基于图像轮廓尖锐度的自适应角点检测方法.pdf

(19)中华人民共和国国家知识产权局*CN101887586A*(12)发明专利申请(10)申请公布号CNCN101887586101887586A(43)申请公布日2010.11.17(21)申请号201010241223.9(22)申请日2010.07.30(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人肖建力叶云王宸昊王斌刘允才(74)专利代理机构上海交达专利事务所31201代理人毛翠莹(51)Int.Cl.G06T7/00(2006.01)权利要求书1页说明书4页附图3页(54)发明名称基于图像轮廓尖锐度的自适应角点检测方法(57)摘要本发明涉及一种基于图像轮廓尖锐度的自适应角点检测方法，首先利用边缘检测算子提取图像边缘，计算边缘上各点的尖锐度；对于每一条边缘，以边缘上各点的尖锐度的均值作为阈值，选取尖锐度大于该阈值的点作为候选角点；然后在候选角点的支撑区域内将候选角点向支撑边缘的拟合直线进行投影，计算此候选角点与其投影点之间的距离，对该距离设定一个阈值，小于该阈值的点作为凸出点予以滤除；最后当有多个候选角点相邻接时，根据连接权值最大优先，尖锐度最大次之的原则将多个候选角点合并为一个角点，得到最终的图像角点。本发明检测准确度高，抗干扰能力强，并且在检测圆形边界时不会检测出伪角点，可应用于3D重建、视觉的定位和测量等方面。CN108756ACN101887586ACCNN110188758601887589A权利要求书1/1页1.一种基于图像轮廓尖锐度的自适应角点检测方法，其特征在于包括如下具体步骤：(1)读取图像，用边缘检测算子对图像进行处理，得到二值化边缘图像，分别对二值化边缘图像中的每一条边缘进行后述步骤的处理；(2)对于边缘上的每一点，以此点为中心向前和向后各取k个点，共得到2k+1个点，作为该点的支撑区域；由该中心点和支撑区域的两端点进行连线，分别得到两条支撑臂，两支撑臂之间的夹角即为支撑角；由边缘上各点的支撑角来计算边缘上各点的尖锐度；其中，k的取值为3～5；(3)以边缘上各点的尖锐度的均值作为边缘的阈值；若边缘上某一点的尖锐度大于该阈值，则该点被选作候选角点；(4)在候选角点的支撑区域内将候选角点向支撑边缘的拟合直线进行投影，计算候选角点与其投影点之间的距离，对该距离设定一个阈值，小于该阈值的点为凸出点，将它们作为伪角点予以滤除；(5)对滤除凸出点之后的候选角点进行搜索，将相邻的候选角点分为一组；计算每一组候选角点中每一点的八邻域内边缘像素点的个数作为该点的连接权值；对于每一组候选角点，如果该组内仅仅只有一个候选角点具有最大的连接权值，则将该点选定为唯一的角点，该组内的其它角点被作为伪角点予以滤除；如果有两个或两个以上的角点具有最大的连接权值，则比较这些点的尖锐度，如果只有一个点具有最大的尖锐度，则该点被选为角点，其它的点被作为伪角点予以滤除；如果有两个或两个以上的点具有最大的尖锐度，则选择具有优先搜索顺序的点作为唯一的角点，其它的点作为伪角点滤除，从而得到最终的图像角点。2CCNN110188758601887589A说明书1/4页基于图像轮廓尖锐度的自适应角点检测方法技术领域[0001]本发明涉及一种基于图像轮廓尖锐度的自适应角点检测方法，可应用于光流计算、运动估计、目标追踪、形状分析、相机标定、3D重建等方面。属于图像处理技术领域。背景技术[0002]角点是图像的一种重要局部特征，角点在保留了图像中物体的重要特征信息的同时有效地减少了信息的数据量，使得对图像处理时运算量大大减少。由于角点集中了图像上的很多重要的形状信息，角点具有旋转不变性，因此角点几乎不受光照条件的影响。在基于特征的图像配准、图像理解及模式识别等领域中，角点提取具有十分重要的意义。[0003]到现在为止产生了大量的角点检测算法，这些算法大致可分为如下几类：[0004](1)基于模板匹配的角点检测[0005]基于模板匹配的角点检测的原理是：确定一个给定的模板与图像内与模板大小相同的所有区域的相关性和相似性。因为角点拥有大量的特征，不可能设计出大量模板来匹配所有类型的角点，所以在复杂图像中这种方法实施起来比较困难。[0006](2)基于灰度变化的角点检测[0007]基于灰度变化的角点检测方法的特点是不依赖于目标的其它局部特征，利用角点本身的特点直接提取角点，实践证明这类算法速度快、实时性强。这类方法中比较经典的算法有Harris算法，Susan算法等。Harris算法是由C.Harris和M.J.Stephens提出的一种基于信号的点特征提取算法，这种算法受信号处理中自相关函数的启发，给出与自相关函数相联系的矩阵M。M阵的特征值是自相关函数的一阶曲率，如果两个特征值曲率值都高，那么就认为该点是特征点。Ha