【技术实现步骤摘要】
本专利技术属于图像处理
,涉及一种基于核相似区分布特性的图像角点检测方法及系统。
技术介绍
角点是图像的重要局部特征之一,它是描述图像中目标形状的重要信息之一,因此角点检测是目标识别与跟踪、图像匹配、三维重建等领域中的关键技术之一。至今,已有许多学者从事角点检测的研究,也产生了大量角点检测算子。这些算子可以分为两类:基于图像边缘的算子和基于图像灰度的算子,SUSAN(Small univalue segment assimilating nucleus)子就是基于图像灰度特征的典型算子之一。SUSAN算子由牛津大学的Smith和Brady提出,采用圆模板,通过比较模板内部每个像素点与模板中心像素点的灰度值检测角点。若模板内某个像素的灰度与模板中心像素灰度的差值小于一定值,则认为该点与模板中心相似,并统计模板内与中心像素点相似的像元数量即核相似区(Univalue Segment Assimilating Nucleus,USAN)面积,当USAN小于给定阈值,则判断该中心点为所检测的点。SUSAN算子所需的参数较少便于控制,受模板尺寸的影响小,在有噪声的条件下依然能检测到所需角点。因此,SUSAN算子已成为目前较为常用的角点检测算子之一,并在图像匹配、摄影机标定、以及目标识别与运动目标跟踪等领域得到了充分的应用。至今,依然有很多学者不断地对SUSAN算子进行改进。这些改进主要从三个方面对SUSAN进行改进: ...
【技术保护点】
基于核相似区分布特性的图像角点检测方法,用于灰度图像进行角点检测,其特征在于,包括步骤:步骤1,构造一个圆模板和m个角模板,将圆模板等分为m个圆心角相等的扇形即角模板,各角模板代表不同方向,m取6~12;步骤2,依次以灰度图像中各像素点为圆模板中心,对圆模板内像素点和圆模板中心的灰度值进行相似性判断,获得圆模板和角模板在各圆模板中心下的核相似区面积;步骤3,按核相似区面积从大到小对角模板对应的方向排序,获得方向序列{O1,O2,...Om};步骤4,基于方向序列确定主方向并判断主方向连续性,本步骤进一步包括子步骤:4.1顺次计算方向序列中相邻两方向对应的角模板核相似区面积的衰减程度,即两方向对应的角模板核相似区面积的差值与排序在前方向对应的角模板核相似区面积的比值,获得与方向序列{O1,O2,...Om}对应的衰减程度序列{D1,2,D2,3,...Dj,j+1,...Dm‑1,m};4.2从衰减程度序列中顺序找寻第一个大于0.5的元素,记为Dk,k+1,则主方向集为{O1,O2,…,Ok};若衰减程度序列所有元素均不大于0.5,则主方向集为{O1,O2,...Om};4.3当主方向集 ...
【技术特征摘要】
1.基于核相似区分布特性的图像角点检测方法,用于灰度图像进行角点检测,其
特征在于,包括步骤:
步骤1,构造一个圆模板和m个角模板,将圆模板等分为m个圆心角相等的扇形即
角模板,各角模板代表不同方向,m取6~12;
步骤2,依...
【专利技术属性】
技术研发人员:邵振峰,田英洁,沈小乐,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。