[发明专利]一种角点检测方法

说明书

本发明提出一种角点检测方法,该方法包括以下步骤：步骤一：在第一级筛选中设立条件C1，使用梯度算子获得边缘像素；步骤二：在第二级筛选中设立条件C2，在边缘像素中获得候选角点像素；步骤三：在第三级筛选中设立条件C3，通过梯度方向变化准则获取提炼后的候选角点像素；步骤四：在第四级筛选中设立条件C4，使用灰度分布准则获取真实角点。本算法能准确快速地检测图像中的角点，并可适用于不同灰度变化的图像，同时通过重复性测试发现其可重复性好于SIFT等经典特征点检测算法，故此算法可以作为特征点检测使用。

技术领域

本发明涉及一种图像检测领域，尤其涉及一种角点检测方法。

背景技术

在计算机视觉应用中，特征点检测是必不可少的，局部特征(线、角点、气泡区域)提取是当前实时在线特征提取的发展趋势。角点是曲线上的局部曲率最大点，要准确检测出图像中的所有角点是非常困难的一件事情，但是已有很多的学者进行了相关研究并提出了经典角点检测算法，其中HARRIS角点检测算法由于其高精常与稳定性，是使用最广泛的角点检测算法，而FAST算法是运行效率最高的角点检测算法。

当前角点检测算法的主要限制有：复杂纹理区域检测性能很低，当图像中存在复杂纹理区域时，如树叶、花圃、杂草等，可检测出大量的特征点，但大部分触点稳定性差，当光线、方向发生改变时很难重复跟踪。现有的经典角点检测算法都各有优缺点，HARRIS算法可以检测出的角点数最多，且准确性高，但花费的检测时间最长；GFTT的性能与HARRIS相似；FAST算法的速度最快，但其准确性最低；BRISK算法对FAST算法的准确性有一定的改进，但检测出的角点数量减少了，有很多角点不能被检测出来。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种角点检测方法。

为实现上述目的及其他相关目的，本发明提供一种角点检测方法，该方法包括以下步骤：

步骤一：在第一级筛选中设立条件C₁，使用梯度算子获得边缘像素；

步骤二：在第二级筛选中设立条件C₂，在边缘像素中获得候选角点像素；

步骤三：在第三级筛选中设立条件C₃，通过梯度方向变化准则获取提炼后的候选角点像素；

步骤四：在第四级筛选中设立条件C₄，使用灰度分布准则获取真实角点。

优选地，在步骤一中，所述边缘像素的获得方法为：

采使用Sobel梯度算子通过计算x方向与y方向的梯度值和若当前像素点(x,y)满足条件则认为该像素点为边缘像素；为门限值，其中,k₁为常量，为局部平均灰度。

优选地，在步骤二中，所述的候选角点满足以下条件：

其中为门限值，k₂为常量，(x_a,y_a)分别为(x_b,y_b)梯度方向的垂直方向δ₁、δ₂上两点。

优选地，在所述步骤二中，对边缘像素中满足条件的边缘像素点求的极大值，得到候选角点像素。

优选地，在步骤三中，所述提炼后的候选角点像素的获取方法为：

对每一个候选角点建立一个以梯度方向为π/2、候选角点为原点的极坐标系，

在θ＝0和π的方向获取两个点P₄与P₄'；