專利名稱：一種有效的特征點描述i-brief方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機視覺領(lǐng)域，特別是涉及特征點的描述方法與圖像匹配。
背景技術(shù)：
I-BRIEF即改進的獨立二元魯棒初級特征，對于魯棒的局部特征點描述方法的研究仍然是當前計算機視覺研究的熱點。那是因為對特征點進行有效描述是當前許多計算機視覺技術(shù)如圖像檢索、三維重建、相機姿態(tài)估計等技術(shù)的核心，特別當這些技術(shù)需要處理大量數(shù)據(jù)或在計算資源有限的移動設(shè)備上運行時，就需要特征點描述符能夠進行快速計算和匹配，同時盡量節(jié)省存儲。在眾多的描述方法當中，SIFT和SURF是當前最常用的方法。 SIFT描述符通過計算圖像梯度直方圖獲得，而且在實際中被證明是很有效的方法。然而， SIFT方法比較復(fù)雜，因此計算相對耗時。SURF與SIFT方法比較相似，但由于采用了積分圖像和盒子濾波方法，因此計算速度是SIFT的3到7倍。當然，還有一些其他著名方法。例如Mikolajczyk等人提出的GLOH方法，GLOH與SIFT類似，但采用了不同于SIFT采樣方法，在一定程度上比SIFT更魯棒。Tola等人提出的DAISY方法用高斯濾波的方向?qū)?shù)取代了 SIFT中的梯度方向相加的方法，實驗證明該方法在不降低區(qū)分效果的情況下計算速度比SIFT更加快速。M. Calonder等人提出的Signatures方法計算比SIFT和SURF快很多。 它利用經(jīng)過離線學(xué)習產(chǎn)生的i^erns分類器來對新的特征點進行描述，對于每一個新的特征點，他的描述是通過其對i^erns分類器的響應(yīng)獲得的。但是，該方法的一個不足之處在于需要額外的存儲來存儲i^erns分類器。Mikolajczyk等人的對幾種描述符進行了全面的比較， Winder和Brown等人也研究了幾種描述方法，并提出了一種優(yōu)化描述符計算過程中參數(shù)的框架。在計算機視覺領(lǐng)域，關(guān)于能夠快速計算，快速匹配以及節(jié)省存儲的特征點描述方法的研究一直吸引著研究者的興趣。通常加速匹配和降低存儲的方法是進行描述符降維， Yan Ke等人提出采用主成分分析(PCA)方法對SIFT進行降維。Him等人提出用線性判別分析(LDA)來降維。Chandraselchar等人采用哈夫曼樹結(jié)構(gòu)對像SIFT這樣基于梯度直方圖的方法進行壓縮(CHOG)。一種更加有效的降維方法是用哈希函數(shù)將如SIFT的描述符降維成比特串。Chuohao等人用隨機投影方法對SIFT降維來產(chǎn)生二元比特串。ShaWmarovich 在他的論文中采用一種機器學(xué)習方法來獲得比特串描述符。Strecha等人提出了一種新的簡單有效的方法從SIFT計算比特串，首先對齊問題相關(guān)的協(xié)方差矩陣，然后根據(jù)一個合適的代價函數(shù)來估算進行二值化的可靠閾值(LDAHash)。前面的方法雖然有效，但這些基于降維的方法在進一步處理前需要先計算完整的描述符。M. Calonder等人提出了一種從以特征點為中心的圖像面片直接計算比特串描述符的BRIEF(Binary Robust Independent Elementary Features)方法(ECCV 2010、PAMI 2011)，這避免了之前的先進行描述符計算再降維的問題。BRIEF描述方法利用二元比特串對特征點進行描述，具有區(qū)分能力強，并且描述符計算和匹配快速的特點，相比已有的描述方法如SIFT、SURF等無論在計算速度上還是區(qū)分能力上在大多數(shù)情況下都有較大的提高。BRIEF通過對以特征點為中心的圖像面片簡單的像素灰度值的比較測試所產(chǎn)生的二元比特串來對該特征點進行描述。它所進行的比較測試定義如下所示其中p(x)表示像素在位置χ= (U1, Vl)T處的像素值，同理p(y)表示在位置y = (u2，v2)T處的像素值。獨立的選取nd個(x，y)的位置對，組成一個測試位置的集合，然后對每個一比特的測試結(jié)果組合成一個比特串fnd，從而對一個特征點用比特串進行描述。比特
串fnd的定義方法如下
