一種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法
【專利摘要】本發(fā)明涉及一種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，包括以下步驟：S1.采用高斯濾波去除噪聲并計算原始圖像各像素點(diǎn)的梯度值；S2.在圖像中的像素點(diǎn)的周圍設(shè)定鄰域內(nèi)查找灰度最接近的鄰接點(diǎn)；S3.計算各像素點(diǎn)和最接近鄰接點(diǎn)的轉(zhuǎn)彎半徑；S4.計算轉(zhuǎn)彎半徑的閾值；S5.將轉(zhuǎn)彎半徑大于閾值且轉(zhuǎn)彎半徑在設(shè)定鄰域內(nèi)最大的像素點(diǎn)標(biāo)記為角點(diǎn)。本發(fā)明采用以上技術(shù)方案，可以準(zhǔn)確地定位圖像的角點(diǎn)，能夠有效抑制噪聲和紋理導(dǎo)致的虛假角點(diǎn)，計算閾值簡便、運(yùn)算效率高，實現(xiàn)自動化檢測、改善了角點(diǎn)檢測效果，本發(fā)明可應(yīng)用于3D重建、視覺的定位和測量等方面。
【專利說明】
-種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及自動化領(lǐng)域中對圖像角點(diǎn)的檢測技術(shù)領(lǐng)域，具體設(shè)及一種基于轉(zhuǎn)彎半 徑的圖像角點(diǎn)檢測方法。
【背景技術(shù)】
[0002] 二維圖像的角點(diǎn)尚無明確的數(shù)學(xué)定義，但有一種普遍接受的觀點(diǎn)是：二維圖像亮 度變化劇烈的點(diǎn)或圖像邊緣曲線上曲率極大值的點(diǎn)可稱為角點(diǎn)。角點(diǎn)保留了圖像圖形中的 重要特征，可W有效地減少信息的冗余，使其信息的含量很高，可W有效地提高圖像計算的 速度，有利于圖像的分析和處理，使得實時處理成為可能。角點(diǎn)檢測在=維場景重建、運(yùn)動 估計、目標(biāo)跟蹤、目標(biāo)識別、圖像配準(zhǔn)與匹配等計算機(jī)視覺領(lǐng)域都起著非常重要的作用。
[0003] 在對角點(diǎn)檢測的逐步深入研究過程中，產(chǎn)生了很多角點(diǎn)檢測算法。大致可將運(yùn)些 算法分為=類：（1)基于模板匹配的角點(diǎn)檢測；（2)基于邊緣特征的角點(diǎn)檢測；（3)基于亮度 變化的角點(diǎn)檢測。
[0004] (1)基于模板匹配的角點(diǎn)檢測
[0005] 基于模板匹配的角點(diǎn)檢測的原理是:設(shè)定具有角點(diǎn)特征的模板，將圖像內(nèi)與模板 大小相同的所有區(qū)域與模板匹配其相關(guān)性和相似性。因為角點(diǎn)的特征數(shù)量多而且性質(zhì)尚不 明確，所W在復(fù)雜圖像中很難設(shè)計出大量模板來匹配所有類型的角點(diǎn)。
[0006] (2)基于邊緣特征的角點(diǎn)檢測
[0007] 基于邊緣特征的角點(diǎn)檢測算法比較典型的有化rris算法，該算法是由C.化rris和 M.J.Stephens提出的一種基于信號的曲率特征提取算法，運(yùn)種算法受信號處理中自相關(guān)函 數(shù)的啟發(fā)，通過求自相關(guān)函數(shù)相聯(lián)系的矩陣的特征值的方法來求自相關(guān)函數(shù)的一階曲率， 如果某點(diǎn)兩個特征值、曲率值都高，那么就認(rèn)為該點(diǎn)是角點(diǎn)。
[000引（3)基于亮度變化的角點(diǎn)檢測
