图像兴趣点的定位与描述研究(2)

　　3兴趣点描述
　　Surf算法中采用的描述子与SIFT类似，也是基于兴趣点的领域分布，具体是计算了在x和y方向上的Harr小波值分布。这样做同样是因为可以借助积分图加速运算，同时只用了64维信息。兴趣点描述子的提取可以分为两个步骤，将在下面进行描述。
　　3.1方向分配
　　为了使旋转图像具有方向不变性，图像中每个兴趣点被指派了一个主方向，兴趣点描述子的构成与这个主方向紧紧联系在一起，主方向的确定方法如下：
　　（1）在以6s为半径的圆形领域内，采样计算x和y方向上的Haar小波响应，采样步长设为s，小波的大小设为4s。这里s指的是被检测兴趣点所处的尺度。
　　Haar小波是一种可以用来找到x和y方向上梯度的简单滤波器，如图2所示。
　　(a)x方向(b)y方向
　　图2Haar小波滤波器
　　其中，黑色区域的权值为1，白色区域的权值为-1。采用积分图像，6次模板滤波可完成响应的计算。
　　小波响应计算完毕后以兴趣点为中心进行高斯加权（2sσ=），这样得到的对兴趣点的描述可用一个点坐标(,)xy表示，其中x和y分别表示x方向上和y方向上的响应。
　　采用一个大小为3π的滑动窗口，计算窗口内响应总和（水平和垂直方向分别求和），这样就产生一个新的矢量，然后找到最长的矢量作为对该兴趣点的矢量描述，如图3所示。
　　图3兴趣点主方向确定示意图
　　3.2基于Haar小波响应的描述子
　　图4不同尺度下兴趣点的描述子方框
　　对于描述子的提取，第一步是在兴趣点附近构造一个带方向（上文所述主方向）方框，这个方框应该包括兴趣点的所有特征向量，边长大小设为20s。这里s同样指的是被检测兴趣点所处的尺度。如图4所示。
　　这些方框将被分为44×共16个子区域，对每个子区域我们计算25（55×）个空间归一化的采样点的Haar小波响应。假定用dx表示水平方向上的Haar小波响应，dy表示垂直方向上的Haar小波响应（滤波器大小为2s），这里的“水平”和“垂直”是相对于兴趣点的主方向而言的，参见图5。
　　在图5中我们可以看到，每个兴趣点所在方框被分成16个子区域后，没个子区域有被分为4个小块，这里的小块即是实际中描述子的基本元。
　　4结语
　　对于每一个基本元，我们分别计算四个量：dxΣ，dxΣ，dyΣ，dyΣ，这样我们可以用矢量(,,,)dxdxdydyν=ΣΣΣΣ来表示每个区域，对每个方框将44×个子区域的响应矢量组合，就形成了一个64维的描述子矢量。最后再对这个64维的矢量单位归一化，则得到的矢量就具有了尺度不变性。
　　【参考文献】
　　[1]朱志文,沈占锋,骆剑承.改进SIFT点特征的并行遥感影像配准[J].遥感学报.2011(05)
　　[2]刘玉,王敬东,李鹏.一种基于SIFT和KLT相结合的特征点跟踪方法研究[J].宇航学报.2011(07)
　　[3]梁栋,颜普,朱明,胡根生.一种基于NSCT和SIFT的遥感图像配准算法[J].仪器仪表学报.2011(05)