【技术实现步骤摘要】
本专利技术属于图像配准领域，特别涉及一种图像特征点提取及主方向计算方法。
技术介绍
1、红外图像与可见光图像的配准是一项用于将红外图像与可见光图像进行对齐和匹配的技术，通常用于军事、医学、气象和其他领域。这项技术的起源可以追溯到20世纪中期。
2、现有技术中，技术方案包括基于区域分割和非下采样轮廓波变换的方法，它利用区域分割来识别图像中的重要区域和背景信息，并借助非下采样轮廓波变换(nsct)进行多分辨率和方向性的图像处理，然后应用不同的融合规则，以优化融合后图像的质量。这一方法成功地保留了红外目标特征并清晰呈现可见光背景。
3、但存在以下缺陷：
4、区域分割的准确性对于成功的图像配准至关重要。错误的目标检测或区域分割会导致信息丢失或失真。nsct和图像融合的成功取决于选择合适的参数和融合规则。不正确的参数选择会导致质量差的配准结果。
技术实现思路
1、有鉴于此，本专利技术提出一种图像特征点提取及主方向计算方法，包括以下步骤：
2、s10，对图像进行灰度化；
3、s20，对灰度化后的图像进行高斯滤波，对其边缘进行平滑处理，去除噪声；
4、s30，对高斯滤波后的图像进行sobel滤波，得到图像的梯度信息；
5、s40，应用自适应的canny边缘提取得到图像边缘二值图；
6、s50，采用opencv中的cv2.findcontours函数提取边缘二值图中的连续轮廓并且忽略掉长度小于预设值的轮
7、s60，对每一条轮廓上的点进行曲率和角度计算；
8、s70，提取出曲率和角度满足条件的点作为极值点，得到主方向。
9、优选地，所述s60具体包括以下步骤：
10、s61，设置轮廓曲线curve，角度阈值t_angle，领域半径maxlength，极值点位置索引数组m，极值点主方向数组a；
11、s62，计算一阶导数数组和二阶导数数组对于二维曲线看作是
12、
13、其中，i表示轮廓中当前点的索引，y对t的一阶导数和二阶导数同理，并且忽略轮廓曲线curve的两个端点，保证xi+1和xi-1有意义；
14、s63，计算曲率数组k，
15、
16、s64，由于轮廓的点都是连续的，及相邻两点的坐标差δx＝xi+1-xi∈{0,1}，δy＝yi+1-yi∈{0,1}，δx与δy不同时为0，根据公式(1)和(2)计算出来的轮廓上任意一点i的曲率ki∈[0,1]，把曲率大于某一阈值的点作为候选极值点，即把满足曲率的索引i存储在数组n中；
17、s65，对于每个索引i在n中循环执行以下步骤：
18、计算邻域内左右侧轮廓长度l-和l+，长度为邻域半径与曲线剩余长度两者之间的最小值；
19、使用公式(5)求出左右轮廓权重系数数组w-和w+；
20、使用公式(3)求出左右轮廓平均点坐标
21、使用公式(9)(10)(11)求出轮廓夹角
22、比较和t_angle，当时，使用公式(12)(13)求出主方向θ，将当前索引i添加到m中，计算角度θ并添加到a中，
23、其中，公式包括：
24、简单加权平均每个数据点都乘以其对应的权重，然后将所有乘积相加，最后除以权重总和来计算平均值，公式为：
25、
26、采用高斯加权平均的方法，高斯函数为：
27、
28、根据公式(4)得到候选极值点局部邻域内轮廓点的权重为：
29、
30、式中，e为自然对数的底数，l为候选极值点局部邻域内左侧或右侧轮廓点数，包括候选极值点，i为左侧或右侧轮廓点离候选极值点的索引距离，大小为0，1，……，l-1；再根据公式(3)求出加权平均点的坐标；
31、令a0点为候选极值点，a-为其左侧的点，a+为其右侧的点，角度为a0与两边a-与a+轮廓的夹角，其计算公式为：
32、
33、
34、
35、当提取出真极值点时，根据公式(9)求出的两边轮廓向量来求出轮廓的开口方向即极值点主方向，分别求出与和同向的单位向量和则开口方向即主方向就为的方向，公式如下：
36、
37、方向为：
38、
39、优选地，所述s20中高斯滤波的卷积核采用7×7大小。
40、优选地，所述s40中采用最大梯度的30％和5％分别作为canny算子的高阈值和低阈值。
41、优选地，所述s50中忽略掉长度的预设值为图像周长的1/100。
42、与现有技术相比，本专利技术公开的图像特征点提取及主方向计算方法，至少包括以下有益效果：
43、用两种图像上的轮廓极值点作为特征点，使得在两种图像上提取出相同的特征点成为可能，避免了传统的特征点检测算法(如harris、orb、sift、surf等)在红外图像和可见光图像中检测到的特征点很少有相同的情况；通过轮廓方向来定义特征点主方向(传统方法如sift则会采用图像梯度，因此受红外光和可将光光谱影响较大)，使得在红外图像和可将光图像上相同特征点的主方向尽可能相同，降低了不同光谱的影响。
44、如harris、orb、sift、surf等，在红外图像和可见光图像中检测到的特征点很少有相同的情况。
本文档来自技高网...【技术保护点】
1.一种图像特征点提取及主方向计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述S60具体包括以下步骤：
3.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述S20中高斯滤波的卷积核采用7×7大小。
4.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述S40中采用最大梯度的30％和5％分别作为canny算子的高阈值和低阈值。
5.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述S50中忽略掉长度的预设值为图像周长的1/100。
【技术特征摘要】
1.一种图像特征点提取及主方向计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述s60具体包括以下步骤：
3.根据权利要求1所述的图像特征点提取及主方向计算方法，其特征在于，所述s20中高斯滤波的卷积核采用7×7大小...
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。