科创中国

本发明提供了一种基于相位奇点的图像表示方法，包括：对图像信息进行二维复数滤波处理，生成滤波响应图像；检测图像相位奇点；精确定位相位奇点；生成相位奇点的局部描述子作为图像特征。本发明还提供了利用上述图像表示进行图像匹配和识别的方法。本发明的图像表示方法有效的利用了相位奇点的信息，开发新的图像表示方法，丰富了图像特征，提高了图像匹配点的数量与匹配的正确率，开发了基于相位奇点包表示的图像分类方法。

一种基于相位奇点的图像表示方法，包括：对图像信息进行二维复数滤波处理，生成滤波响应图像；检测图像相位奇点；精确定位相位奇点；生成相位奇点的局部描述子作为图像特征；生成相位奇点的局部描述子包括：相位奇点方向分配和相位奇点描述子生成；所述相位奇点方向分配包括：利用相位奇点邻域像素的梯度方向分布特征为相位奇点指定方向参数，用直方图统计相位奇点邻域像素的梯度方向，直方图的峰值为相位奇点邻域梯度的主方向，即作为相位奇点的方向；所述相位奇点描述子生成包括：将坐标轴旋转到相位奇点的方向，以相位奇点为中心取n×n的窗口。

对图像的信息进行快速准确的描述一直都是图像匹配和图像识别技术中研究的 重难点。现有技术中图像特征的提取方法大多为围绕图像的颜色、纹理、形状和空间关系展 开的，这些方法虽可描述图像的特征，但是存在所得特征鲁棒性差的缺点。还有一种现有技 术是基于变换域的不变特征描述方法，由于变换域的固有属性，这种现有技术在图像进行 剪裁前后描述效果差别较大。

[0003] 另有一种现有技术利用了尺度不变的特征（Scale-Invariant Feature)，用来进 行图像的匹配和识别，提出了一种基于尺度空间的、对图像缩放、旋转变换保持不变形的图 像局部特征描述算子，即为尺度不变特征转换（Scale-Invariant Feature Transform， SIFT)算子，广泛应用于物体识别、机器人地图感知与导航、影响追踪和动物比对等领域，具 有鲁棒性好，特征点稳定，图像经过剪裁后仍然有较高的识别率等特点。在光学领域，相位 奇点(phase singularity)是指光场中那些相位不确定的地方，那里的光波振幅为零，强度 显示出暗点。围绕相位奇点，光束呈现出螺旋的波前特性。由于相位奇点的这些特性，使其 在图像特征提取上具有潜在的重要应用价值。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明的有益效果在于:第一，本发明的图像表示方法有效的利用了相位奇点的 信息，开发新的图像表示方法，丰富了图像特征，从而提高了图像匹配点的数量与匹配的正 确率;第二，图像匹配方法考虑了待匹配的第一图像和第二图像相位奇点的空间关系，并把 这种关系使用到了相位奇点的匹配中，提高了匹配正确率;第三，图像识别方法提出了相位 奇点正负属性与空间分布的改进词袋模型，提高了图像的识别和分类正确率。

技术合作

通过计算待测图像I的正词袋和负词袋中各个特征向量出现的次数，计算统计图 像I的正负直方图表示。

[0170] 为提高局部描述的能力，在计算统计直方图表示时，将图像I划分成许多子区域， 得到每个子区域里各自的统计直方图，然后将这些子区域的直方图进行组合来获取图像I 的最终直方图表示。

[0171] S3-8用步骤S3-1中得到的不同类型的分类器对待测图像进行检测，得到图像识别 结果

[0172] 利用支持向量机(SVM)对每类图像训练出一个分类器，待测图像输出值最大SVM的 那一类别即图像的类别。

[0173] 在直方图计算时，可使用传统词袋模型的方法，即将检测出的相位奇点归结为一 类单词;也可使用软分配方法，利用相位奇点与词袋中多个单词的相似性来计算。

[0174] 利用本实施例的图像识别方法以及传统的SIFT方法对摩托车，自行车，人脸，汽车 图像进行识别，结果如图4所示，本发明的图像识别方法具有更高的识别率。

[0175] 以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明 的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范 围之内。