用于图像的并行处理的方法和装置制造方法

用于图像的并行处理的方法和装置制造方法
【专利摘要】本发明涉及卷积数据的并行计算。尤其是，本发明涉及高斯金字塔构造和图像数据的并行处理，例如用在SIFT算法中的重复卷积的数据的并行计算。这可以通过提供由多个像素定义的一原始图像获得多个差分图像的一种方法来实现，所述方法包括：提供多个模糊卷积函数，所述模糊卷积函数的每一个通过与所述原始图像的卷积提供所述原始图像增加的模糊度；通过计算两个所述模糊卷积函数之间的差来建立多个差分卷积函数Dif，所述模糊卷积函数的每一个提供所述原始图像增加的模糊度；以及通过将所述差分卷积函数Dif的每一个与所述原始图像进行卷积，由所述原始图像计算多个差分图像，以获得差分图像。
【专利说明】用于图像的并行处理的方法和装置
【技术领域】
[0001]本发明涉及卷积数据的并行计算。尤其是，本发明涉及适合于图像数据的并行处理的高效率的高斯金字塔结构(Gaussian pyramid construction)的计算。
【背景技术】
[0002]除其它之外，在美国专利6711293 BI公开的传统SIFT算法，公开了一种用于识别图像中的尺度不变特征的方法和装置，以及对图像中的目标的这些特征进行定位的应用。
[0003]美国专利申请2010/0169576公开了一种用于实现尺度不变特征变换算法的方法，其中，可以通过将一输入图像与高斯滤波器的差分进行卷积来获得高斯图像的差分。尽管该申请声称该处理过程可以被并行执行，然而该申请并未提及实际的并行实现。

【发明内容】

[0004]传统SIFT算法被设计为适用于利用顺序处理器实现的串行算法。为了提高传统SIFT算法的速度，可以设想将该算法作为并行处理来执行。然而，传统SIFT算法包括许多步骤，其中，每个步骤的结果为计算后续结果的先决条件。因此，传统SIFT算法不适用于并行处理。
[0005]本发明的
【发明者】意外地发现传统SIFT算法中的某些步骤可以再次执行以允许并行处理。本
【发明者】进一步发现这样的某些步骤的再次执行允许该方法在硬件中实现，因此，与执行该算法的已知软件相比，大大提高了计算速度。
[0006]根据一个方面，本发明涉及一种获得一差分图像的方法，所述差分图像应用于识别由多个像素定义的图像的尺度不变特征的方法中，所述方法包括:通过计算两个不同的模糊卷积函数之差计算差分卷积函数Dif，所述两个不同的模糊卷积函数中的每一个通过与原始图像的卷积提供所述原始图像的不同的模糊度；以及将所述差分卷积函数Dif与原始图像进行卷积以得到差分图像。所述差分卷积函数优选地只计算一次且后续可以重复用于不同的图像。
[0007]根据一个方面，本发明涉及一种获得多个差分图像的方法，所述差分图像应用于识别由多个像素定义的图像的尺度不变特征的方法，所述方法包括:提供多个模糊卷积函数，，所述模糊函数中的每一个通过与原始图像的卷积提供原始图像的增长的模糊度；以及从一原始图像中计算多个差分图像。所述模糊卷积函数优选地只计算一次，且后续可重复用于不同的图像。使用高斯模糊函数，就足以通过计算所述函数的宽度的总和以得到对所述函数进行卷积获得的函数的宽度。
[0008]根据一个方面，本发明涉及一种从由多个像素定义的原始图像获得多个差分图像的方法，所述方法包括:
[0009]a.提供多个模糊卷积函数，所述模糊函数中的每一个通过与原始图像的卷积提供所述原始图像的增长的模糊度；
[0010]b.通过计算两个所述模糊卷积函数之差来建立多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与原始图像的卷积提供所述原始图像的不同的模糊度；以及
[0011]c.通过将所述差分卷积函数Dif中的每一个与所述原始图像进行卷积以获得差分图像，从原始图像计算多个差分图像。
[0012]根据一个方面，本发明涉及一种获得第一多个差分图像以及至少一个后续多个差分图像的方法，所述方法包括:
[0013]a.根据本发明，通过使用多个模糊卷积函数，从原始图像中获得第一多个差分图像；
[0014]b.将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数DAcon ；
[0015]c.将所述下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积以获得后续图像；
