CN115564728B

CN115564728B - 一种图像角点检测方法、装置、设备及应用

Info

Publication number: CN115564728B
Application number: CN202211212962.4A
Authority: CN
Inventors: 钟宝江; 张阳
Original assignee: Suzhou University
Current assignee: Suzhou University
Priority date: 2022-09-30
Filing date: 2022-09-30
Publication date: 2023-08-11
Anticipated expiration: 2042-09-30
Also published as: CN115564728A

Abstract

本发明公开了一种图像角点检测方法、装置、设备及应用，涉及图像处理及计算机视觉领域，包括获取待检测图像的图像边缘，得边缘图像，追踪边缘图像的边缘曲线，并将边缘曲线用离散点表示，得到离散边缘曲线图像，将离散边缘曲线图像进行平滑处理，得到降噪曲线图像，基于降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取两条线段端点之间的曲线为该离散点的支撑区域，基于每个离散点的支撑区域，计算每个离散点的角点度值，筛选符合预设角点度阈值的离散点，得到最终角点集合，支撑区域取决于角点周围的真实结构，对离散点周围的边缘结构具有较强的适应性，实现了准确检测离散点出的弯曲程度，提高了角点的识别精度，加快了检测效率。

Description

一种图像角点检测方法、装置、设备及应用

技术领域

本发明涉及图像处理及计算机视觉领域，特别是涉及一种图像角点检测方法、装置、设备及应用。

背景技术

对于很多计算机视觉任务而言，获得高质量的图像特征对后续的工作有着重要的推动作用，因此图像特征提取技术一直是该领域的一个研究热点。角点是图像中具有高度稳定性的局部性特征信息之一。相较于其它底层的图像特征(如，边缘曲线)，角点具有旋转变换、仿射变换、尺度变换、压缩变换不变性。角点检测技术自上世纪五十年代首次被提出至今，该课题一直是模式识别和图像处理领域的一项基础性研究工作。当前，角点检测技术已经在多个计算机视觉任务中发挥着不可替代的作用，例如，图像拼接、目标跟踪、图像匹配等。

经历了几十年的发展，角点检测方面已经涌现出近百种优秀的角点检测算法，这些算法根据其检测方式的不同可以分为基于灰度的和基于边缘的。基于图像灰度的角点检测算法通常根据图像中像素点灰度值的变化计算角点响应值并判断当前点是否为角点。基于图像边缘轮廓的角点检测器不同于基于灰度的角点检测器，该类角点检测器提取角点的第一步是获取图像的边缘轮廓，然后通过离散曲率的计算来筛选角点。大多数基于灰度的角点检测算法存在对噪声敏感，计算复杂度高等问题，因此基于边缘的角点检测算法的使用范围相对广泛。

虽然基于边缘的角点检测算法在一定程度上克服了基于灰度角点检测算法存在的问题，但是其检测结果直接受限于边缘检测的禁锢。此类角点检测算法通常在一个固定大小的支撑区域上进行离散曲率的估计，该区域是人为确定的一个固定半径的支撑区域，遗憾的是，通常情况下这个固定的支撑区域对于曲线上的角点结构没有适应性，因此可能导致检测效率低等问题。

综上所述可以看出，如何设计一种适应性高、识别精度高，检测效率快的图像角点检测方法是目前有待解决的问题。

发明内容

本发明的目的是提供一种图像角点检测方法、装置、设备及应用，以解决现有技术角点支撑区域适应性低、角点识别精度低的问题。

为解决上述技术问题，本发明提供一种图像角点检测方法，包括：

获取待检测图像的图像边缘，得边缘图像；

追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；

将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；

基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；

基于每个离散点的支撑区域，计算每个离散点的角点度值；

筛选符合预设角点度阈值的离散点，得到最终角点集合。

优选地，所述离散点的支撑区域计算公式为：

Ω(p_i)＝{p_i-b，…，p_i-1，p_i，p_i+1，…，p_i+f}

其中，Ω(p_i)为第i个离散点的支撑区域，p_i为第i个离散点。

优选地，所述基于每个离散点的支撑区域，计算每个离散点的角点度值包括：

计算每个离散点前后两个方向拟合的两条线段间的夹角；

利用所述两条线段间的夹角计算该离散点的角点度值。

优选地，所述两条线段间的夹角计算公式为：

其中，p_ip_i+f为前方向线段，p_ip_i-b为后方向线段，|p_ip_i+f|为前方向线段长度，|p_ip_i-b|为后方向线段长度。

优选地，所述离散点的角点度值计算公式为：

其中，c_i为离散点角度值，u为常数参数，θ为两条线段间的夹角，tanh为双曲正切函数，其计算公式为：

其中，sinh为双曲正弦函数，cosh为双曲余弦函数。

优选地，所述筛选符合预设角点度阈值的离散点，得到最终角点集合包括：

利用局部非极大值抑制方法获取局部角点度最大值的离散点，得到局部角点度最大值离散点集；

预设角点度阈值，滤除所述局部角点度最大值离散点集中不符合预设角点度阈值的离散点，得到最终角点集合。

优选地，所述将所述离散边缘曲线图像进行平滑处理利用高斯平滑函数对所述离散边缘曲线图像进行平滑处理，所述高斯平滑函数计算公式为：

Γ(u,σ)＝(X(u,σ),Y(u,σ))

