一种基于双边滤波器的角点检测方法和检测系统技术方案

本发明专利技术涉及一种基于双边滤波器的角点检测方法和检测系统，检测方法的步骤为：采用双边滤波器对待测图像进行平滑滤波；计算待测图像中各像素点在水平和竖直方向上的一阶导数和二阶导数，构造待测图像在水平方向和竖直方向的测度；根据待测图像在水平和竖直方向上的测度构造其局部结构张量；根据待测图像的局部结构张量计算其行列式值和迹值，得到角点响应值矩阵；对角点响应值矩阵进行局部非极大值抑制处理，得到待测图像的局部极大值矩阵；对角点响应值矩阵进行门限化处理，得到阈值处理矩阵；根据局部极大值矩阵和阈值处理矩阵对待测图像中的伪角点进行抑制，得到待测图像的角点。本发明专利技术提供的技术方案能够解决对图像角点检测准确性差的问题。

【技术实现步骤摘要】
一种基于双边滤波器的角点检测方法和检测系统
本专利技术涉及图像角点检测
，具体涉及一种基于双边滤波器的角点检测方法和检测系统。
技术介绍
角点是图像边缘曲线上的最大曲率点或二维图像亮度变化最大的点，是图像的基本特征，因为这些点提供了图像中最重要的局部特征，所以角点检测是许多图像处理应用程序中的关键步骤。现有图像中角点的检测方法可分为三种主要类型：基于灰度变化的检测方法、基于边缘轮廓的检测方法和基于模板的检测方法。基于灰度变化的检测方法是根据角点周围区域的灰度强度的变化对其进行检测的。Moravec(莫拉维克)首先提出了一种使用灰度方差提取角点的算法：取一个以像素点为中心的小窗口，计算其周围四个方向上相邻像素之间的灰度差的平方和，然后将四个值中的最小值作为像素的角点响应值，如果该值大于或等于设定的阈值和局部最大值，则判断该点为角点。Moravec算法流程简单，但计算量非常大，导致执行该算法的及其运行缓慢，并且由于只考虑了像素点四个方向上的相邻像素导致自相关性较强，所以该算法对噪声极其敏感。ChrisHarris(克里斯.哈里斯)和MikeStephens(迈克.斯提芬)于1988年在Moravec算法的基础上提出了Harris(哈里斯)角点检测算法。Harris角点检测算法考虑到窗口中的不同像素的贡献，采用二维高斯函数和一阶泰勒函数构造了结合每个像素点贡献的局部结构张量。对于图像中的平坦区域，局部结构张量的特征值数值比较小，对于图像的边缘像素点，局部结构张量的两个特征值相差比较大；对于角点而言，其局部结构张量的两个特征值都比较大。ChrisHarris和MikeStephens利用该特性建立了角点响应函数，并根据阈值筛选从而提取到图像中的角点。Harris算法是基于灰度变化的经典算法，由于其在旋转变化和光照变化下都具有很好的鲁棒性而被广泛应用。尽管如此，Harris算法仍然存在一些明显的问题，如角点提取的准确性完全取决于阈值的选择。当阈值太大时，会有许多真实角点被漏检。当阈值太小时，周围灰度值差异较小的平坦区域点也可以满足阈值条件，从而产生大量的伪角点，特别是边缘点易被错误检测为角点。基于轮廓的方法是一种基于图像边缘特征的角点检测算法，该算法利用提取的边缘信息来确定角点。Mokhtarian(麦克肯瑞)等人于1998年提出了基于曲率尺度空间的角点检测方法，该方法定义角点为边缘上绝对曲率值极大的点，其主要思想是首先利用Canny(坎迪)边缘检测算法提取图像中的边缘轮廓信息，然后计算边缘轮廓上每一个像素点的曲率值，将局部曲率绝对值极大的点判定为候选角点，然后从高尺度到小尺度的筛选候选角点。此后曲率尺度空间被广泛应用于基于边缘轮廓的角点检测算法中。此类方法的作者都是首先使用单尺度或多尺度高斯滤波器对图像进行平滑处理，接着用Canny边缘提取算子提取图像中的所有边缘轮廓并填充边缘轮廓的缺口，接着在大尺度下计算平滑曲线的每个点处的曲率筛选出绝对曲率最大的点，最后追踪候选角点到小尺度下精准定位。然而这种方法存在三个主要问题：一方面，尺度空间曲率估计技术对曲线上的局部灰度变化和噪声敏感；第二方面，如何选择合适的高斯尺度来平滑曲线是一项艰巨的任务；第三方面，对于不同的图像难以选择合适的阈值来筛选角点，容易造成漏检误检等情况。为了解决上述问题，学者们提出来许多新颖的方法。何和杨在CCS(迈克肯瑞)算法的基础上进一步改进，提出了一种基于自适应曲率阈值的角度点检测器，该方法现在小尺度下检测足够多的候选角点，然后利用角点周围像素点的曲率信息来剔除伪角点，解决了CSS算法难以选择阈值问题，但同时也因为自适应选择阈值参数增加了算法的复杂度。基于模板的检测器通过将局部图像与预定义的模型进行匹配来检测角点。1997年，Smith(史密斯)提出了SUSAN(苏散)算子，该算子具有简单快速的计算能力和优秀的抗噪能力。SUSAN算子使用一个圆形模板，中心为“核心”。用模版中各点(不包含核心点)与核心点的灰度进行比较，得到与核心点灰度相近的点的集合区，该区称为USAN(核值相似区)。当圆形模板在图像上滑动时，将模版中的每个像素的灰度值与模板核心的像素进行比较，以确定像素是否属于USAN区域，然后将USAN区域大小与给定的阈值进行比较以获得角点响应函数值，如果像素的角点响应函数值足够小，则判断其为角点。但是，在复杂的图像或目标与背景之间的对比度发生明显变化的图像中，SUSAN算法则容易将噪声点或边缘点检测为角点。在SUSAN算法的基础上，s.c.bea(宾)等人提出了COP(Cross0n0riented0air，交叉对)算法，改进了模板的形状，从而提高了算法的运行速度，但对于边缘纹理较明显的图像，COP算法和SUSAN算法都对角点提取效果较差。Mtrajkovic(姆特拉科维奇)等人于1988年在SUSAN算法的基础上，提出了MIC(MinimumIntensityChange，最小灰度变化)算法，MIC算法使用和SUSAN算法相同的圆形模板，计算任意一条通过圆心的直线在模板内的灰度变化情况，即计算模板中任意直径的两个端点像素灰度值和圆心像素灰度值的差值平方和，从而得到角点响应函数。若角点响应值大于阈值，则圆心像素点被判断为角点。这类算法的准确性较差，如由于没有差分计算而对噪声不敏感，并且角点的提取很大程度上取决于阈值参数的设置。
技术实现思路
本专利技术的目的是提供一种基于双边滤波器的角点检测方法和检测系统，以解决现有技术对图像中角点检测不准确的问题。为实现上述目的，本专利技术采用如下技术方案：一种基于双边滤波器的角点检测方法，包括如下步骤：(1)采用双边滤波器对待测图像进行平滑滤波；(2)计算平滑滤波后的待处理图像中各像素点在水平和竖直方向上的一阶导数和二阶导数，并构造待测图像在水平方向和竖直方向上的测度；(3)根据待测图像在水平方向和竖直方向上的测度构造其局部结构张量；(4)根据待测图像的局部结构张量计算其行列式值和迹值，得到其角点响应值矩阵；(5)对所述角点响应值矩阵进行局部非极大值抑制处理，得到待测图像的局部极大值矩阵；(6)采用设定阈值对所述角点响应值矩阵进行门限化处理，得到阈值处理矩阵；(7)根据所述局部极大值矩阵和阈值处理矩阵对待测图像中的伪角点进行抑制，得到待测图像的角点。进一步的，所述步骤(1)中在采用双边滤波器对待测图像进行平滑滤波时所采用的公式为：I(xi,yi)＝I(xi,yi)′*W(x,y)其中I′(xi,yi)表示待测图像中第i个像素点的灰度值，I(xi,yi)表示待测图像中第i个像素点经过双边滤波器平滑滤波后的灰度值，W(x,y)为双边滤波器的权重计算公式，设I(xc,yc)表示双边滤波核中心像素点的灰度值，则其中σd为空间域滤波标准差，σg为灰度值域滤波标准差。进一步的，所述步骤(3)中,设待测图像的局部结构张量为M，则其中IX＝Ix(x,y)×Ixx(x,y本文档来自技高网...