[0016]d.根据本发明从所述后续图像中获得后续多个差分图像；以及
[0017]e.可选地使用所述后续图像作为所述原始图像，且重复步骤c和d以获得另外的后续多个差分图像。
[0018]根据一个方面，本发明涉及一种获得第一多个差分图像和至少一个后续多个差分图像的方法，所述方法包括:
[0019]a.根据本发明，使用多个模糊卷积函数从一原始图像中获得第一多个差分图像；
[0020]b.对所述模糊原始图像进行下抽样以获得第一图像；
[0021]c.将所述多个模糊函数与一抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数Acon ；
[0022]d.将所述获得的抗锯齿卷积函数Acon与第一图像进行卷积以获得后续图像；
[0023]e.根据本发明，从所述后续图像中获得后续多个差分图像；以及
[0024]f.可选地将所述后续图像作为所述原始图像，且重复步骤b、c和d以获得另外的后续多个差分图像。
[0025]根据一个方面，本发明涉及一种获得第一多个差分图像以及后续多个差分图像的数量η的方法，所述方法包括:
[0026]a.根据本发明，使用多个模糊卷积函数，从一原始图像中获得所述第一多个差分图像；
[0027]b.通过将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积，获得第一下抽样抗锯齿卷积函数DAcon (I)；
[0028]c.当η大于I时，通过将之前下抽样抗锯齿卷积函数DAcon(t-Ι)与所述多个模糊函数，一下抽样函数和一抗锯齿函数进行卷积，获得另外的下抽样抗锯齿卷积函数DAcon (t),当t = 2时开始此步骤c,且重复此步骤同时t等步长增加,直到t到达η ；
[0029]d.将所有下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积，以获得每个下抽样抗锯齿卷积函数DAcon(X)的图像(X)；
[0030]e.根据本发明，获得η个后续多个差分图像，从每个图像(X)中获得每个多数
(X)。
[0031]根据一个方面，本发明涉及一种识别图像特征的方法，所述图像特征在由多个像素定义的图像中在不同的尺度上稳定，其中，多个滤波步骤和重复抽样步骤可并行执行，所述方法包括:
[0032]a.根据本发明获得多个差分图像；
[0033]b.在所述多个差分图像中找到像素幅度极值；
[0034]c.针对每个差分图像中的每个像素产生一个像素梯度向量；
[0035]d.将向量方向和与每个差分图像相关联的最大和最小的幅度的像素相关联。
[0036]根据一个方面，本发明涉及从由多个像素定义的原始图像获得多个差分图像的图像处理装置，所述装置包括关于所述第一图像的数据的接收设备，传输或存储所述差分图像的设备，以及处理设备，所述处理设备被配置为:通过将多个差分卷积函数Dif中的每一个与所述原始图像进行卷积来从原始图像中计算多个差分图像；其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
[0037]根据一个方面，本发明涉及一种识别由多个像素定义的图像中的尺度不变特征的图像处理装置，所述图像处理装置包括处理器电路，所述处理器电路被配置为实施本发明的一种方法。
[0038]根据一个方面，本发明涉及一种从由多个像素定义的原始图像获得多个差分图像的软件程序，所述软件程序使得多个处理器执行:通过将多个差分卷积函数Dif中的每一个与原始图像进行卷积，从所述原始图像中计算多个差分图像，使所述多个处理器并行计算不同的差分图像；其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
[0039]根据一个方面，本发明涉及一种识别由多个像素定义的图像中的尺度不变特征的软件程序，所述软件程序被设置为:执行本发明的一种方法。
【专利附图】

【附图说明】
[0040]下面引入附图且将对有些附图作进一步解释。
[0041]图1为使用级联方法建立高斯金字塔的传统方法的概图；
[0042]图2为绘出根据适用于并行硬件实施的两个实施例的两个不同DoG金字塔方法的示意图；
[0043]图3为绘出根据一个实施例的双线性下抽样插值器的方框图的示意图；
[0044]图4为绘出根据一个实施例的双线性下抽样插值器的硬件有效实施的方框图的示意图；
