[发明专利]基于各向异性高斯核和梯度搜索的图像斑点检测方法

权利要求书

1.一种基于各向异性高斯核和梯度搜索的图像斑点检测方法，其特征在于，包括有如下步骤：

(1)转化输入图像为灰度图像：利用MATLAB软件读取要检测的图像，如果图像是彩色图像则将其转化为灰度图像；

(2)检测候选斑点：利用现有的高斯拉普拉斯斑点检测方法得到候选斑点B_i＝(x_i,y_i,σ_i,δ_i)，其中，(x_i,y_i)表示第i个斑点的初始位置估计，σ_i表示第i个斑点的初始尺度估计，δ_i表示第i个斑点的极性，δ_i＝1时表示亮斑，δ_i＝-1时表示暗斑；

(3)筛选候选斑点得到初始斑点：利用斑点的初始位置和尺度估计(x_i,y_i,σ_i)计算每个候选斑点B_i和其他候选斑点B_j的重叠面积A_ij，以及重叠面积A_ij与较小斑点面积min(A_i,A_j)的比值r_ij，j≠i，选定门限T_r，保留尺度较大的斑点，把剩下的不重叠的斑点作为初始斑点，记为C_j0＝(x_j0,y_j0,σ_j0)，其中A_i表示第i个斑点的面积，min表示取二者中较小的值；

(4)选取局部图像：根据初始斑点的位置和尺度估计(x_j0,y_j0,σ_j0)，对每一个初始斑点C_j0选择一幅局部图像P_j(x,y)；

(5)产生各向异性高斯拉普拉斯滤波器：利用MATLAB软件产生归一化的各向异性高斯拉普拉斯滤波器其具体公式如下，

其中，表示拉普拉斯算子，det表示取矩阵的行列式运算，g(x；Σ)表示各向异性高斯核，(x,y)表示二维平面坐标，(u,v)表示各向异性高斯核的中心坐标，Σ表示协方差矩阵，ρ表示各向异性因子，σ表示各向异性高斯核的尺度参数，上标T表示转置；其初始化参数根据初始斑点C_j0＝(x_j0,y_j0,σ_j0)选取，其中有五个参数需要初始化，分别是相对位置参数x＝[x-u,y-v]^T，表示滤波器中心和待检测局部图像中心的相对位移，尺度参数σ，各向异性因子ρ和方向参数θ，分别初始化为x＝[0,0]^T，σ₀＝σ_j0，ρ₀＝1，θ₀＝0；

(6)对局部图像滤波得到目标函数：利用各向异性高斯拉普拉斯滤波器对局部图像P_j(x,y)进行滤波，得到P_j(x,y)的尺度归一化的各向异性高斯拉普拉斯响应R_j(x,y)，并把R_c＝R_j(x_c,y_c)作为目标函数；

(7)梯度搜索函数的最大值：利用梯度搜索法，对目标函数R_c＝R_j(x_c,y_c)，在连续参数空间中搜索目标函数的最大值，则最大值对应的各参数即为该斑点的位置和形状的最终检测结果：

C_j＝(u_j,v_j,σ_j,ρ_j,θ_j)＝arg max{R_c(u,v；σ,ρ,θ)}，

其中，C_j即为第j个斑点的最终检测结果，(x_c,y_c)表示R_j中心点的坐标，argmax表示求函数的最大值对应的参数；

(8)显示并比较检测结果：利用以上方法对图像中所有的初始斑点进行检测，并利用MATLAB软件把所有的斑点检测结果显示出来，并比较本方法与现有的广义高斯拉普拉斯方法的检测精确度及计算复杂度。