一种基于轮廓上曲率估计的图像特征点提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107507208A(43)申请公布日2017.12.22(21)申请号201710566275.5(22)申请日2017.07.12(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人史再峰王晶波庞科曹清洁张洪汝许泽昊(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人李素兰(51)Int.Cl.G06T7/13(2017.01)G06T7/181(2017.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于轮廓上曲率估计的图像特征点提取方法(57)摘要本发明公开了一种基于轮廓上曲率估计的图像特征点提取方法，包括第一阶段的图像中曲线的提取和曲线形状的标记、第二阶段的曲率估计和T型特征点标记，第一阶段更包括边缘检测、曲线提取、曲线状态、曲线滤波；第二阶段更包括T型特征点检测、曲线边界处理、曲线内部点曲率估计和曲线端点曲率估计；第二阶段更包括非极大值抑制、T型点和端点优化和获得最终的特征点集。以及第三阶段的特征点的检测。与现有技术相比，因为曲线的弯曲度能够直接反映在邻域内的角度上，因而本方法具有很好的定位准确性，而且本发明不需要采用多个不同邻域尺度进行进一步的处理，计算上更加简单，处理速度更快。CN107507208ACN107507208A权利要求书1/2页1.一种基于轮廓上曲率估计的图像特征点提取方法，包括第一阶段的图像中曲线的提取和曲线形状的标记、第二阶段的曲率估计和T型特征点标记以及第三阶段的特征点的检测，其特征在于，该方法包括以下步骤：第一阶段的图像中曲线的提取和曲线形状的标记，具体包括以下步骤：步骤(201)、进行图像边缘检测，具体操作包括：Canny检测算法采用了滞后阈值策略提取出图像中单像素宽度的边缘；从候选边缘点中检测和连接出最终的边缘；双阈值法首先选取高阈值T2和低阈值T1，然后开始扫描图像，对候选边缘图像中标记为候选边缘点的任一像素点进行检测，若像素点梯度幅值高于高阈值T2，则认为该点一定是边缘点；若像素点梯度幅值低于低阈值T1，则认为该点一定不是边缘点；而对于梯度幅值处于两个阈值之间的像素点,则将其看作疑似边缘点，再进一步依据边缘的连通性对其进行判断，若该像素点的邻接像素中有边缘点，则认为该点也为边缘点，否则，认为该点为非边缘点；设定阈值T2＝0.5，T1＝0.1；步骤(202)、进行曲线提取，采用Freeman链码从边缘开始，对每个像素的八个邻域内搜索，提取出连续的曲线，如果曲线的长度小于参数w，则舍弃，仅保留那些长度大于w的曲线；w与图像大小的关系如公式(1)所示其中，X和Y分别表示图像的长和宽；步骤(203)、标记曲线状态，判断曲线状态的依据是阈值D1，如果每条曲线的端点之间的距离小于参数D1，则标记该曲线为“Loop”型，反之则为“Line”型，设定步骤(204)、进行曲线滤波，对每条曲线进行高斯滤波操作，即用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，本流程中滤波尺度因子大小为σ，以免曲线被过度平滑，设定σ＝2.0；第二阶段的曲率估计和T型特征点标记，具体包括以下步骤：步骤(205)、T型特征点检测，判断每条曲线上每个点与另一条曲线的端点之间的欧氏距离，如果小于阈值D1，则认为曲线上该点为一个T型特征点，将其标记并记录所在位置坐标；步骤(206)、曲线边界处理，对每条曲线两端进行边界扩展，扩展边界大小与估计曲率时采用的邻域大小L的具体值相等；步骤(207)、曲线内部点曲率估计，具体计算步骤为：P1到Pn表示该曲线上n个像素，对于当前要计算的像素Pk，当邻域大小为L的时候，第一个邻域为曲线上从像素Pk-L+1到PK+1的部分，第二个邻域为从像素Pk-L+2到PK+2的部分，依此类推第i个邻域从像素Pk-L+i到PK+i的部分，计算每个邻域内的角度余弦，如公式(2)所示：其中，1≤k≤n1≤i≤L-1，rk,i表示第i个邻域内的夹角，即像素Pk与像素Pk-L+i到PK+i形成的夹角；(xk,yk)、(xk-L+i,yk-L+i)和(xk+i,yk+i)分别表示当前像素处的坐标、邻域左端点的坐标和右端点的坐标；然后将所有邻域内计算得到的余弦值进行累加并求这些余弦的平均2CN107507208A权利要求书2/2页值，如公式(3)所示：其中，C(k)表示曲率的估计值；步骤(208)、曲线端点曲率估计，对于每条曲线上的两端L个像素，由于边界扩展的影响，采用累加方式会使估计的曲率值不准确，因此只采用公式(2)取当前点为中心点的那个邻域进行曲率估计；第三阶段、特征点的检测，具体包括以下步骤：步骤(209)、进行非极大值抑制：采用非极