本发明涉及一种图像尺度空间特征描述，具体涉及一种图像特征描述子创建方法。
背景技术：
描述子作为图像识别、复原等图像处理工作的基本载体，需要具备旋转稳定性、尺度变化适应性等特点。
技术实现要素：
本发明所要解决的技术问题是关键特征点在尺度空间的描述子分析，目的在于提供一种图像特征描述子创建方法，解决上述问题。
一种图像特征描述子创建方法，具体包括以下步骤：
s1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；实现图像的降维，避免噪声过大影响图像的后期干扰。
s2，确定计算描述子所需的图像区域；将关键点附近的邻域划分为d*d(lowe建议d＝4)个子区域，每个子区域作为一个种子点，每个种子点有8个方向。每个子区域的大小与关键点方向分配时相同，即每个区域有多个子像素。
s3，将坐标轴旋转为关键点的方向；
s4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；旋转后的采样点坐标在半径为radius的圆内被分配到d*d的子区域，计算影响子区域的采样点的梯度和方向，分配到8个方向上。
s5，插值计算每个种子点8个方向的梯度；
s6，统计梯度信息；特征向量形成后，为了去除光照变化的影响，需要对它们进行归一化处理，对于图像灰度值整体漂移，图像各点的梯度是邻域像素相减得到，所以也能去除。
s7，按特征点的尺度对特征描述向量进行排序，生成描述子。
进一步地，s1采用高斯差分金字塔进行尺度归一化。尺度归一化后的高斯拉普拉斯函数的极大值和极小值同其它的特征提取函数，例如：梯度，hessian或harris角特征比较，能够产生最稳定的图像特征，对后期的处理稳定性起决定性作用。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明一种图像特征描述子创建方法，能够有效构建出经过降低维度后的特征描述子，具有稳定可靠的优点，有效降低后期的图像识别、复原等操作的噪声，提高准确率。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
本发明一种图像特征描述子创建方法，具体包括以下步骤：
s1，图像预处理，包括灰度变化、边缘锐化、亮度调整，并执行归一化处理；实现图像的降维，避免噪声过大影响图像的后期干扰。
s2，确定计算描述子所需的图像区域；将关键点附近的邻域划分为d*d(lowe建议d＝4)个子区域，每个子区域做为一个种子点，每个种子点有8个方向。每个子区域的大小与关键点方向分配时相同，即每个区域有多个子像素。
s3，将坐标轴旋转为关键点的方向；
s4，将邻域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，并计算其权值；旋转后的采样点坐标在半径为radius的圆内被分配到d*d的子区域，计算影响子区域的采样点的梯度和方向，分配到8个方向上。
s5，插值计算每个种子点8个方向的梯度；
s6，统计梯度信息；特征向量形成后，为了去除光照变化的影响，需要对它们进行归一化处理，对于图像灰度值整体漂移，图像各点的梯度是邻域像素相减得到，所以也能去除。
s7，按特征点的尺度对特征描述向量进行排序，生成描述子。
s1采用高斯差分金字塔进行尺度归一化。尺度归一化后的高斯拉普拉斯函数的极大值和极小值同其它的特征提取函数，例如：梯度，hessian或harris角特征比较，能够产生最稳定的图像特征，对后期的处理稳定性起决定性作用。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。