[0045]图5为绘出根据一个实施例的双线性下抽样插值器的示意性流程图；
[0046]图6为根据本发明的实施例说明如何将用于高斯金字塔的基本构件相连接以达到高效的硬件性能的示意图；
[0047]图7为根据本发明的一个实施例的用于高斯金字塔构造的有效的双线性插值器的示意图，该金字塔示意图基于双线性纹理插值法；
[0048]图8A显示了通过计算两个具有不同宽度的高斯函数之差得到高斯核(DiF)的差，其中的一个高斯函数见图8B ；
[0049]图9为根据一个实施例计算DoG函数的示意性方框图；[0050]图10为一个实施例的硬件实施的部分示意图；
[0051]图11为一个实施例的硬件实施的部分示意图；
[0052]图12为一个实施例的硬件实施的部分示意图；
【具体实施方式】
[0053]其他方面和实施例如下所述。
[0054]根据一实施例，本发明涉及一种从由多个像素定义的一原始图像获得多个差分图像的方法，所述方法包括:
[0055]a.提供多个模糊卷积函数，所述模糊函数中的每一个通过与所述原始图像的卷积提供所述原始图像的增加的模糊度；
[0056]b.通过计算两个所述模糊卷积函数之差建立多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度；以及
[0057]c.通过将所述差分卷积函数Dif中的每一个与所述原始图像进行卷积以获得差分图像，从所述原始图像中计算多个差分图像。
[0058]该方法的一个特别的优势在于适用于并行处理。
[0059]根据一个实施例，本发明涉及一种方法，其中，所述多个差分图像被并行计算。
[0060]根据一个实施例，本发明涉及根据本发明的一种方法，所述方法用于识别所述原始图像中的尺度不变特征。
[0061]根据一个实施例，本发明涉及根据本发明的一种方法，其中，所述多个差分模糊卷积函数被建立一次且重复用于所述差分图像的后续计算。所述模糊卷积函数和/或差分卷积函数优选地只计算一次且可在随后重复用于差分图像。所述卷积函数可在硬件中实施，如单个芯片中。
[0062]根据一个实施例，本发明涉及根据本发明的一种方法，其中，所述模糊卷积函数为高斯函数。通过使用高斯模糊卷积函数，计算所述高斯模糊卷积函数的宽度之和足以获得通过对所述函数进行卷积可获得的所述函数的宽度。
[0063]根据一个实施例，本发明涉及根据本发明的一种方法，其中，所述差分卷积函数Dif由多项式近似表示。
[0064]根据一个实施例，本发明涉及一种获得第一多个差分图像及至少一个后续多个差分图像的方法，所述方法包括:
[0065]a.根据本发明，通过使用多个模糊卷积函数从一原始图像获得第一多个差分图像；
[0066]b.将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数DAcon ；
[0067]c.将所述下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积以获得后续图像；
[0068]d.根据本发明。从所述后续图像中获得后续多个差分图像；以及
[0069]e.可选地将所述后续图像用作所述原始图像，且重复步骤c和d以获得额外的后续多个差分图像。[0070]步骤b可被执行一次，且可以是硬件实施的一部分。若没有步骤e，可通过与额外的模糊函数、下抽样函数以及抗锯齿卷积函数相结合从所述原始图像中直接计算更多后续多个差分图像。
[0071]根据一个实施例，本发明涉及一种根据本发明的方法，其中，通过将额外的模糊、下抽样和抗锯齿卷积函数进行卷积，从所述原始图像中可直接计算出所述后续多个差分图像。
[0072]根据一个实施例，本发明涉及一种获得第一多个差分图像和至少一个后续多个差分图像的方法，所述方法包括:
[0073]a.根据本发明，使用多个模糊卷积函数，从一原始图像中获得第一多个差分函数；
[0074]b.对所述模糊原始图像进行下抽样以获得第一图像；
[0075]c.将所述多个模糊函数与抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数Acon ；
[0076]d.将已获得的抗锯齿卷积函数Acon与所述第一图像进行卷积以获得后续图像；
[0077]e.根据本发明，从所述后续图像获得后续多个的差分图像；以及
[0078]f.可选地将所述后续图像作为原始图像，且重复步骤b、c和d以获得额外的后续多个差分图像，。
