一种图像角点检测方法、装置、设备及应用制造方法及图纸

本发明专利技术公开了一种图像角点检测方法、装置、设备及应用，涉及图像处理及计算机视觉领域，包括获取待检测图像的图像边缘，得边缘图像，追踪边缘图像的边缘曲线，并将边缘曲线用离散点表示，得到离散边缘曲线图像，将离散边缘曲线图像进行平滑处理，得到降噪曲线图像，基于降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取两条线段端点之间的曲线为该离散点的支撑区域，基于每个离散点的支撑区域，计算每个离散点的角点度值，筛选符合预设角点度阈值的离散点，得到最终角点集合，支撑区域取决于角点周围的真实结构，对离散点周围的边缘结构具有较强的适应性，实现了准确检测离散点出的弯曲程度，提高了角点的识别精度，加快了检测效率。加快了检测效率。加快了检测效率。

【技术实现步骤摘要】
一种图像角点检测方法、装置、设备及应用


[0001]本专利技术涉及图像处理及计算机视觉领域，特别是涉及一种图像角点检测方法、装置、设备及应用。

技术介绍

[0002]对于很多计算机视觉任务而言，获得高质量的图像特征对后续的工作有着重要的推动作用，因此图像特征提取技术一直是该领域的一个研究热点。角点是图像中具有高度稳定性的局部性特征信息之一。相较于其它底层的图像特征(如，边缘曲线)，角点具有旋转变换、仿射变换、尺度变换、压缩变换不变性。角点检测技术自上世纪五十年代首次被提出至今，该课题一直是模式识别和图像处理领域的一项基础性研究工作。当前，角点检测技术已经在多个计算机视觉任务中发挥着不可替代的作用，例如，图像拼接、目标跟踪、图像匹配等。
[0003]经历了几十年的发展，角点检测方面已经涌现出近百种优秀的角点检测算法，这些算法根据其检测方式的不同可以分为基于灰度的和基于边缘的。基于图像灰度的角点检测算法通常根据图像中像素点灰度值的变化计算角点响应值并判断当前点是否为角点。基于图像边缘轮廓的角点检测器不同于基于灰度的角点检测器，该类角点检测器提取角点的第一步是获取图像的边缘轮廓，然后通过离散曲率的计算来筛选角点。大多数基于灰度的角点检测算法存在对噪声敏感，计算复杂度高等问题，因此基于边缘的角点检测算法的使用范围相对广泛。
[0004]虽然基于边缘的角点检测算法在一定程度上克服了基于灰度角点检测算法存在的问题，但是其检测结果直接受限于边缘检测的禁锢。此类角点检测算法通常在一个固定大小的支撑区域上进行离散曲率的估计，该区域是人为确定的一个固定半径的支撑区域，遗憾的是，通常情况下这个固定的支撑区域对于曲线上的角点结构没有适应性，因此可能导致检测效率低等问题。
[0005]综上所述可以看出，如何设计一种适应性高、识别精度高，检测效率快的图像角点检测方法是目前有待解决的问题。

