一种基于Radon变换的数字图像角点检测方法，用于提高角点检测精度，减少信息处理量。其技术方案是，所述方法包括以下步骤：a.对原图像进行边缘提取，得到边缘提取图像；b.对边缘提取图像做Radon变换，得到Radon能量图；c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标；d.计算潜在角点坐标；e.判断各潜在角点的真伪，得到真实角点坐标。本发明专利技术在角点检测过程中不需要遍历图像中的所有像素，只需对聚类后不同类间的元素进行计算，不仅能够保证角点的定位精度，而且有效减少了计算的时间和空间复杂度，从而提高了角点的检测速度。
【技术实现步骤摘要】
本专利技术涉及一种数字图像角点的检测方法，适用于物体识别、图像配准、三维重建、虚拟现实等领域，属于数据处理
技术介绍
图像特征点通常是指图像中的角点、曲率较大的边缘点和块状结构点，特征点检测是计算机通过检测算法自动地检测出图像特征点。特征点检测是图像分析、理解和计算机视觉中的最基本问题，它是众多应用领域(如：图像配准、三维重构、物体识别、运动跟踪和视频理解等等)的基础。常用的特征点检测方法主要有三类：基于图像灰度的方法，基于图像梯度的方法和基于图像二阶微分的方法。基于图像灰度自相关函数的检测算法利用图像窗口与它的平移窗口之间的灰度变化量来检测特征点，该算法的优点是不需要计算图像梯度和高阶微分，其不足之处是对图像噪声非常敏感。另一种直接从图像灰度检测特征点的算法是SUSAN算子，该算子是利用所谓的USAN面积(USAN：UnivalueSegmentAssimilatingNucleus)作为图像局部灰度统计量来检测特征点，该算法的特点是计算极其简单，通常也能得到较好的检测结果。在基于图像梯度的检测算法中，最著名的首当Harris检测算子，该算子使用图像梯度来刻画图像灰度的自相关性，避免了图像的平移操作。另一种常用的检测算法是CSS(CurvatureScaleSpace)检测算子，它首先利用Canny边缘检测技术和曲率技术在图像边缘上寻找曲率较大的极值点来初始化角点位置，然后通过跟踪技术确定角点的精确位置。由于该算法需要检测图像边缘和边缘局部拟合运算，因此与其它算法相比计算量非常大，但它具有较高的定位精度。在特征点中还有一类块状结构的特征点(称为Blob点)，对非常小黑斑或亮点，在各个方向上灰度变化都很剧烈。上述两类方法都很难检测出Blob点。检测Blob点的算法通常都是基于图像二阶微分的。检测Blob点的算子首推LOG(LaplacianofGaussian)算子，因为LOG算子在中心附近的值为正数，而在边沿处的值为负值，可以看作一个区域内环和外环的差异响应，这种性质与图像中Blob点的结构相一致，因此它能够有效地检测出图像中的Blob结构。另一种检测算子是DOG(DifferenceofGaussian)算子，是LOG算子的一种近似。它注意到Gaussian函数的尺度导数与LOG算子仅相差一个常数因子(尺度因子)，因而高斯函数关于尺度差分可以很好地近似LOG算子，这样就得到了DOG算子，它不需要计算二阶微分从而大大地降低了LOG的计算量。在基于二阶微分的检测算子中，还有一种类似于Harris算子的Hessian算子，它利用图像的Hessian矩阵行列式来检测Blob点。在针对角点的检测方法中，常见的有Harris检测算子、CSS检测算子、SIFT检测算子等，这些算子虽然具有较高精度，但都需要遍历图像中所有像素，存在运算量较大，快速性不够等缺点。
技术实现思路
本专利技术的目的在于针对现有技术之弊端，提供一种基于Radon变换的数字图像角点检测方法，在保证角点检测精度的同时，减少算法的运算量，提高检测速度。本专利技术所述问题是以下述技术方案实现的：一种基于Radon变换的数字图像角点检测方法，所述方法包括以下步骤：a.对原图像进行边缘提取，得到边缘提取图像；b.对边缘提取图像做Radon变换，得到Radon能量图；c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标(ρi,θi)；d.计算潜在角点坐标：将Radon能量图中位于同一直线上的亮度极值点(ρi,θi)聚类为一个点的集合，根据该亮度极值点集合中的极值点个数，采用不同的方法计算潜在角点坐标；e.判断各潜在角点的真伪，得到真实角点坐标。