[发明专利]一种伪角点的去除方法

说明书

技术领域

本发明涉及图像处理技术领域，提供了一种剔除伪角点的方法。

背景技术

角点没有明确的数学定义,但人们普遍认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。这些点在保留图像图形重要特征的同时，可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度，有利于图像的可靠匹配,使得实时处理成为可能。其在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。

30多年来,越来越多的学者对角点检测投入了研究,因此产生了很多算法。可将这些算法分为:①基于模板匹配的角点检测；②基于边缘特征的角点检测；③基于亮度变化的角点检测。

对于大多数图象目标而言，凹陷特征是典型的目标特征，如果不能提取该特征，就丢失了丰富的形状信息。在人目标识别的过程中，采用归一化提取了达到正侧面效果的采样图，而由主动轮廓算法的初步检测进一步给出了目标的大致轮廓，但由于主动轮廓算法对于距离太远的目标收敛比较慢，而且算发给定的系数需要能够跨过噪声点向主要轮廓逼近，所以凹陷部分的引力场往往不足以让控制点收敛到凹陷处。

当图象的目标边缘模糊，尤其是存在的角点边缘模糊的时候，角点检测精度下降，甚至失败，在保证遗漏概率较低的条件下，由于门限t设置较小，导致侯选角点中存在一部分边缘点，即伪角点，我们使用如下方法去除伪角点。

发明内容

本发明的目的在于剔除伪角点：

为了实现上述目的本发明采用以下技术方案：

一种伪角点的去除方法，包括以下步骤：

判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为C(c₁,c₂,......c_q)，聚类点位置是2者中特征值较大的角点所在位置，

在新的角点集中进一步筛选出凹陷特征点；

控制点集P(p₁,p₂,......p_n)和角点集C(c₁,c₂,......c_q)，若对于使得|c_i-p_j|＜small，则认为c_i∈T，其中|c_i-p_j|表示两点的坐标距离，T是控制集P中的非凹陷点集，small为常数；凹陷点集O可以表达为O＝C-∑c_i，c_i∈C且c_i∈T；

剔除满足|c_i-p_j|＜small条件的非凹陷部分角点，即得到凹陷点集。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

能够准确的剔除伪角点，尤其是存在的角点边缘模糊的时候，提高角点检测精度。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

一种伪角点的去除方法，包括以下步骤：

判断2个相邻加点的距离S，如距离S小于阈值L，则聚类，得到的新角点集记为C(c₁,c₂,......c_q)，聚类点位置是2者中特征值较大的角点所在位置，

在新的角点集中进一步筛选出凹陷特征点；

控制点集P(p₁,p₂,......p_n)和角点集C(c₁,c₂,......c_q)，若对于使得|c_i-p_j|＜small，则认为c_i∈T，其中|c_i-p_j|表示两点的坐标距离，T是控制集P中的非凹陷点集，small为常数；凹陷点集O可以表达为O＝C-∑c_i，c_i∈C且c_i∈T；

剔除满足|c_i-p_j|＜small条件的非凹陷部分角点，即得到凹陷点集。