[0009] 基于亮度變化的角點(diǎn)檢測方法的特點(diǎn)是不依賴于目標(biāo)的其它局部特征，利用角點(diǎn) 本身的特點(diǎn)直接提取角點(diǎn)，實踐證明運(yùn)類算法速度快、實時性強(qiáng)。運(yùn)類方法中比較經(jīng)典的算 法有Susan算法等。Susan算法是Smith和化ady提出的一種圖像處理方法，該算法是基于像 素領(lǐng)域包含若干元素的近似圓形模板，對每個像素基于該模板領(lǐng)域的圖像灰度計算角點(diǎn)響 應(yīng)函數(shù)(CRF)的數(shù)值，如果大于某闊值且為局部極大值，則認(rèn)為該點(diǎn)為角點(diǎn)。Susan角點(diǎn)檢測 的不足在于采用固定的闊值，不適合用于一般的情況，需要用自適應(yīng)闊值來改進(jìn)此算法。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明設(shè)及一種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，用像素點(diǎn)間的轉(zhuǎn)彎半徑作為 角點(diǎn)的判定特征，從而實現(xiàn)運(yùn)算效率高、可抗噪聲的發(fā)明目的。
[0011] 本發(fā)明可W通過W下技術(shù)方案來實現(xiàn)：
[0012] 本發(fā)明設(shè)及一種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，包括W下步驟：
[0013] SI.采用高斯濾波去除噪聲并計算原始圖像各像素點(diǎn)的梯度值；
[0014] S2.在圖像中的像素點(diǎn)的周圍設(shè)定鄰域內(nèi)查找灰度最接近的鄰接點(diǎn)；
[0015] S3.計算各像素點(diǎn)和最接近鄰接點(diǎn)的轉(zhuǎn)彎半徑；
[0016] S4.計算轉(zhuǎn)彎半徑的闊值；
[0017] S5.將轉(zhuǎn)彎半徑大于闊值且轉(zhuǎn)彎半徑在設(shè)定鄰域內(nèi)最大的像素點(diǎn)標(biāo)記為角點(diǎn)。 [001引進(jìn)一步地，所述步驟Sl包括：
[0019] Sal、采用一維高斯算子對原始圖像進(jìn)行橫向與縱向高斯平滑得到平滑后的圖像 過；
[0020] Sa2、采用二維高斯算子的偏導(dǎo)數(shù)對所述平滑后的圖像進(jìn)行橫向與縱向濾波計算 得到圖像的梯度。
[0021] 進(jìn)一步地，在步驟S2中，在圖像a中任一像素點(diǎn)的四個鄰域點(diǎn)中取灰度最接近的點(diǎn) 作為最接近鄰域點(diǎn)，所述任一像素點(diǎn)為第一像素點(diǎn)（i，j)，所述最接近鄰域點(diǎn)為第二像素點(diǎn) (r,c)〇
[0022] 進(jìn)一步地，步驟S3包括：
[0023] Sci、將第一像素點(diǎn)（i，j)和第二像素點(diǎn)(r，C)的灰度差值a(i，j)-a(r，C)除兩像素 點(diǎn)坐標(biāo)距離計算兩像素點(diǎn)間的轉(zhuǎn)彎速度(V):
[0024]
[0025] Sc2、第一像素點(diǎn)Q J)和第二像素點(diǎn)(r，c)的梯度向量的夾角為兩像素點(diǎn)間的轉(zhuǎn)彎 角度，所述轉(zhuǎn)彎角度的正弦值(SinQ)為：
[0026]
[0027]其中，第一像素點(diǎn)（i，j)的梯度向量為[山(1^)，0^1^)]，第二像素點(diǎn)('，(3)的梯 度向量為[dx(r，c)，dy(r，c)];
[002引Sc3、計算轉(zhuǎn)彎半徑(R):
[0029] R = V^XsinQo
[0030] 進(jìn)一步地，步驟S4包括：
[0031] Sdi、計算所有像素點(diǎn)的轉(zhuǎn)彎半徑(R)的均值(M)和方差化）；
[0032] Sd2、取闊值(T)為:T=M+kXD，其中k取值一般為0~3。
[0033] 進(jìn)一步地，在步驟S5中：將轉(zhuǎn)彎半徑(R)大于闊值(T)且轉(zhuǎn)彎半徑(R)在周圍四十八 鄰域內(nèi)最大的像素點(diǎn)標(biāo)記為角點(diǎn)。
