CN102339464A - 线搜索式角点检测方法 - Google Patents

线搜索式角点检测方法 Download PDF

Info

Publication number
CN102339464A
CN102339464A CN2011102559929A CN201110255992A CN102339464A CN 102339464 A CN102339464 A CN 102339464A CN 2011102559929 A CN2011102559929 A CN 2011102559929A CN 201110255992 A CN201110255992 A CN 201110255992A CN 102339464 A CN102339464 A CN 102339464A
Authority
CN
China
Prior art keywords
point
angular
candidate
detection method
candidate angular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011102559929A
Other languages
English (en)
Inventor
张晨
吕柏权
袁亮
赵梦阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN2011102559929A priority Critical patent/CN102339464A/zh
Publication of CN102339464A publication Critical patent/CN102339464A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种线搜索式角点检测方法。本方法主要是创建了判断角点优先级的函数和二次过滤器，并将角点优先级运用到角点最小距离的测算上。此算法是对已有的线搜索式角点检测方法的改进，可以在保留易辨识的角点前提下控制角点数量,并使其均匀的分布在图像上，有利于后续图像匹配、图像拼接等操作的进行，在实际应用中取得了较好的效果。

Description

线搜索式角点检测方法
技术领域
本发明涉及计算机视觉领域，更具体的，涉及一种线搜索式角点检测方法。
背景技术
角点检测技术作为图像融合、运动目标检测和跟踪、光流计算及三维重建中的关键技术，它在保留图形图像的重要特征的同时，可以有效地减少信息的数据量，能够大大提高图像处理的速度，因而得到广泛的应用。目前，角点检测的方法主要可以分为基于图像边缘和基于图像灰度两类方法。前者的效果对边缘提取算法有较大的依赖性，且计算复杂，耗时较长。后者又可分为两类，一类基于图像导数如Plessey算法， 优点是简单易实施，缺点是计算复杂且定位精度不理想； 另一类基于图像灰度对比关系如线搜索式角点检测方法，方法简单，耗时较短，且综合性能超过了一些经典算法，但在实际应用中，该算法需给定一个合适的阈值t才能获得比较理想的角点，因为t取得过小会造成检测出的角点过多，且易产生聚簇现象，影响后期的分析和处理速度；若t取得过大又会造成角点数量较少且分布不均匀，这可能会使后期的分析处理工作无法进行。
发明内容
本发明的目的在于针对已有技术存在的缺陷，提供一种改进的线搜索式角点检测方法，以得到固定数量且分布均匀的角点，从而使得后面的分析处理顺利进行。
为达到上述目的，本发明采用下述技术方案：
一种改进的线搜索式角点检测方法，具体操作步骤如下：
（1）图像的初始过滤；
（2）图像的二次过滤；
（3）伪响应抑制；
（4）搜索线的充分检验；
（5）计算候选角点的优先级；
（6）基于最大同值距离dMH的非极大值抑制；
（7）基于最小距离                                                的非极大值抑制。
在步骤（1）中，图像的初始过滤方法是：以当前像素为中心设定一个设定大小的圆掩模，计算其边界上的每个像素点与当前像素点的亮度差，若存在一对中心对称的边界点不属于同值收缩核USAN(Univalue Segment Assimilating Nucleus)区域，则当前像素点为候选角点。USAN的判定准则为：若检测点的亮度值等于(相似于) 核心点亮度则属于USAN区域，反之则不属于USAN区域。该步骤中圆掩膜直径D1取9，阈值t取15。
在步骤（2）中，图像的二次过滤方法是：计算目标像素点的8邻域范围内与之亮度相似的像素点的数目K，当K=7或K=8时，表示该像素点应该为一区域内部的点；当K=0时，表示该像素点应该为一区域内部的孤立像素点或是噪声点；而当1≤K≤6时，则将该点作为候选角点，否则将此点从候选角点中去掉。
在步骤（3）中，伪响应抑制方法是：搜索能够穿过核与圆掩膜内整像素的所有直线，如果存在一条搜索线上最靠近核的若干个整像素点与核同值，且分布在核的两侧，则将此点从候选角点中去掉，这里的圆掩膜直径D2取19。
在步骤（4）中，搜索线的充分检验方法是：对于禁检圆外圆掩模内每条搜索线上的点进行对称检测，对于处于上下两个像素点间的亚像素点，采用简单的单线性插值法来求其亮度值来判断该亚像素点是否与核同值，当搜索线上具有代表性的采样点都不在USAN区域时，该搜索线被判定为非穿越线，核心点为候选角点；若不存在这样的搜索线，则将该候选角点去掉。所述禁检圆核是附近给定区域是一个围绕核的很小的圆。这里的圆掩膜直径D3通常取17，禁检圆的半径rd取3，搜索线数n通常取16。
在步骤（5）中，进行计算角点的优先级，角点优先级函数的定义如下：
“L”型角点即90°角的角点为最好的角点，此时，非穿越线的数量为n/2，而随着角的角度趋近于0°或180°时，角点则趋近于噪声或边缘。由此得到计算角点优先级的函数：
Figure 244060DEST_PATH_IMAGE002
                        (1)
上式中
Figure 2011102559929100002DEST_PATH_IMAGE003
代表角点
Figure 317058DEST_PATH_IMAGE004
的优先级，
Figure 2011102559929100002DEST_PATH_IMAGE005
表示非穿越线的个数，
Figure 95133DEST_PATH_IMAGE006
表示搜索线的数目。
在步骤（6）中，基于最大同值距离的非极大值抑制方法是：一个真实的角点在其周围诸候选角点中拥有最小的最大同值距离dMH。最大同值距离dMH取决于非穿越线上禁检圆内与核同值的检测点距核的最大距离，而为了测出最小的dMH需检测所有的非穿越线，从中选取最小的。这里搜索线数同步骤（4），抑制窗口的半径ry为3附近。
