[发明专利]基于高斯变换的多尺度SUSAN角点检测方法

摘要

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。

主权项

1.一种基于高斯变换的多尺度SUSAN角点检测方法，其特征是：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：对分辨率为M×N的原始图像进行高斯变换，得到多尺度下的分层图像：用第1个尺度因子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，再用第i个尺度因子σi(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：在步骤二中获得的候选角点集CadCorner中搜索确定最终角点，充分利用多尺度信息，每一尺度下检测到的候选角点都还原到原始图像中对应的位置，设置一个M×N的二维矩阵Corner，在Corner中将CadCorner中的候选角点的相应位置设为1，其余设为0；依次扫描CadCorner矩阵中的元素，当元素值为1时，确定以该元素为中心的border×border邻域，求取该邻域内的所有候选角点对应的位置的算术平均值，将其作为最终的角点，存储在NewCorner中；最后将NewCorner中的元素在图像上表示出来。