基于非线性复扩散及全局和局部特性的角点检测方法技术

本发明专利技术公开了一种基于非线性复扩散及全局和局部特性的角点检测方法，该方法将图像非线性复扩散的多尺度分析与基于全局和局部特性提取角点的方法结合起来，用保护边缘的复扩散对图像进行多尺度分析；对不同尺度下的图像，除考虑曲率极大值这一局部特性外，还将其与邻域其他点的曲率值进行比较，利用全局特性确定真实的角点；将不同尺度下提取的角点综合起来作为最终的检测结果。实验结果表明，该方法提取的角点准确，抗干扰能力强，具有较好的鲁棒性。不同尺度下提取的角点数目及位置均不同，利用虚部边缘检测器提取的角点数目多，位置准确。该方法可广泛应用于图像配准及图像分割中。

【技术实现步骤摘要】

本专利技术涉及一种。
技术介绍
角点在图像中通常包含了描述物体形状及形态的重要信息，常被用作特征点，在图像配准及图像分割中具有重要的应用价值。目前，已有许多角点检测的研究方法，但都有存在着不同的缺陷。如目前应用较为广泛的传统的SUSAN角点检测法，具有灰度差阈值固定，不能有效去除伪角点，且大尺寸模板检测时计算时间长等缺点。角点通常是指图像边缘曲线上曲率具有极大值的点。基于全局和局部曲率极值特性提取图像角点的方法在角点检测中取得了较好的效果，但该方法也存在缺点。在该方法中，曲率极值的判断只在单一尺度下进行，而图像的边缘具有多尺度特性，不同尺度下可以获得不同的图像边缘信息，研究表明，单一尺度下的角点检测易受噪声的影响及造成角点的漏检。Witkin首先提出了基于尺度空间的图像分析理论，随着他与Babaud等的进一步深入研究，多尺度曲线分析成为图像分析中的一个重要方法W]。线性尺度空间的核心思想是将原始图像忍Cr, 与高斯核函数^(m)进行卷积，通过高斯参数 的变化，获得不同尺度下的图像/fez )。其中 为表示不同尺度的参数， 值越大，对应的图像尺度越大。高斯核函数与图像的卷积滤波在本文档来自技高网...

【技术保护点】
１．基于非线性复扩散及全局和局部特性的角点检测方法，其特征是，该方法检测步骤如下：Ｓｔｅｐ１：首先对图像进行复扩散，通过控制迭代次数，获得不同尺度的图像的实部和虚部；Ｓｔｅｐ２：然后对获取的图像的实部和虚部，分别进行基于全局和局部特性的角点检测；Ｓｔｅｐ３：最后将不同尺度下，图像实部和虚部中分别检测到的角点综合起来，获得最终的角点检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙文红，周卫东，杨明强，
申请(专利权)人：山东大学，
类型：发明
国别省市：88