[发明专利]一种MPCNN-FAST声呐图像特征点检测方法

说明书

本发明提供一种MPCNN‑FAST（Modified pulse coupled neural network‑features from accelerated segment test）声呐图像特征点检测方法，涉及声呐图像特征点检测技术领域。该方法的核心步骤包括：（1）根据改进的阈值函数，构造MPCNN；（2）根据MPCNN‑FAST特征点判断方法，判断声呐图像中待检测点是否为特征点。在本发明提供的特征点检测方法中，给出一种改进的阈值函数，利用改进的阈值函数构造MPCNN，利用MPCNN改进FAST特征点检测方法。本发明提供的特征点检测方法克服了FAST算法检测效果严重依赖于阈值选取的缺欠。同时该方法需要人为设置的参数少。本发明提供的特征点检测方法实用性较强、智能化程度较高。

技术领域

本发明涉及声呐图像特征点检测技术领域，具体地说，涉及一种MPCNN-FAST（Modified pulse coupled neural network-features from accelerated segmenttest）声呐图像特征点检测方法。

背景技术

声波水下穿透能力强、作用距离远，不受水下能见度影响，声呐是水下探测、监测的重要或不可替代的设备。声呐水下探测、监测应用中，经常涉及到图像配准、图像拼接、目标跟踪和目标定位等问题。图像特征点检测是解决上述问题的基础，甚至是关键。声呐图像分辨率低、散斑噪声强、图像细节少，使得声呐图像的特征点检测成为一个难题。

有多种特征点检测方法，比如Moravec、Harris、SUSAN（Small univalue segmentassimilating nucleus）、SIFT（Scale invariant feature transform）、FAST（Featuresfrom accelerated segment test）等特征点检测算法。在这些算法中，文献1 [E. Rosten,R. Porter, T. DRUMMOND. Faster and better: a machine learning approach tocorner detection. IEEE Transactions on Pattern Analysis and MachineIntelligence, 2010, 32( 1) : 105-119.]提出的FAST算法是一种常用的特征点检测算法，该算法快速准确。然而，FAST算法检测需要选取合适的阈值来判断待检测像素是否为特征点，检测效果严重依赖于阈值的选取。因为声呐图像通常对比度差、散斑噪声严重、分辨率低、像素少、边缘恶化，因此声呐图像的阈值选取是一个非常困难的问题。