[发明专利]基于高斯变换的多尺度SUSAN角点检测方法

说明书

基于高斯变换的多尺度SUSAN角点检测方法。现阶段将适合于多尺度分析的小波变换技术引入SUSAN算子，未能很好的解决误检问题。本发明的方法，在图像信息处理模型中引入一个尺度因子σ，通过连续变化尺度参数获得多尺度下的尺度空间表示序列，提取尺度的空间主轮廓特征向量，再利用高斯变换的多尺度特性构建高斯金字塔，获得不同尺度下的分层图像，结合自适应阈值的SUSAN算子检测出不同尺度下的候选角点，再将其还原到原始图像中的相应位置构成候选角点集，最后经小邻域信息筛选获得最终角点。本发明能够准确检测角点并且可以较好地抑制伪角点，尤其适合高斯噪声干扰的图像。

技术领域

本发明涉及一种基于高斯变换的多尺度SUSAN角点检测方法。

背景技术

角点检测技术大致分为两类：一类基于图像的边缘信息，如基于边界链码的角点检测、基于小波变换模极大的角点检测和基于边界曲率的角点检测方法等，该类方法的优点是易使用多尺度变换技术检测图像边缘，可进一步获得多尺度的角点，不足之处体现在边缘线的连续性会影响角点的检测结果。另一类基于图像的灰度信息，代表方法有SUSAN算子、Harris算子及Moravec算子等，该类算法的主要缺点是定位精度较差，对噪声敏感，还有可能漏检角点。

在基于图像的灰度信息的角点检测技术，引入多尺度的思想可以有效提高角点的定位精度和检测性能。现阶段，将适合于多尺度分析的小波变换技术引入到SUSAN算子中，使用基于小波变换的多尺度SUSAN角点检测算法，可以解决SUSAN算子的角点丢失、角点位置偏移和易受噪声干扰而产生伪角点等问题，实现了小尺度下的精确定位和大尺度下的抗噪能力强，但遗憾的是未能很好解决误检问题。

Koenderink证明高斯卷积核是实现尺度变换的唯一变换核，Lindeberg等证明高斯核是唯一的线性核。为此，本文提出一种基于高斯变换的多尺度SUSAN角点检测方法，拟用高斯变换对待检测图像进行多尺度分析，通过自适应阈值的SUSAN及筛选的方式确定有效角点。

发明内容

本发明的目的是提供一种基于高斯变换的多尺度SUSAN角点检测方法。

上述的目的通过以下的技术方案实现：

一种基于高斯变换的多尺度SUSAN角点检测方法，基于高斯变换的多尺度SUSAN角点检测方法是在图像信息处理模型中引入一个尺度因子σ，通过连续变化尺度参数获得多尺度下的尺度空间表示序列，提取尺度的空间主轮廓特征向量，实现边缘、角点检测和不同分辨率上的特征提取，再利用高斯变换的多尺度特性构建高斯金字塔，获得不同尺度下的分层图像，结合自适应阈值的SUSAN算子检测出不同尺度下的候选角点，再将其还原到原始图像中的相应位置构成候选角点集，最后经小邻域信息筛选获得最终角点；

主要步骤描述如下：

步骤一：对M×N的原始图像进行高斯变换，得到多尺度下的分层图像：

用尺度因子σ₁对M×N的原始图像进行高斯变换，得到第一层图像，依次对每层图像进行二元下抽样，再用尺度因子σ_i(i＝2,3,…,level)进行高斯变换，得到金字塔中的各分层图像；

步骤二：用自适应阈值的SUSAN算子检测多尺度下的分层图像，获得不同尺度下的候选角点：

对金字塔的每一层图像用自适应阈值的SUSAN算子进行检测，获得候选角点；

步骤三：把不同尺度下的侯选角点还原到原始图像中的相应位置构成候选角点集，再参考小邻域信息，筛选并确定最终的角点位置：