图像特征提取系统及其方法

摘要

本发明提供一种图像特征提取系统及其方法，本发明的方法计算各个关键点的局部图像重要性以及空间分布重要性，根据对各个关键点的重要性的评估，从中挑选出重要的关键点来描述目标，避免了次要关键点的影响，既提高了目标识别的准确程度，又降低了后续匹配过程中的运算量。

主权项

1.一种图像特征提取系统，其包括：图像关键点检测单元，其检测并初步确定图像中的关键点；局部图像重要性判断单元，其对图像关键点检测单元初步确定的关键点进行重要性分析，获得每个关键点的局部图像重要性信息；空间位置重要性判断单元，其对每个关键点进行空间位置重要性分析，获取每个关键点的空间位置重要性信息；重要性排序单元，结合前述关键点的局部图像重要性信息及空间位置重要性信息对关键点重要性进行排序；关键点筛选单元，依据重要性排序单元对关键点的排序选出排在前面的若干个关键点，其余的予以剔除，挑选出重要的关键点，所述局部图像重要性判断单元计算关键点图像的信息熵来判断关键点的局部图像重要性，熵值越高，则该关键点越重要，其中图像熵值的计算为：$\mathrm{EN}\left(I\right)=-\underset{g=0}{\overset{255}{\Sigma }}p\left(g\right){\log }_{2}p\left(g\right)$其中，p(g)表示图像I中灰度等于g的所有像素点的个数N(g)与图像中总的像素数N的比值即所述空间位置重要性判断单元确定以关键点为中心的不同大小的图像窗口，然后计算不同窗口图像的直方图的变化值，不同窗口图像的直方图的变化值越大则图像空间位置重要性越高，其中不同窗口图像的直方图的变化值为：$\Delta (x_i,y_i)=\frac{1}{2}\underset{d=-1}{\overset{+1}{\Sigma }}\underset{i=0}{\overset{255}{\Sigma }}|\bar{H}(x,y)-\bar{H}(x,y,d)|$为以关键点为中心的图像窗口的归一化直方图，为窗口大小变化d之后以关键点为中心的图像窗口的归一化直方图。