上述基于Radon变换的数字图像角点检测方法，步骤d中根据亮度极值点集合中的极值点个数计算潜在角点坐标的具体方法如下：①若该集合中的亮度极值点数大于或等于3，首先将集合中的点(ρi,θi)对应到对偶空间中：设点(ρi,θi)对应边缘提取图像中的直线aix+biy+ci＝0，其中，ai＝cosθi,bi＝sinθi,ci＝-ρi，则点(ρi,θi)在对偶空间中对应点的坐标为然后对该集合所对应的对偶空间中的点的坐标，利用RANSAC算法拟合直线，得到对偶空间中的直线αix+βiy+γi＝0,该直线所对应的边缘提取图像中的点是多条直线在原始空间中的交点，剔除中超出原始图像范围的部分，剩余部分即为潜在角点坐标；②若该集合中的亮度极值点数为2，计算这两点在原始空间中所对应的直线的交点，若该交点坐标未超出原始图像范围，即为潜在角点坐标。上述基于Radon变换的数字图像角点检测方法，角点真伪的判别方法是：以潜在角点为中心取一个邻域，邻域的半径为R，在边缘提取图像上沿通过该潜在角点的直线在邻域内计算像素和Pi，当至少有两条直线满足|Pi-R|小于阈值Re时，则这个潜在角点为真实角点。上述基于Radon变换的数字图像角点检测方法，对原图像进行边缘提取时所采用的边缘提取算子为sobel或canny。本专利技术在角点检测过程中不需要遍历图像中的所有像素，只需对聚类后不同类间的元素进行计算，不仅能够保证角点的定位精度，而且有效减少了计算的时间和空间复杂度，从而提高了角点的检测速度。附图说明下面结合附图对本专利技术作进一步说明。图1为基于Radon变换的数字图像角点检测方法的流程图；图2为伪角点与真实角点的示意图；图3为对偶空间示意图；图4为通过角点边缘直线的有效性判断示意图；图5为角点模拟实验图像；图6为真实的国际象棋棋盘的角点检测结果。文中各符号清单为：(ρi,θi)为Radon能量图上的极值点坐标；为点(ρi,θi)在对偶空间中对应点的坐标；Pi为像素和。具体实施方式本专利技术提供了一种基于Radon变换的数字图像角点检测方法：该方法可以在计算机软件环境下实施，流程图如附图1所示，具体处理步骤如下：步骤(1)：输入一幅图像并将其转换为灰度图像,利用边缘提取算子(例如sobel、canny等)对灰度图像进行边缘提取，得到边缘提取图像；步骤(2)：对边缘提取图像进行Radon变换，得到Radon能量图，其中图像的横轴为Radon变换的变换角度θ，纵轴ρ为边缘提取图像中原点到直线的距离(边缘提取图像的原点为边缘提取图像的中心点)；步骤(3)：在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标(ρi,θi)。Radon变换是把原始空间(原始图像)中的直线变换到Radon能量图上，Radon能量图上的每一点对应原始图像上的一条直线，Radon能量图上每一点的亮度值与原始图像上对应的直线段的长度成正比，因此可以通过选定的亮度阈值在Radon能量图上筛选出原始图像上具有一定长度的直线段；步骤(4)：计算潜在角点坐标：原始图像上的共点线对应Radon能量图上共线点。在Radon能量图上，本文档来自技高网...
【技术保护点】
一种基于Radon变换的数字图像角点检测方法，其特征是，检测按以下步骤进行：a.对原图像进行边缘提取，得到边缘提取图像；b.对边缘提取图像做Radon变换，得到Radon能量图；c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标(ρi,θi)；d.计算潜在角点坐标：将Radon能量图中位于同一直线上的亮度极值点(ρi,θi)聚类为一个点的集合，根据该亮度极值点集合中的极值点个数，采用不同的方法计算潜在角点坐标；e.判断各潜在角点的真伪，得到真实角点坐标。
【技术特征摘要】
1.一种基于Radon变换的数字图像角点检测方法，其特征是，
检测按以下步骤进行：
a.对原图像进行边缘提取，得到边缘提取图像；
b.对边缘提取图像做Radon变换，得到Radon能量图；
c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取
出亮度极值点的坐标(ρi,θi)；
d.计算潜在角点坐标：
将Radon能量图中位于同一直线上的亮度极值点(ρi,θi)聚类为
一个点的集合，根据该亮度极值点集合中的极值点个数，采用不同的
方法计算潜在角点坐标；
e.判断各潜在角点的真伪，得到真实角点坐标。
2.根据权利要求1所述的一种基于Radon变换的数字图像角点
检测方法，其特征是，步骤d中根据亮度极值点集合中的极值点个数
计算潜在角点坐标的具体方法如下：
①若该集合中的亮度极值点数大于或等于3，首先将集合中的点
(ρi,θi)对应到对偶空间中：设点(ρi,θi)对应边缘提取图像中的直
线aix+biy+ci＝0，其中，ai＝cosθi,bi＝sinθi,ci＝-ρi，则...
【专利技术属性】
技术研发人员：王旭光，苏杰，张楠，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。