其中，σ为高斯平滑函数标准差，X(u)为曲线上离散点的横坐标，Y(u)为曲线上离散点的纵坐标。

本发明还提供一种图像角点检测装置，包括：

边缘图像获取模块，用于获取待检测图像的图像边缘，得边缘图像；

曲线离散转换模块，用于追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；

图像降噪模块，用于将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；

支撑区域模块，基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；

角点度值计算模块，基于每个离散点的支撑区域，计算每个离散点的角点度值；

最终角点筛选模块，筛选符合预设角点度阈值的离散点，得到最终角点集合。

本发明还提供一种图像角点检测设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述所述一种图像角点检测方法的步骤。

本发明还提供一种上述所述的图像角点检测方法在图像特征提取领域的应用。

本发明所提供的一种图像角点检测方法，获取待检测图像的图像边缘，利用离散点表示所述图像边缘后，通过平滑处理消除图像噪声，将每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域，所述支撑区域取决于角点周围的真实结构，对离散点周围的边缘结构具有较强的适应性，实现了准确检测离散点出的弯曲程度，提高了角点的识别精度，加快了检测效率。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的图像角点检测方法的第一种具体实施例的流程图；

图2为支撑区域获取流程图；

图3为角点度值计算流程图；

图4为本发明实施例提供的一种图像角点检测装置的结构框图。

具体实施方式

本发明的核心是提供一种图像角点检测方法、装置、设备及应用，实现了。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明所提供的图像角点检测方法的第一种具体实施例的流程图；具体操作步骤如下：

步骤S101：获取待检测图像的图像边缘，得边缘图像；

使用Canny边缘检测算法从原始图像中提取图像边缘轮廓，Canny边缘检测算子的高低阈值分别是：0.35、0。

步骤S102：追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像。

步骤S103：将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；

高斯平滑函数对曲线进行平滑以消除噪声或者曲线上的微小变化，所述高斯平滑函数计算公式为：

Γ(u，σ)＝(X(u，σ)，Y(u，σ))

步骤S104：基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；

所述离散点的支撑区域计算公式为：

Ω(p_i)＝{p_i-b，…，p_i-1，p_i，p_i+1，…，p_i+f}

其中，Ω(p_i)为离散点的支撑区域，p_i为离散点。

步骤S105：基于每个离散点的支撑区域，计算每个离散点的角点度值；

计算所述离散点前后两个方向拟合的两条线段间的夹角，所述两条线段间的夹角计算公式为：

其中，p_ip_i+f为前方向线段，p_ip_i-b为后方向线段；

利用所述两条线段间的夹角计算该离散点的角点度值，所述离散点的角点度值计算公式为：

其中，sinh为双曲正弦函数，cosh为双曲余弦函数。

步骤S106：筛选符合预设角点度阈值的离散点，得到最终角点集合；

真正的角点一定是局部角点度最大值处，此步骤可以将非角点过滤掉，但是可能会存在错误检测的情况，也就是说角点一定是局部角点度最大值的点，但不是所有的局部最大值点都是角点。

本实施例提供一种图像角点检测方法，提出一种获取支撑区域的新方式，这种动态的支撑区域取决于角点周围的真实结构，对待检测离散点周围的边缘结构具有较强的适应性，利用支撑区域计算角点度值，可以更加准确的反应待检测离散点出的弯曲程度，进一步提高了角点的识别精度，为角点检测的发展做出了贡献。

基于上述实施例，本实施例对曲线上离散点支撑区域的获取方式进行阐述，具体流程如下：

使用边缘检测算法获取图像边缘，得边缘图像；

为消除噪声或者局部变化对检测结果的影响，在进行支撑区域的获取之前首先对边缘曲线进行高斯平滑，本实施例使用的是高斯平滑函数，其计算公式为：

Γ(u，σ)＝(X(u，σ)，Y(u，σ))

其中，X(u)为曲线上离散点的横坐标，Y(u)为曲线上离散点的纵坐标，σ为高斯平滑函数标准差，决定这边缘的平滑程度，该值越大曲线平滑程度越大，消除噪声点的概率越大，但是过大的σ可能导致角点处被平滑，从而导致漏检，本发明中σ＝3代表用于表示边缘线上离散点的坐标值。

如图2所示，对于给定边缘曲线上的待检测点p_i，以该点为起点，分别沿着曲线向前后两个方向进行延伸。我们以前向手臂延伸的过程为例：首先将前手臂的长度f记作1，然后以步长为1的大小不断迭代该步骤，并计算曲线上的点集合{p_i+1，p_i+2，…，p_i+f-1}到p_i+f的平均垂直距离，将点p_i到p_i+f之间的垂直距离记作其中j＝i+1，i+2，…，i+f-1，平均垂直距离可以表示为：

