基于核相似区分布特性的图像角点检测方法及系统技术方案

本发明专利技术公开了一种基于核相似区分布特性的图像角点检测方法及系统，包括：步骤1，构造一个圆模板和m个角模板；步骤2，获得圆模板和角模板的核相似区面积；步骤3，按核相似区面积大小对角模板对应的方向排序，获得方向序列；步骤4，基于方向序列确定主方向并判断主方向连续性；步骤5，根据圆模板的核相似区面积、角模板中最大核相似区面积和最小核相似区面积的差值、主方向数量和主方向连续判断模板中心是否为候选角点；步骤6，基于步骤5的判断结果进行非极大值抑制，确定图像角点。在角点提取过程中，本发明专利技术同时考虑了核相似区的面积和分布特性，可避免角点的误提取，从而提高角点检测精度。

【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：一是针对SUSAN算子中所涉及参数的自适应选取方法进行改进，通常是对其中的灰度相似度阈值的自适应选取进行改进，如毕务忠等和吕海霞等所做的改进。二是对SUSAN算子中的相似度比较过程进行改进，如许兵等用模板中心一定区域内像素均值来取代模板中心像素的灰度值来提高在信噪比不同、复杂度较大的图像中角点检测的效果。三是将SUSAN算子与基于图像边缘的角点检测方法结合以综合两类方法的优点，如张坤华等在SUSAN提取角点的基础上，利用边沿元对初角点沿边缘方向跟踪排序并根据图像边缘特征检测的边界方向变化情况来剔除由于图象数字化而导致的虚假角点。尽管SUSAN算子在角点检测方面有着突出的优点，并在众多学者的不断改进下逐步完善，但在某些情况下仍会存在检测出错误角点的现象，如对于有噪声的图像，会将噪声误判为角点。
技术实现思路
针对现有技术中SUSAN算子检测噪声图像存在的角点误提取问题，本专利技术提供了一种可避免噪声图像中角点误提取的、基于核相似区分布特性的图像角点检测方法及系统。为解决上述技术问题，本专利技术采用如下的技术方案：一、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，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本文档来自技高网...

【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当主方向集中所有方向对应的角模板在圆模板中均相邻时，则主方向连续；步骤5，将同时满足圆模板的核相似区面积小于阈值a·S、角模板中最大核相似区面积和最小核相似区面积的差值大于阈值a·Si、主方向数量不为m且主方向连续的圆模板中心记为候选角点，a根据角点的尖锐程度取值，S和Si分别为圆模板和角模板包含的像素点数；步骤6，基于步骤5的判断结果进行非极大值抑制，以确定角点。...

【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