【技术保护点】
1.一种基于双边滤波器的角点检测方法，其特征在于，包括如下步骤：/n(1)采用双边滤波器对待测图像进行平滑滤波；/n(2)计算平滑滤波后的待处理图像中各像素点在水平和竖直方向上的一阶导数和二阶导数，并构造待测图像在水平方向和竖直方向上的测度；/n(3)根据待测图像在水平方向和竖直方向上的测度构造其局部结构张量；/n(4)根据待测图像的局部结构张量计算其行列式值和迹值，得到其角点响应值矩阵；/n(5)对所述角点响应值矩阵进行局部非极大值抑制处理，得到待测图像的局部极大值矩阵；/n(6)采用设定阈值对所述角点响应值矩阵进行门限化处理，得到阈值处理矩阵；/n(7)根据所述局部极大值矩阵和阈值处理矩阵对待测图像中的伪角点进行抑制，得到待测图像的角点。/n

【技术特征摘要】
1.一种基于双边滤波器的角点检测方法，其特征在于，包括如下步骤：
(1)采用双边滤波器对待测图像进行平滑滤波；
(2)计算平滑滤波后的待处理图像中各像素点在水平和竖直方向上的一阶导数和二阶导数，并构造待测图像在水平方向和竖直方向上的测度；
(3)根据待测图像在水平方向和竖直方向上的测度构造其局部结构张量；
(4)根据待测图像的局部结构张量计算其行列式值和迹值，得到其角点响应值矩阵；
(5)对所述角点响应值矩阵进行局部非极大值抑制处理，得到待测图像的局部极大值矩阵；
(6)采用设定阈值对所述角点响应值矩阵进行门限化处理，得到阈值处理矩阵；
(7)根据所述局部极大值矩阵和阈值处理矩阵对待测图像中的伪角点进行抑制，得到待测图像的角点。


2.根据权利要求1所述的基于双边滤波器的角点检测方法，其特征在于，所述步骤(1)中在采用双边滤波器对待测图像进行平滑滤波时所采用的公式为：I(xi,yi)＝I(xi,yi)′*W(x,y)
其中I′(xi,yi)表示待测图像中第i个像素点的灰度值，I(xi,yi)表示待测图像中第i个像素点经过双边滤波器平滑滤波后的灰度值，W(x,y)为双边滤波器的权重计算公式，设I(xc,yc)表示双边滤波核中心像素点的灰度值，则



其中σd为空间域滤波标准差，σg为灰度值域滤波标准差。


3.根据权利要求1所述的基于双边滤波器的角点检测方法，其特征在于，所述步骤(3)中,设待测图像的局部结构张量为M，则



其中
IX＝Ix(x,y)×Ixx(x,y)
IY＝Iy(x,y)×Iyy(x,y)
IXY＝IX×IY
其中Ix(x,y)为待测图像在水平方向上的一阶导数，Iy(...

【专利技术属性】
技术研发人员：李步青，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61