该延伸过程会一直延伸直到其中τ_D为一个预先给定的可容忍误差，结束该延伸过程后我们就得到了一条尽可能长的前向手臂p_ip_i+f，以相同的方式向后延伸，我们可以获取到后向的手臂p_ip_i-b，至此，待检测点p_i的支撑区域可以表示为：

Ω(p_i)＝{p_i-b，…，p_i-1，p_i，p_i+1，…，p_i+f}

如图3所示，基于所述角点定义以及角点的主观概念，若一个边缘点在边缘曲线上拥有两条较长的边，并且这两条边所构成的夹角较小时，其成为角点的可能性较大于两条较短的边和较大的夹角，基于此结论，利用支撑区域计算角点度值，通过角点度值反应角点结构在边缘上的不连续行，角点度的大小由两边的长度和它们之间的夹角决定，计算得离散点的角点度值。

最后筛选角点度值，得最终角点集合。

本实施例提供了一种图像角点检测方法，将每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域，所述支撑区域取决于角点周围的真实结构，对离散点周围的边缘结构具有较强的适应性，实现了准确检测离散点出的弯曲程度，提高了角点的识别精度，加快了检测效率。

请参考图4，图4为本发明实施例提供的一种图像角点检测装置的结构框图；具体装置可以包括：

边缘图像获取模块100，用于获取待检测图像的图像边缘，得边缘图像；

曲线离散转换模块200，用于追踪所述边缘图像的边缘曲线，并将所述边缘曲线用离散点表示，得到离散边缘曲线图像；

图像降噪模块300，用于将所述离散边缘曲线图像进行平滑处理，得到降噪曲线图像；

支撑区域模块400，基于所述降噪曲线图像上的每个离散点前后两个方向拟合出两条线段，选取所述两条线段端点之间的曲线为该离散点的支撑区域；

角点度值计算模块500，基于每个离散点的支撑区域，计算每个离散点的角点度值；

最终角点筛选模块600，筛选符合预设角点度阈值的离散点，得到最终角点集合。

本实施例的一种图像角点检测装置用于实现前述的一种图像角点检测方法，因此一种图像角点检测装置中的具体实施方式可见前文中的一种图像角点检测方法的实施例部分，例如，边缘图像获取模块100，曲线离散转换模块200，图像降噪模块300，支撑区域模块400，角点度值计算模块500，最终角点筛选模块600，分别用于实现上述一种图像角点检测方法中步骤S101，S102，S103，S104，S105，S106，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

本发明具体实施例还提供了一种图像角点检测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种图像角点检测方法的步骤。

本发明具体实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种图像角点检测方法的步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的一种图像角点检测方法、装置、设备及应用进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims

1.一种图像角点检测方法，其特征在于，包括：

获取待检测图像的图像边缘，得边缘图像；

基于每个离散点的支撑区域，计算每个离散点的角点度值；

筛选符合预设角点度阈值的离散点，得到最终角点集合；

所述离散点的支撑区域计算公式为：

Ω(p_i)＝{p_i-b,…,p_i-1,p_i,p_i+1,…,p_i+f}

其中，Ω(p_i)为第i个离散点的支撑区域，p_i为第i个离散点；

所述基于每个离散点的支撑区域，计算每个离散点的角点度值包括：

计算每个离散点前后两个方向拟合的两条线段间的夹角；

利用所述两条线段间的夹角计算该离散点的角点度值；

所述两条线段间的夹角计算公式为：

其中，p_ip_i+f为前方向线段，p_ip_i-b为后方向线段，|p_ip_i+f|为前方向线段长度，|p_ip_i-b|为后方向线段长度；

所述离散点的角点度值计算公式为：

其中，sinh为双曲正弦函数，cosh为双曲余弦函数。

2.如权利要求1所述的图像角点检测方法，其特征在于，所述筛选符合预设角点度阈值的离散点，得到最终角点集合包括：

3.如权利要求1所述的图像角点检测方法，其特征在于，所述将所述离散边缘曲线图像进行平滑处理利用高斯平滑函数对所述离散边缘曲线图像进行平滑处理，所述高斯平滑函数计算公式为：

Γ(u,σ)＝(X(u,σ),Y(u,σ))

4.一种图像角点检测装置，其特征在于，包括：

最终角点筛选模块，筛选符合预设角点度阈值的离散点，得到最终角点集合；

所述离散点的支撑区域计算公式为：

Ω(p_i)＝{p_i-b,…,p_i-1,p_i,p_i+1,…,p_i+f}

其中，Ω(p_i)为第i个离散点的支撑区域，p_i为第i个离散点；

计算每个离散点前后两个方向拟合的两条线段间的夹角；

利用所述两条线段间的夹角计算该离散点的角点度值；

所述两条线段间的夹角计算公式为：

所述离散点的角点度值计算公式为：

其中，sinh为双曲正弦函数，ccosh为双曲余弦函数。

5.一种图像角点检测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述一种图像角点检测方法的步骤。

6.一种如权利要求1-3任一项所述的图像角点检测方法在图像特征提取领域的应用。