[0034] 本發(fā)明設(shè)及的基于角點(diǎn)半徑的圖像角點(diǎn)檢測方法具有如下有益效果：
[0035] 本發(fā)明采用W上技術(shù)方案，可W準(zhǔn)確地定位圖像的角點(diǎn)，能夠有效抑制噪聲和紋 理導(dǎo)致的虛假角點(diǎn)，計算闊值簡便、運(yùn)算效率高，實現(xiàn)自動化檢測、改善了角點(diǎn)檢測效果，本 發(fā)明可應(yīng)用于3D重建、視覺的定位和測量等方面。
【附圖說明】
[0036] 圖1為本發(fā)明的基于角點(diǎn)半徑的圖像角點(diǎn)檢測方法的流程圖；
[0037] 圖2為本發(fā)明計算轉(zhuǎn)彎半徑的原理模型圖；
[0038] 圖3是本發(fā)明中用于對比的無噪聲原始圖片；
[0039] 圖4是用化rris算法處理無噪聲原始圖片得到的角點(diǎn)信息圖；
[0040] 圖5是用本發(fā)明的方法處理無噪聲原始圖片得到的角點(diǎn)信息圖；
[0041] 圖6是本發(fā)明中用于對比的加入椒鹽噪聲后的圖片；
[0042] 圖7是用化rris算法處理有噪聲圖片得到的角點(diǎn)信息圖；
[0043] 圖8是用本發(fā)明的方法處理有噪聲圖片得到的角點(diǎn)信息圖。
【具體實施方式】
[0044] 下面結(jié)合附圖具體闡明本發(fā)明的實施方式，附圖僅供參考和說明使用，不構(gòu)成對 本發(fā)明專利保護(hù)范圍的限制。
[0045] 如圖1所示，本發(fā)明公開了一種基于角點(diǎn)半徑的圖像角點(diǎn)檢測方法，設(shè)輸入的圖像 保存為一個灰度矩陣A，矩陣A中的每個元素 A(i，j)存儲第i行第j列位置像素點(diǎn)的灰度值。
[0046] 本發(fā)明的基于角點(diǎn)半徑的角點(diǎn)檢測方法包括W下步驟：
[0047] SI.采用高斯濾波去除噪聲并計算原始圖像各像素點(diǎn)的梯度值;具體包括：
[0048] Sal、采用一維高斯算子對原始圖像進(jìn)行橫向與縱向高斯平滑得到平滑后的圖像 a; -維高斯算子關(guān)
[0049] Sa2、采用二維高斯算子的偏導(dǎo)數(shù)對所述平滑后的圖像進(jìn)行橫向與縱向濾波計算 得到圖像的梯度;二維高斯算子為
，橫向濾波公式為縱向濾波 /、A心游棘穿'必) 公式為'篡'''…';
[0050] S2.在圖像a中的像素點(diǎn)的周圍設(shè)定鄰域內(nèi)查找灰度最接近的鄰接點(diǎn)；具體為:在 圖像a中任一像素點(diǎn)（i，j)的四個鄰域點(diǎn)（i-1，j-1) (i-1，j) (i-1，j+1) (i，j-1)中取灰度最 接近的點(diǎn)作為最接近鄰域點(diǎn)(r，c)，所述任一像素點(diǎn)為第一像素點(diǎn)（i，j)，所述最接近鄰域 點(diǎn)為第二像素點(diǎn)(r，c);
[0051] S3.計算各像素點(diǎn)(第一像素點(diǎn)Ki，j)和最接近鄰接點(diǎn)(第二像素點(diǎn)Kr,C)的轉(zhuǎn)彎 半徑R;具體包括：
[0052] Scl、計算轉(zhuǎn)彎速度(V):將各像素點(diǎn)Q J)和最接近鄰接點(diǎn)(r，c)的灰度差值a(i， j )-a(r，C)除兩像素點(diǎn)坐標(biāo)距離，計算公式為：
[0化3]
[0054] Sc2、計算轉(zhuǎn)彎角度的正弦值(SinQ):如圖2所示，各像素點(diǎn)Q J)的梯度向量為[dx (i，j)，dy(i，j)]，最接近鄰域點(diǎn)(;r，c)的梯度向量為[dx(:r，c)，dy(;r，c)]，則兩梯度向量的夾 角為兩像素點(diǎn)間的轉(zhuǎn)彎角度，轉(zhuǎn)彎角度的正弦值SinQ計算公式為：
[0化5]
[0化6] Sc3、計算轉(zhuǎn)彎半徑(R):根據(jù)轉(zhuǎn)彎半徑公式.
