[发明专利]一种基于特征提取的复杂场景图像的目标角点提取方法

权利要求书

1.一种基于特征提取的复杂场景图像的目标角点提取方法，其特征在于，包括以下步骤：

S1，对待处理图像M进行图像灰度化，并在此基础上对图像二值化，灰度化图像记为A，二值化的图像记为B；

S2，将图像B划分为5×5个小区域，记为B[i,j],(i,j∈{1,2,…,5})，对图像A也做类似的处理，记为A[i,j],(i,j∈{1,2,…,5})；

S3，对步骤S2中每个子区域A[i,j],(i,j∈{1,2,…,5})，跳过明显不满足要求的子区域；

S4，对于保留的子区域，利用角点检测方法检测出所有的候选角点；

S5，对于步骤S4中的每个角点，取以角点为中心半径为R从B[i,j],(i,j∈{1,2,…,5})中得到矩形邻域；

S6，对于步骤S5中的每个矩形邻域，进行特征提取；

S7，对步骤S6中的大量数据进行数据分析，得到每个特征最优的过滤阈值参数，记为P；

S8，对于步骤S4中的每个候选角点，过滤掉所有不满足步骤S7参数条件的候选点，保留目标角点；

S9，计算目标角点在原图中的坐标；

步骤S6具体包括：

S6.1，对于步骤S5中的每个角点和其邻域矩阵，考虑点V(x_v,y_v)与邻域矩阵N(V,R)，进行特征提取；

S6.2，黑白变化次数特性：对于邻域矩阵N(V,R)，从左上角开始逆时针选取N(V,R)的外围元素PE；

PE＝{α_1,1，…，α_2R,1，…，α_2R,2R，…，α_1,2R，…，α_1,1}

对于每个角点找出PE中从255到0与0到255变化的个数作为角点黑白变化次数特征；

S6.3，黑白像素长度特性：对于邻域矩阵N(V,R)及6.2中的PE

PE＝{α_1,1，…，α_2R,1，…，α_2R,2R，…，α_1,2R，…，α_1,1}

统计PE中像素值为255与0的个数比例差的绝对值，作为黑白像素长度特性；

S6.4，矩阵运算结果特性：对于邻域矩阵N(V,R)，构造长度为2R的全一向量v；

v＝[1,1，…，1]_2R

计算N(V,R)与v的乘积，结果即为MP；

MP＝N(V,R)v^T

其中v^T表示v的转置，对MP进行归一化操作，记为RP；

上式表示RP为MP的每个元素除于510R的结果，对角点运算结果RP介于0.4与0.6之间的个数进行统计，并将统计结果作为角点矩阵运算特征；

步骤S7具体包括：

分析步骤S6中提取的特征，具体具有如下特性：

黑白变化次数特性：对于步骤S6.2中的PE，找出PE中从255到0与0到255变化的个数作为角点黑白变化次数都等于2；

黑白像素长度特性：对于步骤S6.3中的PE黑白像素值为255与0的个数基本相等，设定黑白像素个数比例相差不大于0.1；

矩阵运算结果特性：对于步骤S6.4中的RP，由于矩阵N(V,R)中每行0与255的个数基本一致，设定统计RP中于0.4与0.6之间元素个数比例大于0.8。

2.根据权利要求1所述的基于特征提取的复杂场景图像的目标角点提取方法，其特征在于，步骤S1具体包括：

S1.1，对待处理图像M灰度化，方法包括但不限于加权平均法，灰度化后的图像记为A；

S1.2，对灰度化后的图像A进行局部二值化，方法包括但不限于局部大津法、Bernsen法，局部二值化后的图像记为B。