；；-.i ^P =..P Λ;.:.. -(2)其中nd為測試位置對的個數(shù)，τ (ρ ；χ, y)定義如公式⑴所示，由于可以有很多方法來產(chǎn)生nd個位置對，M. Calonder實驗了如圖3所示的五種位置布局方法。通過實驗發(fā)現(xiàn)其中圖3(b)的方法在多數(shù)情況下略微優(yōu)于其他方法。同時由于BRIEF采用獨立的比特組成的比特串來對特征點進行描述，因此進行特征點匹配時可以采用比歐氏距離更快的海明距離(Hamming distance)作為距離度量方法，海明距離可以通過對匹配的比特串做異或操作然后統(tǒng)計結(jié)果中比特值為一的比特個數(shù)獲得。

發(fā)明內(nèi)容
為了適用當前對特征點描述符在應(yīng)用中需要能夠快速計算、快速匹配以及節(jié)省存儲的要求，在已有工作基礎(chǔ)上，本發(fā)明提出一種有效的特征點描述I-BRIEF方法，所述 I-BRIEF即改進的獨立二元魯棒初級特征(I-BRIEF)描述方法，本發(fā)明提出的方法是一種利用由少量比特組成的比特串對圖像中提取的特征點進行描述的新方法，相比已有方法， 該方法不僅可以快速進行描述符計算，匹配速度也大大提高，同時所需存儲也更少，用于描述的特征也更穩(wěn)定。本發(fā)明所采用的技術(shù)方案是一種有效的特征點描述I-BRIEF方法，其特征在于如下步驟步驟1、在以特征點為中心的指定大小的圖像面片上選取一系列的由兩個像素位置組成的像素測試點對，這些測試點對組成一個測試點對集合；步驟2、在測試點對集合中選取一個點對，在每個點先局部平滑濾波，然后比較兩個像素的灰度值，比較結(jié)果分為相似、亮、暗三類，分別用兩個比特00，10，01表示；步驟3、對測試點對集合中每一個點對重復(fù)步驟二過程，然后將測試結(jié)果串聯(lián)在一起形成一個比特串，并把該比特串作為特征點的描述符。進一步的，本發(fā)明還提出了一種應(yīng)用權(quán)利要求1所述的特征點描述方法進行圖像特征點匹配的方法，其特征在于步驟1、輸入兩幅圖像；步驟2、在輸入的圖像中提取一系列特征點，采用權(quán)利要求1的所述的方法進行特征點描述；
步驟3、依據(jù)步驟2獲得的對特征點的描述符，對兩幅圖像進行特征點匹配。本發(fā)明的有益效果在于在保證特征點描述符在多種仿射變換下仍然具有高區(qū)分性能的條件下，相比以往方法，描述符計算更加快速，所需存儲更少，匹配更加快速。


下面結(jié)合附圖對本發(fā)明進一步說明。圖1是利用本發(fā)明對圖像中的一個特征點進行描述的示意圖；圖2是用本發(fā)明對兩幅測試圖像進行特征點描述和匹配的示例；圖3是本發(fā)明所實驗的不同測試點對選取方案；令S為以特征點為中心的圖像面片大小，圖3 (a)中測試點對(x，y)位置是獨立同分布，都服從同樣的均勻分布(_S/2，S/2)， 圖3(b)中測試點對(x，y)位置是獨立同分布的，都服從相同的高斯分布(0，S2/25)，圖3(c) 中測試點對(X，y)位置是獨立同分布的，χ服從高斯分布(0，爐/2幻，y服從高斯分布(0， S2/100)，圖3(d)中測試點對(x，y)位置為對極網(wǎng)格上得隨機分布，圖3(e)中測試點對(χ, y)位置中χ恒在中心，y為在以χ為圓心的圓上采樣的點；圖4是BRIEF算法問題分析圖；圖5(a)為圖像視角變化較小時BRIEF算法中特征的魯棒性分析，圖5 (b)為圖像視角變化較大時BRIEF算法中特征的魯棒性分析；圖6(a)為Wall測試序列，用于測試描述符在視角變化下的魯棒性，圖6(b)為 Graffiti測試序列，用于測試描述符在尺度和旋轉(zhuǎn)變化下的魯棒性，圖6(c)為Trees測試序列，用于測試描述符在圖像模糊情況下的魯棒性，圖6 (d)為Bikes測試序列，用于測試描述符在圖像模糊情況下的魯棒性，圖6 (e)為Cars測試序列，用于測試描述符在光照變化情況下的魯棒性(f)為Wdc測試序列，用于測試描述符在Jpeg壓縮下的魯棒性；圖7(a)為在Wall測試序列中不同描述方法的識別率實驗結(jié)果，圖7(b)為在 Graffiti測試序列中不同描述方法的識別率實驗結(jié)果，圖7 (c)為在Trees測試序列中不同描述方法的識別率實驗結(jié)果，圖7(d)為在Bikes測試序列中不同描述方法的識別率實驗結(jié)果，圖7(e)為在Cars測試序列中不同描述方法的識別率實驗結(jié)果，圖7 (f)為在Ubc測試序列中不同描述方法的識別率實驗結(jié)果。
