本发明专利技术涉及一种数字图像中斑状特征的位置与尺寸自动检测方法，包括步骤：采集图像并输入计算机；利用高斯梯度模板计算图像中各点的梯度向量；将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；在三维特征能量空间中确定极大值点；利用极大值点之间的位置关系去除不对应图像中斑状特征的极大值点；将三维极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。本发明专利技术提供的方法能够有效地检测出图像中斑状特征的位置与尺寸信息，能够广泛用于图像识别与图像分析等任务。
【技术实现步骤摘要】
本专利技术涉及计算机视觉中的图像特征自动检测领域，特别是数字图像中斑状特征 的位置与尺寸的自动检测方法。
技术介绍
特征检测技术在图像检索、物体识别、视频跟踪以及图像理解等领域有重要应用。 近年来，图像特征检测技术取得了较大进展，目前已有的特征检测技术主要集中在特征点 与特征区域的检测上，大致可分为以下两类第一类是特征点检测方法，如Harris算子、 SUSAN算子、CSS算子、SIFT特征点等，该类方法主要检测图像中能够显著且能够稳定出现 的像素点的位置信息；第二类是特征区域检测技术，如MSER区域技术、IBR技术、EBR技术、 基于迭代的仿射不变区域检测技术等，该类方法主要检测图像中具有某种不变性的区域特 征。我们研究发现，类似于“圆点”结构的斑状特征在图像中是普遍存在的，如果能够 自动检测出其位置与尺寸信息，能够广泛应用于图像识别跟踪分析等任务。鉴于已有特征 检测方法中很少研究这种特征的自动检测问题，本专利技术主要解决图像中斑状特征位置与尺 寸的检测问题。
技术实现思路
本专利技术针对数字图像中斑状特征的检测问题，目的是提供一种能够简单准确地检 测出图像中斑状特征位置与尺寸的自动方法。为了实现本目的，本专利技术数字图像中斑状特 征的位置与尺寸自动检测方法，包括以下步骤步骤Sl 采集图像并输入计算机；步骤S2 利用高斯梯度模板计算图像中各点的梯度向量；步骤S3 将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运 算，获得图像的内积能量图；步骤S4:利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特 征能量空间；步骤S5 在三维特征能量空间中将特征能量大于其周围26个点特征能量的点确 定为极大值点；步骤S6 利用极大值点间的位置关系去除不对应图像中斑状特征的极大值点；步骤S7 将极大值点转化为图像中斑状特征的位置与尺寸信息并输出结果。本专利技术提供的，主要利用图像中 各点的梯度特征，首先计算出各点的内积能量并构造三维能量空间，然后在该空间中检测 极大值点并去除不对应目标特征的极大值点，最后将极大值点转化为斑状特征的位置与尺 寸信息。本专利技术提供的方法不仅能够快速有效地检测出图像中斑状特征的位置，还能准确 地确定斑状特征的尺寸。附图说明图1为本专利技术流程图。 具体实施例方式如图1所示为本专利技术流程图，包 括采集图像并输入计算机，计算图像中各点的梯度向量，获得图像的内积能量图，构造三 维特征能量空间，在三维特征能量空间中检测极大值点，去除不对应图像中斑状特征的极 大值点，将极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。各步骤的具体 实施细节如下步骤Sl 采集图像并输入计算机。 步骤S2 禾Ij用高斯梯度模板计算图像中各点的梯度向量。步骤S3:获得图像的内积能量图。将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图，具体方法为，记图像中任意一点X的梯度向量为，则点X处的内积能量计算公式为 (其中N(X)表示以点X为中心的一个3X3邻域，abs表示取绝对值运算)。步骤S4:构造三维特征能量空间。给定一个检测半径r，对于图像中任意一点X， 个圆形区域)计算点X处的特征能量，通过计算各点的特征能量可获得图像的特征能量图； 给定k个检测半径r = Γι，r2，. . .，rk (其中rk表示拟检测斑状特征的最大半径，可根据拟 检测斑状特征的具体情况预先设定)，可获得k幅特征能量图；将这k幅特征能量图根据检 测半径r从小到大依次排列，可获得一个三维特征能量空间(三维分别对应图像的行χ、列 y与检测半径r)。步骤S5 在三维特征能量空间中检测极大值点。