[发明专利]一种基于Harris算子的图像特征角点提取方法

说明书

技术领域

本发明涉及图像拼接和融合技术领域，特别涉及一种Harris算子的角点特征提取的改良算法。

背景技术

图像拼接、融合技术就是将数张有重叠部分的图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅大型的无缝高分辨率图像的技术。图像拼接经过图像的采集，图像的处理，图像特征处理，图像匹配，建立模型，图像融合等步骤，最终完成全景图片的拼接。图像拼接技术融合了多个学科，涉及多个领域，在实际生活中引用非常的广泛，图像拼接技术意义有很重要的现实意义。

人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点，如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。

Harris算子是在1988年提出的，该算子用窗口函数模拟了人眼观察过程。Harris算子用高斯函数代替了二值窗口函数,对离中心点越近的像素赋于越大的权重，以减少噪声影响，它采用了一种新的角点判定方法，通过矩阵的两个特征向量与矩阵的主曲率成正比，利用表征变化最快和最慢的两个方向，若两个都很大就是角点,一个大一个小就是边缘,两个都小就是在变化缓慢的图像区域。

用Harris算法进行检测，有三点不足：(1)该算法不具有尺度不变性；(2)该算法提取的角点是像素级的；(3)该算法检测时间不是很令人满意；(4)存在伪角点问题。

发明内容

本发明旨在克服现有Harris算子的角点特征提取技术的缺陷，在特征角点的提取效率，速度，去除伪角点，多方面提供一种新的Harris算子改良算法。

提供一种基于Harris算子的图像特征角点提取的方法，包括以下步骤：

根据图像的两个特征角点所对应的横坐标和纵坐标差值绝对值是否小于合并阈值，来判断两个所述特征角点是否需要合并；

若两个特征角点所对应的横坐标和纵坐标差值绝对值小于所设阈值，则进行所述两个特征角点的合并。

一些实施例中，根据两个特征角点所对应的横坐标和纵坐标差值绝对值是否小于合并阈值，来判断两个所述特征角点是否需要合并，判断公式为：

其中，μ_i、μ_j,θ_i、θ_j分别为Harris算子提取的所述两特征角点的横纵坐标上的分量值，ε为合并阈值，i代表横坐标，j代表纵坐标。

一些实施例中，若两个特征角点所对应的横坐标和纵坐标差值绝对值小于所设阈值，则进行所述两个特征角点的合并，得到改进的Harris算子的新特征角点坐标公式为：

其中，μ_i，_j为传统Harris算子获得的特征角点横坐标上的分量值，μ_m、θ_n为生成的新特征角点横纵坐标。

一些实施例中，还包括以下步骤：根据所述新特征角点坐标进行图像的拼接和融合工作。

一些实施例中，在根据图像的两个特征角点所对应的横坐标和纵坐标差值绝对值是否小于合并阈值，来判断两个所述特征角点是否需要合并之前，还包括以下步骤：

采用下述公式对图像像素的灰度的梯度，在每个像素的所设邻域内进行均值计算，所得到的均值设定为当前像素的灰度值，

其中，I_i表示横坐标上的图像灰度值；I_j表示纵坐标上的图像灰度值。

一些实施例中，每个像素的所设邻域在所述像素的右侧或者下侧。

本发明的有益效果为：本发明的基于Harris算子的图像特征角点提取方法有效减少了特征角点提取过程中的计算量，加快了运算速度，防止在整个图像每个像素点上都要进行角点特征提取，减少了错误的特征角点数。

附图说明

图1为现有技术中椭圆方程示意图。

图2为本发明实施例提供的算法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图1及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。