一种快速检测海水水下图像角点的方法技术

本发明专利技术属于图像分析技术领域，涉及一种快速检测海水水下图像角点的方法，该方法包括以下步骤：把图像转换为灰度图像，并归一化像素值范围为0

【技术实现步骤摘要】
一种快速检测海水水下图像角点的方法


[0001]本专利技术属于图像分析
，涉及一种快速检测海水水下图像角点的方法。

技术介绍

[0002]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。这些点在保留图像图形重要特征的同时,可以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。其在三维场景重建、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。
[0003]目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于模板和基于模板梯度组合3类方法，其中基于模板的方法主要考虑像素领域点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点。常见的基于模板的角点检测算法有Kitchen
‑
Rosenfeld角点检测算法，Harris角点检测算法、KLT角点检测算法及SUSAN角点检测算法。和其他角点检测算法相比，SUSAN角点检测算法具有算法简单、位置准确、抗噪声能力强等特点。
[0004]基于实际应用需求,从角点检测的快速性、准确性、鲁棒性等要求出发,上面对各种角点检测算法各有利弊。直接基于图像的角点检测基本上是全局搜索；基于边缘轮廓的角点检测数据量较少,可以采用多分辨分析并行处理,从灰度图像得到边缘轮廓曲线要经过两次以上的全局搜索,速度并不是很快,但对角点的误检和漏检要比直接基于图像的方法好得多。如果在得到轮廓曲线的过程中应用一些其他的变换方法,就计算的速度而言,下降不少，所以一般快速的、较准确的角点检测使用直接基于图像模板的方法完全可以满足需要,但如果对角点的完备性要求较高,那么使用基于轮廓线的多尺度分析方法应该给予考虑。
[0005]在海洋水下图像的分析过程中，由于海水水下图像的采集过程中，可能存在干扰因素，导致检测到图像的像素信号发生无规律的变化，影响海水水下图像的分析结果。现有检测图像角点的算法，不太适合海水水下图像的处理分析，其检测不具有实时性。通常在水下图像检测过程中，由于信号的干扰，采集到的图像会出现很多的异常值，淹没掉了真正的角点。因此，现场测量必须找到一种方法来实时判断海水水下图像的角点，并确定其在图像中的位置。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供了一种快速检测海水水下图像角点的方法，能够在测量海水水下图像的基础上，判断角点所在图像中的位置，以达到找到图像分析的特征点和提高准确度的目的。
[0007]为达到上述目的，本专利技术采用的技术方案如下：
[0008]一种快速检测海水水下图像角点的方法，包括以下步骤：
[0009](1)把图像转换为灰度图像，并归一化像素值范围为0
‑
255，计算图像的宽度和高度；
[0010](2)遍历图像的宽度和高度，计算该范围内水平梯度和垂直梯度；
[0011](3)计算每个像素点的水平梯度平方和垂直梯度平方，以及水平梯度与垂直梯度乘积；
[0012](4)计算每个像素点两个方向梯度的加权乘积；
[0013](5)计算每个像素点的角点数据值R；
[0014](6)如果该像素点的角点数据值R大于阈值T，判定该像素点为角点，记录该像素点所在位置。
[0015]作为本专利技术的一种优选方式，步骤(2)中，所述水平梯度或垂直梯度为该方向上所有点梯度的平均值。
[0016]进一步优选地，步骤(4)中，每个像素点两个方向的加权乘积包括：水平梯度的加权乘积，为该像素点水平梯度平方与卷积核的乘积。
[0017]进一步优选地，步骤(4)中，每个像素点两个方向的加权乘积包括：垂直梯度的加权乘积，为该像素点垂直梯度平方与卷积核的乘积。