技术实现思路

[0006]本专利技术的目的是提供一种图像角点检测方法、装置、设备及应用，以解决现有技术角点支撑区域适应性低、角点识别精度低的问题。
[0007]为解决上述技术问题，本专利技术提供一种图像角点检测方法，包括：
[0008]获取待检测图像的图像边缘，得边缘图像；
[0009]追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；
[0010]将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；
[0011]基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述
两条线段端点之间的曲线为该离散点的支撑区域；
[0012]基于每个离散点的支撑区域，计算每个离散点的角点度值；
[0013]筛选符合预设角点度阈值的离散点，得到最终角点集合。
[0014]优选地，所述离散点的支撑区域计算公式为：
[0015]Ω(p
i
)＝{p
i
‑
b
，
…
，p
i
‑1，p
i
，p
i+1
，
…
，p
i+f
}
[0016]其中，Ω(p
i
)为第i个离散点的支撑区域，p
i
为第i个离散点。
[0017]优选地，所述基于每个离散点的支撑区域，计算每个离散点的角点度值包括：
[0018]计算每个离散点前后两个方向拟合的两条线段间的夹角；
[0019]利用所述两条线段间的夹角计算该离散点的角点度值。
[0020]优选地，所述两条线段间的夹角计算公式为：
[0021][0022]其中，p
i
p
i+f
为前方向线段，p
i
p
i
‑
b
为后方向线段，|p
i
p
i+f
|为前方向线段长度，|p
i
p
i
‑
b
|为后方向线段长度。
[0023]优选地，所述离散点的角点度值计算公式为：
[0024][0025]其中，c
i
为离散点角度值，u为常数参数，θ为两条线段间的夹角，tanh为双曲正切函数，其计算公式为：
[0026][0027]其中，sinh为双曲正弦函数，cosh为双曲余弦函数。
[0028]优选地，所述筛选符合预设角点度阈值的离散点，得到最终角点集合包括：
[0029]利用局部非极大值抑制方法获取局部角点度最大值的离散点，得到局部角点度最大值离散点集；
[0030]预设角点度阈值，滤除所述局部角点度最大值离散点集中不符合预设角点度阈值的离散点，得到最终角点集合。
[0031]优选地，所述将所述离散边缘曲线图像进行平滑处理利用高斯平滑函数对所述离散边缘曲线图像进行平滑处理，所述高斯平滑函数计算公式为：
[0032]Γ(u,σ)＝(X(u,σ),Y(u,σ))
[0033]其中，σ为高斯平滑函数标准差，X(u)为曲线上离散点的横坐标，Y(u)为曲线上离散点的纵坐标。
[0034]本专利技术还提供一种图像角点检测装置，包括：
[0035]边缘图像获取模块，用于获取待检测图像的图像边缘，得边缘图像；
[0036]曲线离散转换模块，用于追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；
[0037]图像降噪模块，用于将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；
[0038]支撑区域模块，基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条
线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；
[0039]角点度值计算模块，基于每个离散点的支撑区域，计算每个离散点的角点度值；
[0040]最终角点筛选模块，筛选符合预设角点度阈值的离散点，得到最终角点集合。
[0041]本专利技术还提供一种图像角点检测设备，包括：
[0042]存储器，用于存储计算机程序；
[0043]处理器，用于执行所述计算机程序时实现上述所述一种图像角点检测方法的步骤。
[0044]本专利技术还提供一种上述所述的图像角点检测方法在图像特征提取领域的应用。
[0045]本专利技术所提供的一种图像角点检测方法，获取待检测图像的图像边缘，利用离散点表示所述图像边缘后，通过平滑处理消除图像噪声，将每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域，所述支撑区域取决于角点周围的真实结构，对离散点周围的边缘结构具有较强的适应性，实现了准确检测离散点出的弯曲程度，提高了角点的识别精度，加快了检测效率。
附图说明
[0046]为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像角点检测方法，其特征在于，包括：获取待检测图像的图像边缘，得边缘图像；追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；基于每个离散点的支撑区域，计算每个离散点的角点度值；筛选符合预设角点度阈值的离散点，得到最终角点集合。2.如权利要求1所述的图像角点检测方法，其特征在于，所述离散点的支撑区域计算公式为：Ω(p
i
)＝{p
i
‑
b
，
…
，p
i
‑1，p
i
，p
i+1
，
…
，p
i+f
}其中，Ω(p
i
)为第i个离散点的支撑区域，p
i
为第i个离散点。3.如权利要求1所述的图像角点检测方法，其特征在于，所述基于每个离散点的支撑区域，计算每个离散点的角点度值包括：计算每个离散点前后两个方向拟合的两条线段间的夹角；利用所述两条线段间的夹角计算该离散点的角点度值。4.如权利要求3所述的图像角点检测方法，其特征在于，所述两条线段间的夹角计算公式为：其中，p
i
p
i+f
为前方向线段，p
i
p
i
‑
b
为后方向线段，|p
i
p
i+f
|为前方向线段长度，|p
i
p
i
‑
b
|为后方向线段长度。5.如权利要求4所述的图像...

【专利技术属性】
技术研发人员：钟宝江，张阳，
申请(专利权)人：苏州大学，
类型：发明
国别省市：