[发明专利]基于缺失重要性的图像特征点自动检测方法

摘要

本发明涉及一种基于缺失重要性的图像特征点自动检测方法，包括：采集图像、输入计算机并将其转化为灰度图像；计算图像中各点处的均值缺失重要性；计算图像中各点处的标准差缺失重要性；利用均值缺失重要性进行边缘点标记；利用标准差缺失重要性进行特征点标记；输出所标记的图像特征点。相比于已有方法，本发明提供的方法在定位精度方面具有明显优势。

主权项

一种基于缺失重要性的图像特征点自动检测方法，其特征在于，包括步骤：步骤S1：采集图像、输入计算机并将其转化为灰度图像；步骤S2：计算图像中各点处的均值缺失重要性，具体方式为：对于图像中任一位置X(x,y)，首先将以点X(x,y)为中心、半径为R的圆形区域确定为X(x,y)的支撑区域并记为Ω(X)，然后计算Ω(X)内各像素点灰度值的平均值并记为m1(X)，接着计算Ω(X)内去掉点X(x,y)后各像素点灰度值的平均值并记为m2(X)，最后将m(X)=|m1(X)‑m2(X)|定义为点X(x,y)处的均值缺失重要性，定义支撑区域时R的取值范围为1～3；步骤S3：计算图像中各点处的标准差缺失重要性，具体方式为：对于图像中任一位置X(x,y)，首先按照步骤S2所述方式确定点X(x,y)的支撑区域Ω(X)，然后计算Ω(X)内各像素点灰度值的标准差并记为s1(X)，接着计算Ω(X)内去掉点X(x,y)后各像素点灰度值的标准差并记为s2(X)，最后将s(X)=|s1(X)‑s2(X)|定义为点X(x,y)处的标准差缺失重要性，定义支撑区域时R的取值范围为1～3；步骤S4：利用均值缺失重要性进行边缘点标记，具体方式为：首先计算阈值T=k·Mean(M)，其中Mean(M)表示步骤S2计算的整个图像中各点处均值缺失重要性的均值，k的取值范围为2～5，然后，如果图像中某点处的均值缺失重要性大于T，则将该点标记为边缘点；步骤S5：利用标准差缺失重要性进行特征点标记，具体方式为：对于步骤S3所得各点处的标准差缺失重要性，将步骤S4没有标记为边缘点的位置对应的标准差缺失重要性置为0，然后，如果图像中某点处的标准差缺失重要性在该点的5×5邻域内为最大值，则将该点标记为特征点；步骤S6：输出步骤S5所标记的特征点。