发明名称 |
面向近重复图像匹配的SIFT特征裁减方法 |
摘要 |
本发明公开了一种面向近重复图像匹配的SIFT特征裁减方法。对图像库中每一幅图像进行高斯核卷积处理,得到图像关键点;对关键点对比度和关键点主曲率比分别进行高斯归一化,并进行线性加权得到显著度;按照关键点的显著度从小到大排序,选取用户指定数目的关键点,实现裁减;对裁减后的关键点,根据其位置、尺度和方向信息生成描述子,得到SIFT特征;对所有SIFT特征集合使用局部敏感哈希技术建立图像库索引,提供近重复图像匹配查询功能。利用了图像局部特征技术和局部敏感哈希技术的研究和实现成果,可以方便快捷的提供近重复图像查询能力,使用者根据应用需求调整裁减算法的加权系数和SIFT特征数目上限阈值,以提供最好的性能。 |
申请公布号 |
CN101697232B |
申请公布日期 |
2012.03.07 |
申请号 |
CN200910152880.3 |
申请日期 |
2009.09.18 |
申请人 |
浙江大学 |
发明人 |
陈刚;寿黎但;胡天磊;陈珂;王金德 |
分类号 |
G06T7/00(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
杭州求是专利事务所有限公司 33200 |
代理人 |
林怀禹 |
主权项 |
一种面向近重复图像匹配的SIFT特征裁减方法,其特征在于该方法的步骤如下:1)对图像库中每一幅图像进行高斯核卷积处理,使用高斯差分算子在得到的图像多尺度空间检测极值点,称为关键点;2)对图像提取的关键点对比度和关键点主曲率比分别进行高斯归一化;3)采用高斯归一化后的对比度和主曲率比的线性加权来衡量关键点的匹配能力,称为显著度;4)对步骤3)得到的关键点集合按照关键点的显著度从小到大排序,选取用户指定数目的关键点,实现裁减;5)对步骤4)裁减后的关键点,根据其位置、尺度和方向信息生成描述子,得到SIFT特征;6)对图像库所有图像提取的经过裁减的所有SIFT特征集合使用局部敏感哈希技术建立图像库索引,提供近重复图像匹配查询功能。 |
地址 |
310027 浙江省杭州市西湖区浙大路38号 |