图像特征点提取和实现方法、图像拷贝检测方法及其系统

本发明涉及图像特征点提取和实现方法、图像拷贝检测方法及其系统，所述图像特征点提取方法包括：步骤1，在被提取图像对应的低尺度图像上检测Harris角点，获得候选特征点集合；步骤2，对所述候选特征点集合中的每一个候选特征点，计算所述候选特征点在所述被提取图像对应的多个高尺度图像下Hessian矩阵的DET值，根据所述DET值去除所述候选特征点集合中的误检点，获得所述被提取图像的特征点。本发明能够提高检测速度，满足实时性要求。

1.一种图像特征点提取方法，其特征在于，包括：步骤1，在被提取图像对应的低尺度图像上检测Harri s角点，获得候选特征点集合；步骤2，对所述候选特征点集合中的每一个候选特征点，计算所述候选特征点在所述被提取图像对应的多个高尺度图像下Hessian矩阵的DET值，根据所述DET值去除所述候选特征点集合中的误检点，获得所述被提取图像的特征点。
2.如权利要求1所述的图像特征点提取方法，其特征在于，所述步骤1进一步为，步骤21，在被提取图像对应的低尺度图像上检测Harris角点，所述低尺度图像是由被提取图像和高斯函数做卷积获得，高斯函数的标准差为所述低尺度图像的尺度；步骤22，将所述Harris角点中在同一像素位置重复出现的角点去除，剩余角点组成所述候选特征点集合。
3.如权利要求1所述的图像特征点提取方法，其特征在于，所述步骤2进一步为，步骤31，对于所述每一个候选特征点，计算所述候选特征点在所述被提取图像对应的每个高尺度图像下Hessian矩阵的DET值；步骤32，对于所述每一个候选特征点，如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中没有极大值或极大值小于预设阀值，则所述候选特征点为误检点，将所述候选特征点从所述候选特征点集合中除去；步骤33，所述候选特征点集合中未被除去的候选特征点为所述被提取图像的特征点。
4.如权利要求3所述的图像特征点提取方法，其特征在于，所述步骤2还包括，步骤41，如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中有极大值，并且所述极大值大于所述预设阀值，则所述候选特征点为所述被提取图像的特征点，所述特征点的尺度为所述极值对应的高尺度图像的尺度。
5.一种在GPU上实现图像特征点提取的方法，其特征在于，包括：步骤51，根据被提取图像的大小配置GPU计算内核，将所述被提取图像的数据拷贝到GPU的纹理存储器；步骤52，GPU按预设低尺度处理被提取图像，获得所述被提取图像对应的低尺度图像，在所述低尺度图像上检测Harris角点，以所述Harris角点组成候选特征点集合，将所述候选特征点集合存储到GPU的全局存储器；步骤53，GPU按多个预设高尺度处理被提取图像，获得所述被提取图像对应的多个高尺度图像，对所述候选特征点集合中的每一个候选特征点，计算所述候选特征点在所述多个高尺度图像下Hessian矩阵的DET值，根据所述DET值去除所述候选特征点集合中的误检点，获得所述被提取图像的特征点，将所述特征点存储到所述GPU的全局存储器。
6.如权利要求5所述的在GPU上实现图像特征点提取的方法，其特征在于，所述步骤51中还包括，步骤61，将用于计算卷积和差分的模板数据拷贝到GPU的常量存储器；所述步骤52进一步为，步骤62，GPU根据所述模板计算所述被提取图像和以所述预设低尺度为标准差的高斯函数的卷积，经卷积后的被提取图像存放于GPU的纹理存储器；步骤63，GPU计算经卷积后的被提取图像在水平方向和垂直方向的差分，差分结果存放于GPU的纹理存储器；步骤64，GPU将差分结果进行高斯模糊，经高斯模糊处理后的差分结果存放于GPU的全局存储器；步骤65，GPU根据差分结果计算Harris角点响应值，将Harris角点响应值存放于GPU的纹理存储器；根据所述Harris角点响应值判断所述被提取图像中的像素点是否为Harris角点，确定Harris角点的位置，将所述Harris角点的位置坐标存放于GPU的全局存储器。
7.如权利要求5所述的在GPU上实现图像特征点提取的方法，其特征在于，所述步骤53进一步为，步骤71，GPU按多个预设高尺度对被提取图像中候选特征点和候选特征点的相邻区域进行高尺度模拟，获得候选特征点和相邻区域在多个高尺度图像对应区域，对于所述每一个候选特征点，计算所述候选特征点在所述被提取图像对应的每个高尺度图像下Hessian矩阵的DET值，将所述DET值存放于GPU的纹理存储器；步骤72，对于每个候选特征点，GPU判断如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中没有极大值或极大值小于预设阀值，则所述候选特征点为误检点，将所述候选特征点从所述候选特征点集合中去除；将所述候选特征点集合中剩余的候选特征点作为所述被提取图像的特征点存放于GPU的全局存储器。