在步骤（7）中，基于最小距离
Figure 191265DEST_PATH_IMAGE001
的非极大值抑制方法是：首先计算候选角点的最小距离，
Figure 830374DEST_PATH_IMAGE001
代表当前角点与距离其最近且具有更高优先级的角点的距离，其计算公式如下：
Figure 2011102559929100002DEST_PATH_IMAGE007
                (2)
式中，
Figure 365709DEST_PATH_IMAGE008
是角点在图像上的坐标位置，
Figure 2011102559929100002DEST_PATH_IMAGE009
是候选角点集。
然后，根据离
Figure 677742DEST_PATH_IMAGE001
从大到小的顺序对候选角点排序，取最大的一定数量的候选角点作为最终的角点。这里一般取最大的500个候选角点作为最终的角点。
这里需要说明除步骤（4）为亚像素级的操作以外，其余步骤中均为像素级操作。
在以上步骤中，步骤（2）、步骤（5）和步骤（7）是此发明的重点，步骤（2）可以在对比度较小的情况下去除一部分噪点的影响，同时有轻微的提速作用；步骤（5）和步骤（7）可以使角点的数量和分布都更为合理。
本发明的与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：（1）由于原算法的设定使得若是有单像素的噪点存在，则无法消除，造成伪响应，而且在基于最大同值距离的非极大值抑制时会将近距离的真实抑制掉。而改进后的算法有效地避免了这种情况的发生。（2）原算法只能通过控制阈值来改变角点数量，而且不能控制角点的分布，这都会影响后面的分析和处理，而改进后的算法可以控制角点的数量并使其具有较好的空间分布。
附图说明
图 1为本发明方法的流程框图；
图2 为本发明方法的基本原理在3种典型USAN情况下的体现；
图 3为VC2008编译环境下本发明方法与原方法对实际图像操作的实验结果对比图。
具体实施方式
下面将参考附图详细说明本发明的优选实施例：如图1所示，表示了本实施例的角点检测算法在实际图像处理中经过VC2008编译环境的流程图。流程图中Maxd为一中间量，其初值为100；borderi和borderj分别为实际图像的行数和列数，由于角点检测算法的性质，本检测方法实际是从第9行第9列的像素点开始检测的。流程图的上半部分为对图像进行候选角点筛选部分，候选角点筛选过程如下：
步骤1：对当前像素点进行初始过滤：若存在一对中心对称的边界点不属于USAN区域，则进入步骤2判断，否则再次进入步骤1检测下一个点；
步骤2：对当前像素点进行二次过滤：若其8邻域范围内与之亮度相似的像素点的数目K有1≤K≤6，则进入步骤3，否则进入步骤1检测下一个点；
步骤3：伪响应抑制：如果没有一条搜索线上最靠近核的若干个整像素点与核同值，且分布在核的两侧，则进入步骤4，否则进入步骤1检测下一个点；
步骤4：搜索线的充分检验方法是：对于禁检圆外圆掩模内每条搜索线上的点进行对称检测，对于处于上下两个像素点间的亚像素点，采用简单的单线性插值法来求其亮度值来判断该亚像素点是否与核同值，当搜索线上具有代表性的采样点都不在USAN区域时，该搜索线被判定为非穿越线。若找到一条非穿越线，则当前像素点为候选角点并计算该点的最大同值距离dMH，若这是检测到的第一条非穿越线则再次进入步骤4寻找下一条非穿越线；否则与先前得到的最大同值距离dMH作比较，留下两者中较小的值，然后再次进入步骤4寻找下一条非穿越线，直到所有的非穿越线被找出为止。
若所有搜索线中均无非穿越线则进入步骤1检测下一个点；若所有搜索线检测完时存在非穿越线则进入步骤5；
步骤5：统计非穿越线的数量并计算该候选角点的优先级：角点的优先级公式如下：
Figure 663015DEST_PATH_IMAGE002
                       (3)
上式中
Figure 785823DEST_PATH_IMAGE003
代表角点
Figure 856547DEST_PATH_IMAGE004
的优先级，
Figure 972271DEST_PATH_IMAGE005
表示非穿越线的个数，
Figure 812051DEST_PATH_IMAGE006
表示搜索线的数目。
     步骤6：基于最大同值距离的非极大值抑制是：以当前候选角点为中心设定一个半径为3的抑制窗口，若该窗口内存在某候选角点具有比当前候选角点更小的dMH，则将当前候选角点抑制掉。
步骤7：基于最小距离
Figure 292711DEST_PATH_IMAGE001
的非极大值抑制方法是：当对候选角点集完成上述检测后，计算剩余的候选角点的最小距离
Figure 398201DEST_PATH_IMAGE001
，其计算公式如下：
Figure 255299DEST_PATH_IMAGE007
                (4)
式中，
Figure 663463DEST_PATH_IMAGE008
是角点在图像上的坐标位置，
Figure 708780DEST_PATH_IMAGE009
是候选角点集。
然后，根据离
Figure 914109DEST_PATH_IMAGE001
从大到小的顺序对候选角点排序，取最大的一定数量的候选角点作为最终的角点。
如图2所示，表示了本发明方法的基本原理在3种典型USAN情况下的体现。其中图（a）的当前像素点处至少存在一条满足上述要求的搜索线，判断为角点，而图（b）和图（c）则不存在这样的搜索线，则当前像素点非角点。
如图3所示，其中图（a）为原始图像；图（b）为原方法在相同阈值条件下的检测结果；图（c）为原方法在角点数相近条件下的检测结果；图（d）为本发明方法下的检测结果。其中图（b）、图（c）和图（d）所采用相同的参数：圆掩膜直径D1=9，D2=19，D3=17，禁检圆的半径rd=3，搜索线数n=16，抑制窗口的半径ry=3；图（b）和图（d）阈值t取15；图（c）的阈值t取55；图（d）的设定角点数为500。
图（b）检测出的角点数为3976；图（c）检测出的角点数为493；图（b）检测出的角点数为500；从实验结果可以看出本发明方法的测试结果大大优于原方法，在保留易辨识的角点前提下控制角点数量, 并使其均匀的分布在图像上，从而避免角点聚簇现象，这样可以使得后续的图像匹配和图像拼接等工作在保证质量的前提下缩短处理时间。

