一种伪角点的去除方法，其特征在于，包括以下步骤：判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为C(c1,c2,…,cq)，聚类点位置是2者中特征值较大的角点所在位置，在新的角点集中进一步筛选出凹陷特征点；控制点集P(p1,p2,…,pn)和角点集C(c1,c2,…,cq)，若对于使得|ci-pj|＜small，则认为ci∈T，其中|ci-pj|表示两点的坐标距离，T是控制集P中的非凹陷点集，small为常数；凹陷点集O可以表达为O＝C-Σci，ci∈C且ci∈T；剔除满足|ci-pj|＜small条件的非凹陷部分角点，即得到凹陷点集。
【技术实现步骤摘要】
本专利技术设及图像处理
，提供了一种剔除伪角点的方法。
技术介绍
角点没有明确的数学定义，但人们普遍认为角点是二维图像亮度变化剧烈的点 或图像边缘曲线上曲率极大值的点。运些点在保留图像图形重要特征的同时，可W有效地 减少信息的数据量，使其信息的含量很高，有效地提高了计算的速度，有利于图像的可靠 匹配，使得实时处理成为可能。其在=维场景重建、运动估计、目标跟踪、目标识别、图像配 准与匹配等计算机视觉领域起着非常重要的作用。 30多年来，越来越多的学者对角点检测投入了研究，因此产生了很多算法。可将 运些算法分为：①基于模板匹配的角点检测；②基于边缘特征的角点检测；③基于亮度变 化的角点检测。 对于大多数图象目标而言，凹陷特征是典型的目标特征，如果不能提取该特征，就 丢失了丰富的形状信息。在人目标识别的过程中，采用归一化提取了达到正侧面效果的采 样图，而由主动轮廓算法的初步检测进一步给出了目标的大致轮廓，但由于主动轮廓算法 对于距离太远的目标收敛比较慢，而且算发给定的系数需要能够跨过噪声点向主要轮廓逼 近，所W凹陷部分的引力场往往不足W让控制点收敛到凹陷处。 当图象的目标边缘模糊，尤其是存在的角点边缘模糊的时候，角点检测精度下降， 甚至失败，在保证遗漏概率较低的条件下，由于口限t设置较小，导致侯选角点中存在一部 分边缘点，即伪角点，我们使用如下方法去除伪角点。
技术实现思路
本专利技术的目的在于剔除伪角点： 为了实现上述目的本专利技术采用W下技术方案： -种伪角点的去除方法，包括W下步骤： 判断2个相邻加点的距离S，如距离S小于阔值L则聚类，得到的新角点集记为 C(Ci，C2,......Cq)，聚类点位置是2者中特征值较大的角点所在位置， 在新的角点集中进一步筛选出凹陷特征点；[00川控制点集P如，P2,......Pn)和角点集C(Cl,C2,......Cq)，若对于VC, 6C，助非使 得|ci-p,| <small,则认为CiGT，其中|ci-p,|表示两点的坐标距离，T是控制集P中的 非凹陷点集，small为常数；凹陷点集0可W表达为0 =C-ECi，CiGC且CiGT;[001引剔除满足k-p,| <small条件的非凹陷部分角点，即得到凹陷点集。 综上所述，由于采用了上述技术方案，本专利技术的有益效果是： 能够准确的剔除伪角点，尤其是存在的角点边缘模糊的时候，提高角点检测精度。【具体实施方式】 本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥 的特征和/或步骤W外，均可任何方式组合。 ，包括W下步骤： 判断2个相邻加点的距离S，如距离S小于阔值L则聚类，得到的新角点集记为 C(Ci，C2,……Cq)，聚类点位置是2者中特征值较大的角点所在位置， 在新的角点集中进一步筛选出凹陷特征点；[001引控制点集P(Pi，P2,......Pn)和角点集C(Ci，C2,......Cq)，若对于驚ec'新使 得|ci-Pi| <small,则认为CiGT，其中|ci-Pi|表示两点的坐标距离，T是控制集P中的 非凹陷点集，small为常数；凹陷点集0可W表达为0 =C-ECi，CiGC且CiGT; 剔除满足ICi-PjI<small条件的非凹陷部分角点，即得到凹陷点集。【主权项】1. ，其特征在于，包括以下步骤： 判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为 C(Cl,C2,......cq)，聚类点位置是2者中特征值较大的角点所在位置， 在新的角点集中进一步筛选出凹陷特征点； 控制点集P(P1,P2,......Pn)和角点集C(Cl，c2,......Cq)，若对于Vc,eC1，3巧eP使 得I Cl-P] I<small，则认为C1GT，其中I Cl-P] I表示两点的坐标距离，T是控制集P中的 非凹陷点集，small为常数；凹陷点集O可以表达为O=C_2Ci，CiG(：且C1GT; 剔除满足ICl-P]I<small条件的非凹陷部分角点，即得到凹陷点集。【专利摘要】，其特征在于，包括以下步骤：判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为C(c1,c2,…,cq)，聚类点位置是2者中特征值较大的角点所在位置，在新的角点集中进一步筛选出凹陷特征点；控制点集P(p1,p2,…,pn)和角点集C(c1,c2,…,cq)，若对于使得|ci-pj|＜small，则认为ci∈T，其中|ci-pj|表示两点的坐标距离，T是控制集P中的非凹陷点集，small为常数；凹陷点集O可以表达为O＝C-Σci，ci∈C且ci∈T；剔除满足|ci-pj|＜small条件的非凹陷部分角点，即得到凹陷点集。【IPC分类】G06K9/46【公开号】CN105224946【申请号】CN201510609395【专利技术人】张岱, 齐弘文 【申请人】成都融创智谷科技有限公司【公开日】2016年1月6日【申请日】2015年9月22日本文档来自技高网...
【技术保护点】
一种伪角点的去除方法，其特征在于，包括以下步骤：判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为C(c1,c2,......cq)，聚类点位置是2者中特征值较大的角点所在位置，在新的角点集中进一步筛选出凹陷特征点；控制点集P(p1,p2,......pn)和角点集C(c1,c2,......cq)，若对于使得|ci‑pj|＜small，则认为ci∈T，其中|ci‑pj|表示两点的坐标距离，T是控制集P中的非凹陷点集，small为常数；凹陷点集O可以表达为O＝C‑Σci，ci∈C且ci∈T；剔除满足|ci‑pj|＜small条件的非凹陷部分角点，即得到凹陷点集。
【技术特征摘要】
【专利技术属性】
技术研发人员：张岱，齐弘文，
申请(专利权)人：成都融创智谷科技有限公司，
类型：发明
国别省市：四川;51
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。