[发明专利]基于非线性方向导数的图像角点检测方法

说明书

一种基于非线性方向导数的图像角点检测方法，由边缘链码提取、确定滤波器子窗口及权重、图像分层和非线性滤波、确定各向异性和各向同性导数响应向量、确定最大各向异性导数响应方向、确定局部各向异性和同性导数均值、多尺度角点响应、链码上所有像素的角点测度、确定局部最大值抑制和阈值的角点步骤组成。本发明采用了像素值排序的图像分层方法，通过去除对应于原始图像中脉冲噪声强度的部分二值图层的方式，对剩余像素进行线性加权滤波，图像分层技术实现快速非线性滤波，避免了脉冲型噪声和高斯型噪声的影响，解决了角点检测噪声敏感的技术问题。与传统的非线性滤波方法相比，具有效率高、角点检测准确率高等优点。

技术领域

本发明涉及图像处理领域，具体涉及到基于非线性方向导数的图像角点检测方法。

背景技术

角点是图像中的关键特征点，是图像中局部曲率变化的极大点或亮度变化剧烈的点。角点包含了图像中的重要特征和信息，便于图像的进一步处理和分析。角点检测是图像分析和计算机视觉中极为重要的步骤，广泛应用于运动跟踪、目标识别、立体匹配、三维场景重建等技术领域。目前角点检测算法主要分为三大类，包括基于强度的角点检测方法、基于边缘轮廓的角点检测方法、基于模板的角点检测方法。

基于模板的角点检测方法通过使用预先定义的模型拟合图像的部分区域来检测角点，此类方法容易将噪声点或边缘点检测为角点。基于强度的角点检测方法通过测量角点周围区域的强度以及灰度变化来进行检测，在光照和旋转变化下具有较好的鲁棒性，但选取的阈值过大或过小将会导致漏检或误检。不同的改进方法从噪声鲁棒性，多尺度性和准确度等方面提升了方法性能。基于轮廓的角点检测方法使用边缘检测器，从输入图像中提取轮廓曲线，分析轮廓形状以检测角点。曲率尺度空间的角点检测方法，对曲线上的局部灰度变化和噪声敏感，会出现漏检误检等情况。利用弦到点距离累加的角点检测算法,有效消除了伪角点，但不能检测出邻近角点。多尺度盖博滤波器克服了多尺度问题，但其鲁棒性有待提高；在此基础之上，各向异性方向导数滤波器将方向强度变化嵌入到基于轮廓的角点检测框架中，融合了基于轮廓和基于强度的角点检测方法的优点，提高了角点检测的效率，但对于混合噪声仍然敏感。

发明内容

本发明所要解决的技术问题在于克服上述现有技术的不足，提供了一种方法简单、检测准确率高、对混合噪声鲁棒，精确度高的基于非线性方向导数的图像角点检测方法。

解决上述技术问题所采用的技术方案由下述步骤组成：

(1)边缘链码提取

对原始图像用坎尼边缘检测方法提取边缘E，按顺时针方向沿着边缘将每个边缘像素的坐标依次保存，形成边缘像素位置的链码集合Q，如式(1)所示：

Q＝{(x,y)|(x,y)∈E} (1)

其中(x,y)是像素点坐标。

(2)确定滤波器子窗口及权重

1)构建各向异性和各向同性高斯方向滤波器并确定它们的一阶导数函数

按式(2)构建各向异性高斯方向滤波器g_σ,ρ,θ(x,y)：

其中σ是高斯核的尺度，σ∈[1,6]，ρ是各向异性因子，ρ∈(1,8]，θ表示方向，R_θ是方向为θ的旋转矩阵，按式(3)确定各向异性高斯方向滤波器的一阶导数函数ψ_σ,ρ,θ(x,y)：

按照式(4)确定各向同性高斯方向滤波器的一阶导数函数ξ_σ,ρ,θ(x,y)：

2)按式(5)确定各向异性左子窗口N_L和各向异性右子窗口N_R：