具體實施例方式圖1給出了利用本發(fā)明，即改進的獨立二元魯棒初級特征(I-BRIEF)描述方法，對一個圖像中提取的特征點進行描述的示意圖，圖中右邊每根線段連接一個測試點對，圖中共有1 個測試點對。圖2是用本發(fā)明對兩幅測試圖像進行特征點描述和匹配的示例，每幅圖像中的提取的每個特征點先用I-BRIEF描述，然后根據(jù)描述符進行最近鄰匹配，圖中每根線段連接的是由I-BRIEF匹配獲得的匹配點對，從圖中可以大致看出其中大部分的匹配都是正確的。由于本發(fā)明是在BRIEF方法的基礎(chǔ)上改進創(chuàng)新的，因此將分以下三步來詳細描述本發(fā)明的實施方式一、BRIEF算法問題分析與改進；二、實驗結(jié)果分析；三、應(yīng)用。一、BRIEF算法問題分析與改進盡管實驗數(shù)據(jù)證明BRIEF方法在大多數(shù)情況下比SIFT、SURF方法計算更快，區(qū)分能力更強。但是我們發(fā)現(xiàn)它的測試定義還有不足之處，下面將詳細對該問題進行闡述并提出了我們的改進方法。根據(jù)BRIEF方法的測試定義，無論相比較的兩個像素值相差是大是小，只要一個值大于或小于另一個值，測試的結(jié)果就是確定的。而我們發(fā)現(xiàn)在圖像角度變化的情況下，像素值相差較小的兩個像素的測試結(jié)果不魯棒，也就是說這種情況下，在不同圖像中對于同一個特征點在同一測試對上，測試結(jié)果很可能不一樣。下面我們給出了該情況下的一個直觀的解釋。如圖4所示，對于在不同圖像中的同一個特征點，(X，Y)表示一個測試位置對， (X’，Y’ )表示經(jīng)過圖像扭曲后與之對應(yīng)的真實測試位置對，當進行特征點匹配的兩幅圖像之間的旋轉(zhuǎn)、尺度和角度變化不大時，X’和Y’應(yīng)該各自在X和Y的附近，由于空間一致連續(xù)性，那么在非邊緣區(qū)域，p(X，)的值很可能應(yīng)該處于R(p(X’ ))的范圍內(nèi)，R(p(X，))表示(ρ⑴-δ (χ，χ，)，Ρ(χ) + δ (χ，X，))，其中δ (χ，χ，)表示一個與從X到X’的距離成正比例的尺度因子，對于P(Y’ )也是一樣的道理。如圖5(a)所示，當P(X)與P(Y)相差較大且圖像間角度變化較小時，P(X)-P(Y)與P(X’)-P(Y’ )也很可能保持測試結(jié)果的符號一致性，此時特征比較魯棒，如圖5(b)所示，當P(X)與P(Y)相差較小且圖像間角度變化較大時(在實際中通常出現(xiàn)這種情況)，此時δ變大，R(p(X’))將與R(p(Y’))相交，從而使得 Ρ(Χ’)_Ρ(Υ’ )的值的符號不確定，從而使產(chǎn)生的特征變得不魯棒。為了解決上述問題，受FAST腳點檢測方法中在以某像素為中心的一定半徑圓上每個像素和中心比較可以有亮、暗、相似三種狀態(tài)結(jié)果的啟發(fā)，我們提出了一種新的定義方法(I-BRIEF)，如下
權(quán)利要求
1.一種有效的特征點描述I-BRIEF方法，其特征在于如下步驟步驟1、在以特征點為中心的指定大小的圖像面片上選取一系列的由兩個像素位置組成的像素測試點對，這些測試點對組成一個測試點對集合；步驟2、在測試點對集合中選取一個點對，在每個點先局部平滑濾波，然后比較兩個像素的灰度值，比較結(jié)果分為相似、亮、暗三類，分別用兩個比特00，10,01表示；步驟3、對測試點對集合中每一個點對重復(fù)步驟二過程，然后將測試結(jié)果串聯(lián)在一起形成一個比特串，并把該比特串作為特征點的描述符。
2.一種應(yīng)用權(quán)利要求1所述的特征點描述方法進行圖像特征點匹配的方法，其特征在于步驟1、輸入兩幅圖像；步驟2、在輸入的圖像中提取一系列特征點，采用權(quán)利要求1的所述的方法進行特征點描述；步驟3、依據(jù)步驟2獲得的對特征點的描述符，對兩幅圖像進行特征點匹配。
全文摘要
本發(fā)明提出了一種有效的特征點描述I-BRIEF方法，步驟一、按一定規(guī)則在以特征點為中心的指定大小的圖像面片上選取一系列的由兩個像素位置組成的像素測試點對，這些測試點對組成一個測試點對集合。步驟二、在測試點對集合中選取一個點對，在每個點先局部平滑濾波，然后比較兩個像素的灰度值，比較結(jié)果分為相似、亮、暗三類，分別用兩個比特00，10，01表示。步驟三、對測試點對集合中每一個點對重復(fù)步驟二過程，然后將測試結(jié)果串聯(lián)在一起形成一個比特串，并把該比特串作為特征點的描述符。相比以往方法，該方法不僅能夠快速的進行描述符計算和匹配，所需存儲量也更少，用于描述的特征也更穩(wěn)定。
文檔編號G06K9/46GK102496022SQ20111034101
公開日2012年6月13日 申請日期2011年11月2日 優(yōu)先權(quán)日2011年11月2日
發(fā)明者劉潔, 梁曉輝 申請人:北京航空航天大學(xué)