Claims (8)

1.一种线搜索式角点检测方法，其特征在于该方法是具体步骤如下：
（1）图像的初始过滤；
（2）图像的二次过滤；
（3）伪响应抑制；
（4）搜索线的充分检验；
（5）计算候选角点的优先级；
（6）基于最大同值距离dMH的非极大值抑制；
（7）基于最小距离                                                
Figure 336053DEST_PATH_IMAGE001
的非极大值抑制。
2.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（1）中，图像的初始过滤方法是：以当前像素为中心设定一个设定大小的圆掩模，若存在一对中心对称的边界点不属于同值收缩核USAN区域，则为候选角点，否则将此点从候选角点中去掉。
3.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（2）中，图像的二次过滤方法是：对于目标像素点的8邻域范围内与之亮度相似的像素点的数目K，若1≤K≤6，则该点为候选角点，否则将此点从候选角点中去掉。
4.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（3）中，伪响应抑制方法是：在以核为中心的若干搜索线中，如果存在一条搜索线上最靠近核的若干个整像素点与核同值，且分布在核的两侧，则将此点从候选角点去掉。
5.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（4）中，搜索线的充分检验方法是：所有搜索线中只要有一条其上具有代表性的采样点都不在USAN区域时，该搜索线被判定为非穿越线，核心点为候选角点，否则将此点从候选角点中去掉。
6.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（5）中，计算候选角点的优先级方法是：根据角点的优先级的计算公式来算出每个候选角点的优先级；角点的优先级的计算公式如下：
Figure 561630DEST_PATH_IMAGE002
其中
Figure 589628DEST_PATH_IMAGE003
代表角点
Figure 833528DEST_PATH_IMAGE004
的优先级，
Figure 836250DEST_PATH_IMAGE005
表示非穿越线的个数，表示搜索线的数目。
7.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（6）中，基于最大同值距离的非极大值抑制方法是：若以当前候选角点为中心的抑制窗口内存在某候选角点具有比当前候选角点更小的最大同值距离dMH，则将当前候选角点抑制掉；所述最大同值距离dMH取决于非穿越线上禁检圆内与核同值的检测点距核的最大距离。
8.如权利要求1所述的线搜索式角点检测方法，其特征是所述的步骤（7）中，基于最小距离
Figure 260375DEST_PATH_IMAGE001
的非极大值抑制方法是：依据角点最小距离的计算公式来算出剩余的候选角点的最小距离，然后由大到小进行排序，取最大的设定数量的候选角点作为最终的角点，
Figure 122785DEST_PATH_IMAGE001
的计算公式如下：
Figure 554904DEST_PATH_IMAGE007
                