8.一种应用如权利要求1所述的图像特征点提取方法的图像拷贝检测方法，其特征在于，包括：步骤81，按所述图像特征点提取方法提取被检测图像的图像特征点，计算每一个所述图像特征点的SIFT特征和OM顺序度量特征；步骤82，对图像库中的每一幅图像，按所述图像特征点提取方法提取所有图像的图像特征点，计算所述图像特征点的SIFT特征和OM顺序度量特征；步骤83，根据所述被检测图像和所述图像库中图像的SIFT特征和OM顺序度量特征进行拷贝检测。
9.如权利要求8所述的图像拷贝检测方法，其特征在于，所述步骤82进一步为，步骤91，对图像库中的每一幅图像，按所述图像特征点提取方法提取所有图像的图像特征点，计算所述图像特征点的SIFT特征和OM顺序度量特征；将图像库中所有图像特征点的SIFT特征建立为ANN索引树，将图像库中所有图像特征点的OM顺序度量特征以文件的方式存放；所述步骤83进一步为，步骤92，以被检测图像的每个特征点为查询点，根据所述查询点的SIFT特征进行初始ANN检索，获得初始检测结果，初始检测结果为图像库中图像的图像特征点，所述初始检测结果的SIFT特征同查询点的SIFT特征的距离小于第二预设阀值；步骤93，去除掉所述初始检测结果中OM顺序度量特征同所述查询点的OM顺序度量特征不一致的特征点，所述初始检测结果中未被去除的特征点为同所述查询点最匹配的特征点，所述最匹配的特征点组成集合；步骤94，对所述集合中的特征点所属的所有图像，以投票的方式决定所述图像的排名，排名为前n的图像为所述被检测图像的相似图像，n为预设值。
10.一种图像特征点提取装置，其特征在于，包括：候选特征点集合获得模块，用于在被提取图像对应的低尺度图像上检测Harris角点，获得候选特征点集合；特征点提取模块，用于对所述候选特征点集合中的每一个候选特征点，计算所述候选特征点在所述被提取图像对应的多个高尺度图像下Hessian矩阵的DET值，根据所述DET值去除所述候选特征点集合中的误检点，获得所述被提取图像的特征点。
11.如权利要求10所述的图像特征点提取装置，其特征在于，所述候选特征点集合获得模块进一步用于在被提取图像对应的低尺度图像上检测Harris角点，所述低尺度图像是由被提取图像和高斯函数做卷积获得，高斯函数的标准差为所述低尺度图像的尺度；将所述Harris角点中在同一像素位置重复出现的角点去除，剩余角点组成所述候选特征点集合。
12.如权利要求10所述的图像特征点提取装置，其特征在于，所述特征点提取模块进一步用于对于所述每一个候选特征点，计算所述候选特征点在所述被提取图像对应的每个高尺度图像下Hessian矩阵的DET值；对于所述每一个候选特征点，如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中没有极大值或极大值小于预设阀值，则所述候选特征点为误检点，将所述候选特征点从所述候选特征点集合中除去；所述候选特征点集合中未被除去的候选特征点为所述被提取图像的特征点。
13.如权利要求12所述的图像特征点提取装置，其特征在于，所述特征点提取模块还用于如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中有极大值，并且所述极大值大于所述预设阀值，则确认所述候选特征点为所述被提取图像的特征点，所述特征点的尺度为所述极值对应的高尺度图像的尺度。
14.一种图像拷贝检测系统，其特征在于，包括：如权利要求10所述的图像特征点提取装置，被检测图像特征生成模块，用于使用所述图像特征点提取装置提取被检测图像的图像特征点，计算每一个所述图像特征点的SIFT特征和OM顺序度量特征；图像库特征生成模块，用于对图像库中的每一幅图像，使用所述图像特征点提取装置提取所有图像的图像特征点，计算所述图像特征点的SIFT特征和OM顺序度量特征；拷贝检测模块，用于根据所述SIFT特征和OM顺序度量特征进行拷贝检测。
15.如权利要求14所述的图像拷贝检测系统，其特征在于，所述图像库特征生成模块进一步用于对图像库中的每一幅图像，使用所述图像特征点提取装置提取所有图像的图像特征点，计算所述图像特征点的SIFT特征和OM顺序度量特征；将图像库中所有图像特征点的SIFT特征建立为ANN索引树，将图像库中所有图像特征点的OM顺序度量特征以文件的方式存放；所述拷贝检测模块进一步用于以被检测图像的每个特征点为查询点，根据所述查询点的SIFT特征进行初始ANN检索，获得初始检测结果，初始检测结果为图像库中图像的图像特征点，所述初始检测结果的SIFT特征同查询点的SIFT特征的距离小于第二预设阀值；去除掉所述初始检测结果中OM顺序度量特征同所述查询点的OM顺序度量特征不一致的特征点，所述初始检测结果中未被去除的特征点为同所述查询点最匹配的特征点，所述最匹配的特征点组成集合；对所述集合中的特征点所属的所有图像，以投票的方式决定所述图像的排名，排名为前n的图像为所述被检测图像的相似图像，n为预设值。