技術領域：

本發明涉及數字圖像不變特征區域的提取，尤其是具有尺度不變性的最穩定極值區域的提取方法。

背景技術：

從圖像中檢測特征區域一直是計算機視覺領域的重點研究問題之一。近年來，基于局部區域的圖像仿射不變特征區域受到越來越廣泛的關注，并且被成功應用于目標識別、圖像檢索、機器人自主導航與場景理解以及物體圖像分類等許多領域。

典型的局部特征區域檢測算法包括：Lowe提出的尺度不變特征點SIFT(scale?invariant?feature?transform)，Mikolajczyk與Schmid提出的基于多尺度Harris角點的仿射不變特征點，Kadir等人提出的基于信息熵的仿射不變顯著區域(AISR)和Matas等人提出的最穩定極值區域MSER(maximum?stable?extreme?region)。在已經提出的局部仿射不變特征區域檢測算法中，MSER算法在多個方面具有優越的性能，對圖像的旋轉變化、視角變化、亮度變化均具有很好的不變性。MSER算法基本思想是，對于任意一幅灰度圖片，從小到大選取所有可能的閾值，得到對這幅圖像來說的許多連通區域，最后求出這些區域中隨閾值的變化其面積變化小于某個值的區域，也就是最穩定極值區域。由于MSER是從單一尺度圖像中提取的，當圖像尺度發生較大變化時，圖像的模糊會使最穩定極值區域的邊界發生變化，從而影響仿射不變區域的穩定性。

發明內容

針對MSER算法存在的問題，本發明通過定義多尺度空間中極值區域的穩定性指標，提出一種具有尺度不變性的最穩定極值區域的提取方法，能夠解決仿射不變特征提取中的第一個核心問題：特征區域的定位，即在哪里提取特征；同時，該提取方法檢測到的仿射不變區域能夠為后續的圖像處理打下好的基礎。

本發明采取的技術方案是：一種具有尺度不變性的最穩定極值區域的提取方法，其具體步驟為：

1)首先使用最穩定極值區域算法在原始圖像中檢測初始的最穩定極值區域；

2)通過M進小波變換建立初始的最穩定極值區域的尺度金字塔，在初始的最穩定極值區域的尺度金字塔中根據M進小波變換系數的能量算子，確定具有尺度不變性的特征點：

將初始的最穩定極值區域記為f(x,y)，在遞增尺度M^j下沿x和y方向，做M進小波變換，其中M為大于1小于2的實數，j為遞增的正整數，其中的小波函數ψ(x,y)定義為光滑函數沿x和y方向的導數，從而得到由遞增尺度M^j下的平滑的最穩定極值區域及小波系數組成的MSER尺度金字塔；對j為偶數時不同尺度的小波變換結果，結合其相鄰位置上的信息，采用Teager能量算子得到M進制小波變換系數的能量及對應的模根據該模值進行局部非極大值抑制，也就是與周圍8個點相比，如果當前點的模值最大，該點即被確定為具有尺度不變性的特征點，記為X＝(x,y,M^j)，其中(x,y)表示特征點的位置，M^j表示特征點所在尺度；

3)對由上述步驟確定的每個特征點，從最穩定極值區域的尺度金字塔的各層圖像中獲得與其對應的極值區域，并通過多尺度空間中極值區域的穩定性指標，提取出具有尺度不變性的最穩定極值區域：

首先對從最穩定極值區域的尺度金字塔中提取的每個特征點，找出其所在尺度下平滑的最穩定極值區域中像素點的灰度值比其邊界像素點的灰度值都大或者都小的連通區域，作為其對應的極值區域；然后判斷該極值區域的空間穩定性和尺度穩定性，如果該極值區域在尺度空間和像素空間都是穩定的，那么該極值區域就是具有尺度不變性的最穩定極值區域；

4)最后將具有尺度不變性的最穩定極值區域調整成橢圓形狀，以便于后續處理：

首先根據面積大小和面積變化率大小刪除重復或穩定性差的區域；然后根據協方差矩陣，將不規則形狀區域調整為規則的橢圓形區域；將該橢圓形區域放大若干比例，得到最終的具有不變性的最穩定極值區域。

根據實施例的優選方案，步驟2中的所述M進小波變換中的尺度空間數，即j的最大值J選21個。

根據實施例的優選方案，所述步驟3中穩定性指標包括尺度空間的穩定性指標ε(ER)和像素空間的穩定性指標

尺度空間的穩定性指標ε(ER)定義為：