計算轉(zhuǎn)彎半徑R，其中g(shù) 為重力加速度，0為轉(zhuǎn)彎坡度，在運(yùn)里都可作為常數(shù)省略，故轉(zhuǎn)彎半徑計算公式為:R = V2X SinQo
[0057] S4.計算轉(zhuǎn)彎半徑的闊值:具體包括：
[0058] SdU計算所有像素點(diǎn)的轉(zhuǎn)彎半徑R的均值M和方差D;
[0059 ] Sd2、取闊值T為:T=M+k X D，其中k取值一般為0~3。
[0060] S5.將轉(zhuǎn)彎半徑大于闊值T且轉(zhuǎn)彎半徑在周圍四十八鄰域內(nèi)[i-3: i+3，j-3: j+3]最 大的像素點(diǎn)標(biāo)記為角點(diǎn)。
[0061] 為了說明本發(fā)明所采用的圖像角點(diǎn)檢測方法的技術(shù)效果，W圖3的無噪聲的圖片 作為原始圖片分別采用化rris算法和本發(fā)明的圖像角點(diǎn)檢測方法進(jìn)行處理，分別得到如圖 4和圖5所示的角點(diǎn)信息圖。從圖4和圖5的對比可W看到，采用本發(fā)明的圖像角點(diǎn)處理方法 相對于只采用化rris算法可W顯著提高圖像的角點(diǎn)檢測準(zhǔn)確性。
[0062] 為了更進(jìn)一步說明本發(fā)明所采用的圖像角點(diǎn)檢測方法的技術(shù)效果，W圖3的無噪 聲的圖片加入椒鹽噪聲的圖6作為原始圖片，然后分別采用化rris算法和本發(fā)明的圖像角 點(diǎn)檢測方法對圖6進(jìn)行處理，分別得到如圖7和圖8所示的角點(diǎn)信息圖。從圖7和圖8的對比可 W看到，即使在有噪聲干擾的條件下，采用本發(fā)明的圖像角點(diǎn)處理方法相對于只采用 化rris算法可W顯著提高圖像的角點(diǎn)檢測抗噪聲能力。
[0063] W上所述，僅為本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制;凡 本行業(yè)的普通技術(shù)人員均可按說明書附圖所示和W上所述而順楊地實施本發(fā)明；但是，凡 熟悉本專業(yè)的技術(shù)人員在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，可利用W上所掲示的技術(shù)內(nèi)容而 做出的些許更動、修飾與演變的等同變化，均為本發(fā)明的等效實施例；同時，凡依據(jù)本發(fā)明 的實質(zhì)技術(shù)對W上實施例所作的任何等同變化的更動、修飾與演變等，均仍屬于本發(fā)明的 技術(shù)方案的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于，包括以下步驟：51. 采用高斯濾波去除噪聲并計算原始圖像各像素點(diǎn)的梯度值；52. 在圖像中的像素點(diǎn)的周圍設(shè)定鄰域內(nèi)查找灰度最接近的鄰接點(diǎn)；53. 計算各像素點(diǎn)和最接近鄰接點(diǎn)的轉(zhuǎn)彎半徑；54. 計算轉(zhuǎn)彎半徑的閾值；55. 將轉(zhuǎn)彎半徑大于閾值且轉(zhuǎn)彎半徑在設(shè)定鄰域內(nèi)最大的像素點(diǎn)標(biāo)記為角點(diǎn)。2. 根據(jù)權(quán)利要求1所述的基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于:所述步驟Sl 包括： Sal、采用一維高斯算子對原始圖像進(jìn)行橫向與縱向高斯平滑得到平滑后的圖像(a); Sa2、采用二維高斯算子的偏導(dǎo)數(shù)對所述平滑后的圖像進(jìn)行橫向與縱向濾波計算得到 圖像的梯度。3. 根據(jù)權(quán)利要求1或2所述的基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于:在步驟 S2中，在圖像(a)中任一像素點(diǎn)的四個鄰域點(diǎn)中取灰度最接近的點(diǎn)作為最接近鄰域點(diǎn)，所述 任一像素點(diǎn)為第一像素點(diǎn)（i，j)，所述最接近鄰域點(diǎn)為第二像素點(diǎn)(r，c)。4. 根據(jù)權(quán)利要求3所述基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于:步驟S3包括： Scl、將第一像素點(diǎn)（i，j)和第二像素點(diǎn)(r，c)的灰度差值a(i，j)-a(r，c)除兩像素點(diǎn)坐 標(biāo)距離計算兩像素點(diǎn)間的轉(zhuǎn)彎速度(V):Sd、第一像素點(diǎn)（i，j)和第二像素點(diǎn)（r，c)的梯度向量的夾角為兩像素點(diǎn)間的轉(zhuǎn)彎角 度，所述轉(zhuǎn)彎角度的正弦值(sinQ)為：其中，第一像素點(diǎn)（i，j)的梯度向量為[dx(i，j)，dy (i，j)]，第二像素點(diǎn)(r，c)的梯度向 量為[dx(r，c)，dy(r，c)]; Sc3、計算轉(zhuǎn)彎半徑(R): R=V2 X sinQo5. 根據(jù)權(quán)利要求4所述基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于:步驟S4包括： Sd1、計算所有像素點(diǎn)的轉(zhuǎn)彎半徑(R)的均值(M)和方差(D); Sd2、取閾值(T)為:T=M+kXD，其中k取值為0~3。6. 根據(jù)權(quán)利要求5所述基于轉(zhuǎn)彎半徑的圖像角點(diǎn)檢測方法，其特征在于:在步驟S5中： 將轉(zhuǎn)彎半徑(R)大于閾值(T)且轉(zhuǎn)彎半徑(R)在周圍四十八鄰域內(nèi)最大的像素點(diǎn)標(biāo)記為角 點(diǎn)。
【文檔編號】G06T7/00GK106023171SQ201610318708
【公開日】2016年10月12日
【申請日】2016年5月12日
【發(fā)明人】萬長林, 徐德明, 曹建忠, 魏曉慧
【申請人】惠州學(xué)院