[发明专利]线搜索式角点检测方法

说明书

技术领域

本发明涉及计算机视觉领域，更具体的，涉及一种线搜索式角点检测方法。

背景技术

角点检测技术作为图像融合、运动目标检测和跟踪、光流计算及三维重建中的关键技术，它在保留图形图像的重要特征的同时，可以有效地减少信息的数据量，能够大大提高图像处理的速度，因而得到广泛的应用。目前，角点检测的方法主要可以分为基于图像边缘和基于图像灰度两类方法。前者的效果对边缘提取算法有较大的依赖性，且计算复杂，耗时较长。后者又可分为两类，一类基于图像导数如Plessey算法， 优点是简单易实施，缺点是计算复杂且定位精度不理想； 另一类基于图像灰度对比关系如线搜索式角点检测方法，方法简单，耗时较短，且综合性能超过了一些经典算法，但在实际应用中，该算法需给定一个合适的阈值t才能获得比较理想的角点，因为t取得过小会造成检测出的角点过多，且易产生聚簇现象，影响后期的分析和处理速度；若t取得过大又会造成角点数量较少且分布不均匀，这可能会使后期的分析处理工作无法进行。

发明内容

本发明的目的在于针对已有技术存在的缺陷，提供一种改进的线搜索式角点检测方法，以得到固定数量且分布均匀的角点，从而使得后面的分析处理顺利进行。

为达到上述目的，本发明采用下述技术方案：

一种改进的线搜索式角点检测方法，具体操作步骤如下：

（1）图像的初始过滤；

（2）图像的二次过滤；

（3）伪响应抑制；

（4）搜索线的充分检验；

（5）计算候选角点的优先级；

（6）基于最大同值距离d_MH的非极大值抑制；

（7）基于最小距离                                                的非极大值抑制。

在步骤（1）中，图像的初始过滤方法是：以当前像素为中心设定一个设定大小的圆掩模，计算其边界上的每个像素点与当前像素点的亮度差，若存在一对中心对称的边界点不属于同值收缩核USAN(Univalue Segment Assimilating Nucleus)区域，则当前像素点为候选角点。USAN的判定准则为：若检测点的亮度值等于(相似于) 核心点亮度则属于USAN区域，反之则不属于USAN区域。该步骤中圆掩膜直径D₁取9，阈值t取15。

在步骤（2）中，图像的二次过滤方法是：计算目标像素点的8邻域范围内与之亮度相似的像素点的数目K，当K=7或K=8时，表示该像素点应该为一区域内部的点；当K=0时，表示该像素点应该为一区域内部的孤立像素点或是噪声点；而当1≤K≤6时，则将该点作为候选角点，否则将此点从候选角点中去掉。

在步骤（3）中，伪响应抑制方法是：搜索能够穿过核与圆掩膜内整像素的所有直线，如果存在一条搜索线上最靠近核的若干个整像素点与核同值，且分布在核的两侧，则将此点从候选角点中去掉，这里的圆掩膜直径D₂取19。

在步骤（4）中，搜索线的充分检验方法是：对于禁检圆外圆掩模内每条搜索线上的点进行对称检测，对于处于上下两个像素点间的亚像素点，采用简单的单线性插值法来求其亮度值来判断该亚像素点是否与核同值，当搜索线上具有代表性的采样点都不在USAN区域时，该搜索线被判定为非穿越线，核心点为候选角点；若不存在这样的搜索线，则将该候选角点去掉。所述禁检圆核是附近给定区域是一个围绕核的很小的圆。这里的圆掩膜直径D₃通常取17，禁检圆的半径r_d取3，搜索线数n通常取16。

在步骤（5）中，进行计算角点的优先级，角点优先级函数的定义如下：

“L”型角点即90°角的角点为最好的角点，此时，非穿越线的数量为n/2，而随着角的角度趋近于0°或180°时，角点则趋近于噪声或边缘。由此得到计算角点优先级的函数：

                        (1)

上式中代表角点的优先级，表示非穿越线的个数，表示搜索线的数目。

在步骤（6）中，基于最大同值距离的非极大值抑制方法是：一个真实的角点在其周围诸候选角点中拥有最小的最大同值距离d_MH。最大同值距离d_MH取决于非穿越线上禁检圆内与核同值的检测点距核的最大距离，而为了测出最小的d_MH需检测所有的非穿越线，从中选取最小的。这里搜索线数同步骤（4），抑制窗口的半径r_y为3附近。