[发明专利]一种高光谱图像角点检测方法与系统有效
申请号: | 201510621881.3 | 申请日: | 2015-09-25 |
公开(公告)号: | CN105139412B | 公开(公告)日: | 2018-04-24 |
发明(设计)人: | 李岩山;石伟;谢维信;张勇 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06T7/60 | 分类号: | G06T7/60 |
代理公司: | 深圳市恒申知识产权事务所(普通合伙)44312 | 代理人: | 王利彬 |
地址: | 518060 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明适用于角点检测领域,提供了一种高光谱图像角点检测方法与系统,所述方法包括下述步骤步骤A,构造关于高光谱图像f(x,y,z)中的某点p0和其邻域上的点p1的加权相关性函数;步骤B,根据所述加权相关性函数构造一个角点响应函数;步骤C,根据所述角点响应函数计算所述高光谱图像f(x,y,z)中的某点p0的Harris角点响应值和其邻域上所有点的Harris角点响应值;步骤D,若所述高光谱图像f(x,y,z)中的某点p0的Harris角点响应值大于其邻域上所有点的Harris角点响应值,则该点p0即为所述高光谱图像f(x,y,z)的Harris角点。本发明提供的检测方法能获取高光谱图像的关键信息从而能更好地对高光谱图像进行分析,提高了高光谱图像模式识别效果。 | ||
搜索关键词: | 一种 光谱 图像 检测 方法 系统 | ||
【主权项】:
一种高光谱图像角点检测方法,其特征在于,所述方法包括下述步骤:步骤A,构造关于高光谱图像f(x,y,z)中的某点p0和其邻域上的点p1的加权相关性函数;步骤B,根据所述加权相关性函数构造一个角点响应函数;步骤C,根据所述角点响应函数计算所述高光谱图像f(x,y,z)中的某点p0的Harris角点响应值和其邻域上所有点的Harris角点响应值;步骤D,若所述高光谱图像f(x,y,z)中的某点p0的Harris角点响应值大于其邻域上所有点的Harris角点响应值,则该点p0即为所述高光谱图像f(x,y,z)的Harris角点;所述加权相关性函数为:c′(x,y,z;Δx,Δy,Δz)=ω(x,y,z)⊗[f(x,y,z)-f(x+Δx,y+Δy,z+Δz)]2=Σu=x-lx+lΣv=y-my+mΣp=z-rz+rω(u-x,v-y,p-z)[f(u,v,p)-f(u+Δx,v+Δy,p+Δz)]2;]]>其中,点p0是高光谱图像f(x,y,z)中的一个像素,其坐标为(x,y,z),f(x,y,z)为点p0对应的像素值;点p1坐标为(x+Δx,y+Δy,z+Δz),f(x+Δx,y+Δy,z+Δz)为点p1对应的像素值;窗函数ω(x,y,z)采用高斯加权函数,如下所示:ω(x,y,z)=1(2πσ2)3e-x2-y2-z22σ2]]>而由上式可得:ω(u-x,v-y,p-z)=1(2πσ2)3e-(u-x)2-(v-y)2-(p-z)22σ2;]]>其中,σ为高斯函数的尺度因子;为卷积运算符号,l为窗函数沿x方向移动的长度,m为窗函数沿y方向移动的长度,r为窗函数沿z方向移动的长度,l=1,m=1,r=1;所述加权相关性函数中表示为即:c′(x,y,z;Δx,Δy,Δz)=Σω[f(u,v,p)-f(u+Δx,v+Δy,p+Δz)]2]]>而,f(u+Δx,v+Δy,p+Δz)≈f(u,v,p)+fx(u,v,p)Δx+fy(u,v,p)Δy+fz(u,v,p)Δz=f(u,v,p)+fxfyfzΔxΔyΔz]]>则,c′(x,y,z;Δx,Δy,Δz)=Σω[f(u,v,p)-f(u+Δx,v+Δy,p+Δz)]2≈Σω(fxfyfzΔxΔyΔz)2=ΔxΔyΔzM(x,y,z)ΔxΔyΔz]]>其中,M(x,y,z)=fx2⊗ωfxfy⊗ωfxfz⊗ωfxfy⊗ωfy2⊗ωfyfz⊗ωfxfz⊗ωfyfz⊗ωfz2⊗ω=ADEDBFEFC]]>式中,fx,fy,fz分别表示图像f(x,y,z)在x,y,z三个方向上的梯度,即fx=∂f∂x=12[f(x+1,y,z)-f(x-1,y,z)]]]>fy=∂f∂y=12[f(x,y+1,z)-f(x,y-1,z)]]]>fz=∂f∂z=12[f(x,y,z+1)-f(x,y,z-1)]]]>上式中,ω表示高斯加权函数ω(x,y,z),为卷积符号,A、B、C、D、E、F分别对应矩阵M的各个元素;所述fx,fy,fz由如下公式计算:fx=f(x,y,z)⊗Rx]]>fy=f(x,y,z)⊗Ry]]>fz=f(x,y,z)⊗Rz]]>式中,Rx、Ry、Rz分别为水平、垂直、光谱三个方向的梯度算子,且大小均为5*5*5,为卷积符号;其中,水平梯度算子Rx(:,:,3)表达式如下,Rx的其他位置均为0:Rx(:,:,3)=1200000000000-10100000000000]]>垂直梯度算子Ry(:,:,3)表达式如下,Ry的其他位置均为0:Ry(:,:,3)=120000000-100000000010000000]]>光谱方向的梯度算子Rz(3,3,:)表达式如下,Rz的其他位置均为0:Rz(3,3,:)=120-1010.]]>
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510621881.3/,转载请声明来源钻瓜专利网。
- 上一篇:一种棒料弯曲模具
- 下一篇:一种生理数据采集系统
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序