[0079]根据一个实施例，本发明涉及一种获得第一多个差分图像和后续多个差分图像的数量η的方法，所述方法包括:
[0080]a.根据本发明，使用多个模糊卷积函数，从一原始图像中获得所述第一多个差分图像；
[0081]b.通过将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积以获得第一下抽样抗锯齿卷积函数DAcon (I)；
[0082]c.当η大于I时，通过将之前下抽样抗锯齿卷积函数DAcon(t-Ι)与所述多个模糊函数、一下抽样函数及一抗锯齿函数进行卷积来获得额外的下抽样抗锯齿卷积函数DAcon (t),步骤c从t = 2开始,且重复此步骤同时t等步长增加,直到t到达η ；
[0083]d.将所有下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积以获得每个下抽样抗锯齿卷积函数DAcon(X)的图像(X)；
[0084]e.根据本发明，获得η个后续多个差分函数，并获得每个图像(X)的每个复数
(X)。
[0085]本文引入的虚拟参数t和X用于区分函数、复数及图像。根据更近一步的实施例，步骤b和c只需执行一次且可由硬件实施。
[0086]根据一个实施例，本发明涉及一种识别图像特征的方法，所述图像特征在由多个像素定义的图像中在不同的尺度上稳定，其中，多重滤波步骤和重新抽样步骤可并行执行，所述方法包括“
[0087]a.根据本发明获得多个差分图像；
[0088]b.在所述多个差分图像中查找像素幅度极值；
[0089]c.针对每个所述差分图像的每个所述像素产生一个像素梯度向量；
[0090]d.将向量方向和与每个所述差分图像相关联的最大和最小的幅度的像素相关联。[0091]根据一个实施例，本发明涉及一种方法，其中，多重滤波步骤为高斯滤波步骤。
[0092]根据一个实施例，本发明涉及一种从由多个像素定义的原始图像获得多个差分图像的图像处理装置，所述装置包括接收关于所述第一图像的数据的设备，对所述差分图像进行传输或存储的设备，以及处理设备，所述处理设备被配置为:通过将多个差分卷积函数Dif中的每一个与所述原始图像进行卷积计算所述原始图像的所述多个差分图像，以获得所述差分图像；其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
[0093]根据一个实施例，本发明涉及一种识别由多个像素定义的图像的尺度不变特征的图像处理装置，所述图像处理装置包括处理器电路，所述处理器电路被设置为:实施本发明中的一种方法。
[0094]根据一个实施例，本发明涉及一种图像处理装置，其中，所述处理器电路包括芯片(例如，CPU)。
[0095]根据一个实施例，本发明涉及一种图像处理装置，所述图像处理装置包括多个芯片，每个芯片被配置为计算至少一个差分图像。这就允许了差分图像的并行计算。
[0096]根据一个实施例，本发明涉及一种图像处理装置，其中，所述图像处理设备包括双线性插值器，所述双线性插值器包括乘法累加单元(MAC)、延迟线加法器以及控制逻辑块。
[0097]根据一个实施例，本发明涉及一种从由多个像素定义的原始图像获得多个差分图像的软件程序，所述软件程序使得多个处理器执行:通过将多个差分卷积函数Dif中的每一个与所述原始图像进行卷积以获得差分图像，由原始图像计算多个差分图像，使得所述多个处理器并行计算不同的差分图像；其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
[0098]根据一个实施例，本发明涉及一种识别由多个像素定义的图像的尺度不变特征的软件程序，所述软件程序被配置为:实施根据本发明的一种方法。
[0099]作为传统SIFT算法的一部分，对在多个尺度上出现的高斯差分(DoG)进行计算。尽管原则上可以使用其他函数，本申请中使用高斯函数进行解释。
[0100]在SIFT算法中，以一固定次数重复模糊输入图像且计算连续的模糊迭代间的差分。随后对产生的图像中的一个进行下抽样且重复模糊/差分操作。在每个尺度上采集几个“高斯差分”图像作为结果。该采集被称为高斯金字塔差分，本申请称为DoG金字塔。