其中
Figure 445499DEST_PATH_IMAGE004
，
Figure 242554DEST_PATH_IMAGE008
是角点在图像上的坐标位置，
Figure 664439DEST_PATH_IMAGE009
是候选角点集。
CN2011102559929A 2011-09-01 2011-09-01 线搜索式角点检测方法 Pending CN102339464A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102559929A CN102339464A (zh) 2011-09-01 2011-09-01 线搜索式角点检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102559929A CN102339464A (zh) 2011-09-01 2011-09-01 线搜索式角点检测方法

Publications (1)

Publication Number Publication Date
CN102339464A true CN102339464A (zh) 2012-02-01

Family

ID=45515180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102559929A Pending CN102339464A (zh) 2011-09-01 2011-09-01 线搜索式角点检测方法

Country Status (1)

Country Link
CN (1) CN102339464A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150725A (zh) * 2013-02-06 2013-06-12 华中科技大学 基于非局部均值的susan边缘检测方法及系统
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN106682678A (zh) * 2016-06-24 2017-05-17 西安电子科技大学 一种基于支撑域的图像角点检测和分类方法
CN107403127A (zh) * 2016-05-20 2017-11-28 重庆电信系统集成有限公司 一种基于图像orb特征的车辆卸货状态监测方法
WO2022183463A1 (en) * 2021-03-05 2022-09-09 Shenzhen Xpectvision Technology Co., Ltd. Imaging methods using radiation detectors

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794446A (zh) * 2010-02-11 2010-08-04 东南大学 一种图像角点的线搜索式检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794446A (zh) * 2010-02-11 2010-08-04 东南大学 一种图像角点的线搜索式检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张磊 等: "一种快速检测图像角点特征的线搜索式方法", 《自动化学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150725A (zh) * 2013-02-06 2013-06-12 华中科技大学 基于非局部均值的susan边缘检测方法及系统
CN103150725B (zh) * 2013-02-06 2015-09-23 华中科技大学 基于非局部均值的susan边缘检测方法及系统
CN107403127A (zh) * 2016-05-20 2017-11-28 重庆电信系统集成有限公司 一种基于图像orb特征的车辆卸货状态监测方法
CN106682678A (zh) * 2016-06-24 2017-05-17 西安电子科技大学 一种基于支撑域的图像角点检测和分类方法
CN106682678B (zh) * 2016-06-24 2020-05-01 西安电子科技大学 一种基于支撑域的图像角点检测和分类方法
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN106412441B (zh) * 2016-11-04 2019-09-27 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
WO2022183463A1 (en) * 2021-03-05 2022-09-09 Shenzhen Xpectvision Technology Co., Ltd. Imaging methods using radiation detectors

Similar Documents

Publication Publication Date Title
CN109060836B (zh) 基于机器视觉的高压油管接头外螺纹检测方法
CN105913093B (zh) 一种用于文字识别处理的模板匹配方法
CN108629775B (zh) 一种热态高速线材表面图像处理方法
CN106803244B (zh) 缺陷识别方法及系统
US9075026B2 (en) Defect inspection device and defect inspection method
CN105894036B (zh) 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法
US10922794B2 (en) Image correction method and device
CN105913415B (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
US9171364B2 (en) Wafer inspection using free-form care areas
CN102339464A (zh) 线搜索式角点检测方法
JP2017053819A (ja) コンクリートのひび割れ検出方法及び検出プログラム
CN104376573A (zh) 一种图像污点检测方法及系统
CN105046697A (zh) 一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法
CN103743750B (zh) 一种大口径光学元件表面损伤分布图的生成方法
CN106355597A (zh) 基于单目视觉的钢板折角自动测量机器人图像处理方法
CN112200790B (zh) 布料缺陷检测方法、设备和介质
CN117314912B (zh) 一种焊管表面焊接缺陷视觉检测方法及系统
CN109544513A (zh) 一种钢管端面缺陷提取识别的方法
CN109035218A (zh) 路面修补区域检测方法
CN104408727A (zh) 一种图像边缘污点检测方法及系统
Cao et al. Balanced multi-scale target score network for ceramic tile surface defect detection
CN116503359A (zh) 一种基于路侧摄像头的路面裂缝监测方法
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN115980063A (zh) 工件表面瑕疵检测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120201