将三维特征能量空间中特征能量 大于其周围26个点特征能量的点确定为极大值点，即每一个极大值点(x，y，r)需满足如下 条件FE (x, y, r) > FE(x-l, y, r), FE (χ, y, r) > FE(x+l, y, r),FE (χ, y, r) > FE (χ, y-1, r),FE (χ, y, r) > FE (χ, y+1, r),FE (χ, y, r) > FE (χ_1, y-1, r),FE (χ, y, r) > FE (χ_1, y+Ι, r)，FE (χ, y, r) > FE (χ+1, y-1, r),FE (χ, y, r) > FE (χ+1, y+Ι, r)，FE(x,y,r) > FE (χ-1, y, r-1),FE(x,y,r) > FE (χ+1, y, r-1),FE (χ, y, r) > FE (χ, y-1, r-1),FE(x,y,r) > FE (χ, y+1, r-1),FE (χ, y, r) > FE (χ-1, y-Ι, r-Ι), FE (χ, y, r) > FE (χ-1, y+Ι, r-Ι)，FE (χ, y, r) > FE (χ+1, y-Ι, r-Ι), FE (χ, y, r) > FE (χ+1, y+Ι, r-Ι)，FE (χ, y, r) > FE (χ, y, r-1),FE(x,y,r) > FE (χ-1, y, r+1),FE(x,y,r) > FE (χ+1, y, r+1),FE(x,y,r) > FE (χ, y-1, r+1),FE(x,y,r) > FE(χ, y+1, r+1),FE(x,y,r) > FE(χ-l, y-1, r+1),FE (χ, y, r) > FE (x-1, y+1, r+1), FE(x,y,r) > FE (x+1, y-1, r+1),FE(x,y,r) > FE (x+1, y+1, r+1), FE (x, y, r) > FE (x, y, r+1)。步骤S6 去除不对应图像中斑状特征的极大值点。记步骤S5在三维特征能量空 间中获得的极大值点组成的集合为汜=(xi Yi, r,) (i = 1,2,..., m)}(其中m表示极大 值点的个数)，对于其中的任一极大值点(Xi，Ii, Vi) (i = 1,2, ..., m)，如果极大值点集合中存在极大值点(Xj，Yj, rj) (i Φ力，满足条件 与FE (Xj，yj;rj) >FE(Xi，yi，ri)，则将极大值点(Xpy^ri)视作不对应图像斑状特征并去除之。步骤S7 将极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。对于 经过步骤S6后保留下来的每一个三维极大值点(x，y，r)，该点对应图像平面上的一个斑状 特征，其中U，y)为斑状特征的中心，r为斑状特征的尺寸(半径大小)。权利要求一种，其特征在于，包括步骤步骤S1采集图像并输入计算机；步骤S2利用高斯梯度模板计算图像中各点的梯度向量；步骤S3将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；步骤S4利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；步骤S5在三维特征能量空间中将特征能量大于其周围26个点特征能量的点确定为极大本文档来自技高网...
【技术保护点】
一种数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，包括步骤：步骤Ｓ１：采集图像并输入计算机；步骤Ｓ２：利用高斯梯度模板计算图像中各点的梯度向量；步骤Ｓ３：将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；步骤Ｓ４：利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；步骤Ｓ５：在三维特征能量空间中将特征能量大于其周围２６个点特征能量的点确定为极大值点；步骤Ｓ６：利用极大值点间的位置关系去除不对应图像中斑状特征的极大值点；步骤Ｓ７：对于经过步骤Ｓ６后保留下来的每一个三维极大值点（ｘ，ｙ，ｒ），该点对应图像平面上的一个斑状特征，其中（ｘ，ｙ）对应斑状特征的中心位置，ｒ对应斑状特征的尺寸（半径大小）。
【技术特征摘要】
【专利技术属性】
技术研发人员：王志衡，刘红敏，贾宗璞，杨立身，薛霄，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：41[中国|河南]
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。