[0101]根据本发明的一个方面，产生对于高斯金字塔中所有层的缩放图像且通过将所述缩放/下抽样图像与一个DoG内核进行卷积来并行计算所述金字塔的所有尺度的所有DoG图像，其中每个DoG内核的方差和幅度唯一。产生的卷积过程等同于通过许多2D FIR滤波器对所有尺度的缩放图像进行并行滤波，所述2D FIR滤波器的数量与所需的DoG图像数量一致。所述FIR滤波器的系数可被预先计算。
[0102]以在像素数量上的线性时间复杂度为特征的金字塔方法很好地适用于实时图像处理及分析，所述实时图像处理及分析包括应用如视频压缩，图像增强和重建以及图像分割和特征测量。
[0103]用于这些应用的某些实施例为:[0104]?具有双边二次B样条滤波的缩放
[0105]?任意模糊宽度的有效图像模糊
[0106].分散像素数据的平滑插值法
[0107]?贴图细化纹理
[0108]?用于检测梯度极值的尺度空间构造
[0109]本申请中，提出了一种方法和系统，如使用由组合的高斯滤波和重新抽样内核组成的解析滤波器的并行实例化达到的高斯金字塔的建立。为了对本发明进行说明，提出了通过所述SIFT算法建立检测梯度极值的尺度空间的方法和系统的实施例。
[0110]SIFT的计算过程中的主要阶段为尺度空间的构造。在此阶段，使用识别图像候补点的级联滤波方法检测敏感图像特征或者关键点。在之后的步骤中使用不同的手段估算和验证图像位置。
[0111]第一步是识别在敏感目标的不同位置变换下可以被重复分配的图像位置坐标和尺度。
[0112]通过搜索在不同尺度上的稳定特征的尺度函数执行对尺度不变的位置的查找。选择的的尺度空间卷积内核为用于定义输入图像的尺度空间函数的高斯函数。
[0113]为检测尺度空间中稳定的关键点位置，与图像相卷积的高斯函数(DoG)的差分D(x,y, σ)由计算两个被恒定的倍数因子k分离的相邻的尺度之间的差而得到。
[0114]DoG图像D(x, y, σ )通过下式得到:
[0115]D(x, y, ο ) = L(x, y, kj σ )-L(χ, y, kj σ ),
[0116]其中，L(x, y, k σ )表示原始图像I (χ, y)与尺度为ko的高斯模糊或高斯内核G(x, y, k σ )的卷积,如，
[0117]L (χ, y, k σ ) = G (x, y, k σ ) *1 (χ, y)
[0118]符号表示χ与y的卷积运算。传统SIFT算法计算两个卷积，且随后计算所述两个卷积之差。
[0119]根据本发明的一个方面，通过用一个函数DiF卷积图像计算图像的两个卷积间的差分，所述函数DiF被计算为两个卷积函数之差:
[0120]
【权利要求】
1.一种从由多个像素定义的一原始图像获得多个差分图像的方法，所述方法包括: a.提供多个模糊卷积函数，所述模糊函数中的每一个通过与所述原始图像的卷积提供所述原始图像的增加的模糊度； b.通过计算两个所述模糊卷积函数之差建立多个差分卷积函数Dif，通过所述两个模糊卷积函数中的每一个与所述原始函数的卷积提供所述原始图像的不同的模糊度； c.通过将所述差分卷积函数Dif中的每一个与所述原始图像进行卷积以获得所述差分图像，从所述原始图像中计算多个差分图像。
2.根据权利要求1所述的方法，其中，所述多个差分图像被并行计算。
3.根据权利要求1或2所述的方法，用于识别所述原始图像的尺度不变特征的方法中。
4.根据上述任一项权利要求所述的方法，其中，所述多个差分卷积函数被建立一次且重复用于所述差分图像的后续计算。
5.根据上述任一项权利要求所述的方法，其中，所述模糊卷积函数为高斯函数。
6.根据上述任一项权利要求所述的方法，其中，所述差分卷积函数Dif由多项式近似表不。
7.一种获得第一多个差分图像和至少一个后续多个差分图像的方法，所述方法包括: a.根据上述任一项权利，使用多个模糊卷积函数从一原始图像获得所述第一多个差分图像； b.将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数DAcon ； c.将所述下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积以获得后续图像； d.根据上述任一项权利要求从所述后续图像中获得后续多个差分图像；以及 e.可选地将所述后续图像用作原始图像，且重复步骤c和d以获得额外的后续多个差分图像。
8.根据权利要求7所述的方法，其中，通过将所述原始图像与额外的模糊函数、下抽样函数和抗锯齿卷积函数进行卷积从所述原始图像中计算所述后续多个差分图像。
