，选用高斯差分算子进行计算后得到高斯差分金字塔；所述关键点定位是在建立高斯差分金字塔后在差分金字塔中寻找极值点，这些极值点就是可以代替人工标志点的特征点；所述关键点定位具体是将DOG空间中每一尺度的图像中的某像素点与它周围的8个点以及上下相邻的两个尺度图像对应位置的18个像素点进行比较，确定被检测的像素点是否是最大值或最小值；所述关键点描术与匹配包括如下步骤：a.确定描述关键点的图像邻域大小，设极值点所在的高斯模糊后的图像对应的尺度值为δ，将关键点所在的邻域划分为44个区域，每个子区域有8个方向，则总共有128个方向参数，所述每个子区域的边长为3个像素，用双线性插值进行计算，邻域窗口边长可以设为35个像素，实际设置邻域半径为式：b.旋转坐标轴至关键点主方向；c.邻域内的采样点归到各自所属的子区域，并计算子区域的梯度值，将其分配到8个方向上并计算权值；d.用插值法为每个种子点计算八个方向上的梯度；e.由统计可得4×4×8＝128个梯度信息，为关键点描述向量H＝(h1、h2……h128),其中f.为消除相机饱和度变换或非线性关照造成的局部梯度过大，对归一化后的特征向量中分量较大的进行截断处理，所取门限值为0.2，然后重新进行归一化处理；g.按照特征点所在的尺度排列特征向量；h.计算目标图像中特征向量与原始图像中的特征向量的欧氏距离，并找到与原始图像中某一个特征向量距离最近和次近的两个目标图像特征向量，判定点对是否正确。