[发明专利]用于矿山井筒环境下的模糊图像角点提取方法

说明书

技术领域

本发明涉及矿井安全和数字图像处理技术领域，尤其涉及一种用于矿山井筒环境下的模糊图像角点提取方法。

背景技术

矿山井筒环境下光照不均，随着图像处理技术的发展，矿山井筒视频场景实时拼接和故障点智能检测引起了重视，而针对图像的角点提取是数字图像处理和计算机视觉领域中的一个基本而关键的问题，是实现矿山井筒图像的配准拼接、场景分析以及故障检测的基础。具体而言，角点提取指的是利用数字图像的某些特性，如颜色、形状、灰度等提取出图像中的少量的包含图像丰富信息和重要特征的角点提取出来的过程。

近些年来，许多研究人员对角点提取算法进行了大量的研究，其中经典的HARRIS算法、SUSAN算法、MIC算法以及SIFT算法等被广泛应用于特征点的提取。在此基础上许多学者对上述算法进行改进，以适应不同的应用背景。但由于矿山井筒采集的视频图像分辨率低，人工光源使得成像时图像光照不均，质量较差，背景区域对比度低，前景物区域对比度高；加之井筒内环境复杂，运动罐笼环境下的视频采集使得视频图像成像时，物体边缘出现模糊等问题。已有的角点提取算法处理的图像有着较高的对比度和较强的纹理特性，针对光照不均的模糊井筒视频图像的特征点提取效果较差。一种情况是前景区域检测到较多的真角点，而背景区域丢失了大量的真角点，另一种情况是背景区域检测到了较多的真角点，而前景区域却检测到大量的伪角点，并且边缘区域的角点几乎检测失效。

另外，从时效方面分析，角点提取过程在整个图像处理中是一个相对耗时的过程，已有方法对图像中每个像素点进行判别，或者对图像进行滤波平滑后计算各像素点不同方向上的梯度变化，确定邻域内梯度变化最大的点为角点，或者利用圆形模板对每个像素点进行扫描运算，根据模板内的核值面积确定角点响应。窗口滤波和模板运算对算法的时间复杂度有着直接的影响，小模板和小窗口计算量小但增大错误角点的提取概率，而较大的模板和窗口增加了算法的计算量。已有的角点提取算法由于计算时间长而满足不了井筒图像处理的实时需求。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种用于矿井环境下的模糊图像角点提取方法，以高精度且实时性地对具有光照不均、模糊等特性的井筒图像进行有效的角点提取。

本发明的技术方案为一种用于矿井环境下的模糊图像角点提取方法，包括以下步骤：

步骤1，使用内模板对图像进行区域判别，识别出平坦域和角点域；

步骤2，对图像的角点域进行分割得到背景区域和前景区域；

步骤3，针对角点域内的所有检测点分别进行角点域状态判别，判别时采用的两点间状态差异度阈值根据步骤2的分割结果设定；

步骤4，根据步骤3所得检测点的角点域状态，使用外模板计算角点判别函数，提取出候选角点；

步骤5，对步骤4所得候选角点进行去伪操作，获得最终的真角点。

而且，步骤1的实现方式为，预定义内模板，所述内模板包含均匀分布在一个圆环上的4个像素，基于内模板以图像中每个像素点为待检测点分别进行以下局部运算，

设内模板的中心点位于待检测点X，内模板覆盖的图像上像素点分别为P、P'、Q和Q'点，根据预设的像素灰度差异度阈值T_d计算内模板所覆盖的四个像素点P、P'、Q和Q'和待检测点X之间的差异度n_d(P)、n_d(P')、n_d(Q)、n_d(Q')，根据以下函数判断待检测点X在平坦域或角点域，