[0018]进一步优选地，步骤(4)中，每个像素点两个方向的加权乘积包括：水平梯度与垂直梯度乘积的加权乘积，为该像素点水平梯度与垂直梯度的乘积，再与卷积核的乘积。
[0019]进一步优选地，所述的卷积核为3*3的矩阵，该矩阵中心权重大于边缘权重。
[0020]进一步优选地，所述角点数据值的计算公式为：R＝a*c
‑
b*b
‑
k*(a+c)*(a+c)；其中，a为该像素点水平梯度的加权乘积，b为该像素点水平梯度与垂直梯度乘积的加权乘积，c为该像素点垂直梯度的加权乘积；k为经验系数，k∈(0.04
‑
0.06)。
[0021]本专利技术提供的快速检测海水水下图像角点的方法，不受累积时间的限制，也不受海洋环境干扰的限制，能够快速测量海水水下图像的角点的位置，以达到快速找到水下图像分析的特征点和提高查找准确度的目的。
附图说明
[0022]图1为本专利技术实施例中快速检测海水水下图像角点的方法流程示意图；
[0023]图2为本专利技术实施例中图像像素w(3，3)权重分配卷积核；
[0024]图3为本专利技术实施例中的原始图像；
[0025]图4为采用本专利技术的方法在原始图像中检测到的图像角点标记。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0027]本实施例提供的快速检测海水水下图像角点的判定方法，如图1所示，具体流程如下：
[0028]S101、把图像转换为灰度图像，所用于计算的图像为一个通道的灰度图像，图像的宽度和高度为图像在宽和高的像素个数，也就是图像数据的列和行的个数。像素值的范围
进行归一化运算，归一化到区间0
‑
255。
[0029]在本实施例中，采集的水下图像的宽为640个像素，高为480个像素的三通道的彩色图像。把三个通道的640*480的图像变为一个通道的640*480的灰度图像。
[0030]Gray＝0.299*R+0.587*G+0.114*B
[0031]根据三个通道红绿蓝(RGB)的值，计算得到对应的灰度数据值。该数据值范围为103
‑
32665的，为16位图像，把该范围归一化变换为0
‑
255区间，也就是103的值为0，32665的值为255，中间点按比例变换为相应的数据值。
[0032]S102、遍历图像的宽度范围和高度范围，计算该范围内水平(x方向)和垂直(y方向)的平均梯度。
[0033]x方向的梯度为左右各点梯度的平均值，如果为第一列和最后一列，只取右或者左边的梯度值。第(x,y)点的梯度：Ix＝{[V(x+1,y)
‑
V(x,y)]+[V(x,y)
‑
V(x
‑
1,y)]}/2；第一列Ix＝V(x+1,y)
‑
V(x,y)，最后一列Ix＝V(x,y)
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速检测海水水下图像角点的方法，其特征在于，包括以下步骤：(1)把图像转换为灰度图像，并归一化像素值范围为0
‑
255，计算图像的宽度和高度；(2)遍历图像的宽度和高度，计算该范围内水平梯度和垂直梯度；(3)计算每个像素点的水平梯度平方和垂直梯度平方，以及水平梯度与垂直梯度乘积；(4)计算每个像素点两个方向梯度的加权乘积；(5)计算每个像素点的角点数据值R；(6)如果该像素点的角点数据值R大于阈值T，判定该像素点为角点，记录该像素点所在位置。2.根据权利要求1所述的快速检测海水水下图像角点的方法，其特征在于，步骤(2)中，所述水平梯度或垂直梯度为该方向上所有点梯度的平均值。3.根据权利要求1所述的快速检测海水水下图像角点的方法，其特征在于，步骤(4)中，每个像素点两个方向的加权乘积包括：水平梯度的加权乘积，为该像素点水平梯度平方与卷积核的乘积。4.根据权利要求1所述的快速检测海水水下图像角点的方法，其特征在于，步骤(4...

【专利技术属性】
技术研发人员：程岩，张浩，李向春，刘凤庆，王小红，王起维，王雷，贾欣鑫，段利亚，尹佳玮，巩龙翔，
申请(专利权)人：山东省科学院海洋仪器仪表研究所，
类型：发明
国别省市：