9.一种获得第一多个差分图像和至少一个后续多个差分图像的方法，所述方法包括: a.根据上述任一项权利要求，使用多个模糊卷积函数从一原始图像获得第一多个差分图像； b.对所述模糊原始图像进行下抽样以获得第一图像；c.将所述多个模糊函数与抗锯齿函数进行卷积以获得下抽样抗锯齿卷积函数Acon； d.将获得的所述抗锯齿卷积函数Acon与所述第一图像进行卷积以获得后续图像； e.根据上述任一项权利要求，从所述后续图像获得后续多个差分图像；以及 f.可选地将所述后续图像作为所述原始图像且重复步骤b、c和d以获得额外的后续多个差分图像。
10.一种获得第一多个差分图像和后续多个差分图像的数量η的方法，所述方法包括: a.根据上述任一项权利要求，使用多个模糊卷积函数从一原始图像获得第一多个差分图像； b.通过将所述多个模糊函数与一下抽样函数和一抗锯齿函数进行卷积获得第一下抽样抗锯齿卷积函数DAcon (I)；C.当η大于I时，通过将之前下抽样抗锯齿卷积函数DAcon(t-ι)与所述多个模糊卷积函数、一下抽样函数和一抗锯齿函数进行卷积来获得额外的下抽样抗锯齿卷积函数DAcon (t);此步骤从t = 2开始且重复此步骤同时t等步长增加,直到t到达η ； d.将所有下抽样抗锯齿卷积函数DAcon与所述原始图像进行卷积以获得每个下抽样抗锯齿卷积函数DAcon(x)的图像(X)； e.根据上述任一项权利要求，获得η个后续多个差分函数，并获得每个图像(X)的每个复数(X)。
11.一种识别由多个像素定义的图像在不同尺度下稳定的图像特征的方法，其中，多重滤波步骤和重新抽样步骤可被并行执行，所述方法包括: a.根据上述任一项权利要求，获得多个差分图像； b.在所述多个差分图像中查找像素幅度极值； c.针对每个所述差分图像的每个所述像素产生一个像素梯度向量； d.将向量方向和与每个所述差分图像相关联的最大和最小的幅度的像素相关联。
12.根据权利要求11所述的方法，其中，所述多重滤波步骤为高斯滤波步骤。
13.一种用于从由多个像素定义的原始图像获得多个差分图像的图像处理装置，所述装置包括接收关于所述第一图像的数据的模块，对所述差分图像进行传输或存储的模块以及处理模块，所述处理模块被 配置为: 通过将所述差分卷积函数Dif 中的每一个与所述原始图像进行卷积计算所述原始图像的所述多个差分图像，以获得差分图像； 其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
14.一种用于检测由多个像素定义的图像的尺度不变特征的图像处理装置，所述图像处理装置包括处理器电路，所述处理器电路被配置为:实施权利要求1-12中的任一项权利要求所述的方法。
15.根据权利要求13或14中的任一项所述的图像处理装置，其中，所述处理器电路包括芯片，如CPU。
16.根据权利要求13-15中的任一项所述的图像处理装置，所述图像处理装置包括多个芯片，每个所述芯片被配置为计算至少一个所述差分图像。
17.根据权利要求13-16中的任一项所述的图像处理装置，其中，所述图像处理装置包括双线性插值器，所述双线性插值器包括乘法累加单元MAC、延迟线加法器以及控制逻辑块。
18.一种计算机程序，包括当所述程序代码模块，所述程序代码模块用于当所述程序在计算机上执行时执行权利要求1-12中的任一项所述的所有步骤。
19.一种计算机程序产品，包括存储在计算机可读介质中的程序代码模块，所述程序代码模块用于当所述程序产品在计算机上执行时，执行权利要求1-12中的任一项所述的方法。
20.一种用于从由多个像素组成的原始图像获得多个差分图像的软件程序，所述软件程序使得多个处理器执行如下步骤: 通过将差分卷积函数Dif中的每一个与所述原始图像函数进行卷积以获得所述差分图像，由所述原始图像计算所述多个差分图像，使所述多个处理器并行计算不同的所述差分图像； 其中，通过计算两个模糊卷积函数之差建立所述多个差分卷积函数Dif，所述两个模糊卷积函数中的每一个通过与所述原始图像的卷积提供所述原始图像的不同的模糊度。
21.一种识别由多个像素组成的图像的尺度不变特征的软件程序，所述软件程序被配置为: 实施权利要求1-12中的任一项所述的方法。
【文档编号】G06T5/00GK103548053SQ201180059994
【公开日】2014年1月29日 申请日期:2011年12月15日 优先权日:2010年12月17日
【发明者】摩塔萨姆·彻海博尔 申请人:伊维赛斯公司