一种用于从局部不变特征点中提取直线的方法技术

本发明专利技术涉及一种用于从局部不变特征点中提取直线的方法。包括如下步骤：步骤1，利用局部不变特征点提取算法提取输入图像的局部不变特征点；步骤2，循环选取特征点对，计算其欧氏距离；步骤3，构造矩形；步骤4，估计局部特征点密度；步骤5，对矩形进行

A method for extracting straight lines from locally invariant feature points

The present invention relates to a method for extracting a straight line from locally invariant feature points. Includes the following steps: 1, the use of local invariant feature points extracted from the input image local invariant feature extraction algorithm; step 2, select the circular feature points to calculate the Euclidean distance; step 3, step 4, rectangular structure; density estimation of local feature points; step 5, the rectangle

【技术实现步骤摘要】
一种用于从局部不变特征点中提取直线的方法
本专利技术涉及一种数字图像处理领域，具体说是一种用于从局部不变特征点中提取直线的方法。
技术介绍
局部不变特征点是指对图像的各种变化，例如几何、光照、模糊、视点等变化保持不变的局部特征点，局部不变特征点通常存在着一个局部支撑区域，它与图像分割不同，可以是图像的任何子集，其边界不一定要对应图像属性(如颜色和材质)的变化，而且多个不变特征区域间可能有交叉。局部不变特征点的检测具有重要的意义，不仅可以提高处理速度，同时还是一种新的图像表述方法，使得图像不进行分割就可以描述物体或局部。利用提取的局部不变特征点难以直接用于目标的识别，需要通过将其组成一定的曲线或区域才能作为目标的主要特征，经过多年的发展，出现了一系列在局部不变特征点基础进一步提取形状的方法，但就己发表的成果来看，这些方法还存在以下问题：(1)有效的局部特征点容易受周围异常点的干扰，导致提取的特征对目标识别的作用大大降低；(2)提取的结果与目标实际的形状存在较大的误差。
技术实现思路
本专利技术提供了一种用于从局部不变特征点中提取直线的方法，通过对局部不变特征点进行密度估计，运用方格单元分割的方法，能够有效地去除干扰特征点的影响，方法简单易行，输出结果可靠。为实现本专利技术的目标所采用的技术方案是：方法包括以下步骤：步骤1：利用局部不变特征点提取算法提取输入图像的局部不变特征点，结果记为I0，局部不变特征点的数量记为M；步骤2：从I0中循环选取两点Pi和Pj，i∈[1,M]，j∈[i,M]，计算Pi和Pj之间的欧氏距离Dij，当Dij小于阈值TD时，更新Pi和Pj并继续步骤2，当Dij大于等于阈值TD时，进入步骤3；步骤3：以Dij为长边，W0为短边构造包含Pi和Pj的矩形R0；步骤4：为了估计局部特征点密度ρ，以Dij为长边，W1为短边在矩形R0的两侧分别构造矩形R1和R2，且矩形R1和R2的长边分别与矩形R0的长边重合；步骤5：统计矩形R0、R1和R2中的特征点数，分别记为M0、M1和M2，并对矩形R0周围的特征点数NL用以下公式进行估计：NL＝2max(M1,M2)+M0(1)式(1)，max为求最大值函数；步骤6：用以下公式计算局部特征点密度ρ：式(2)，和分别为矩形R1和R2的面积；步骤7：对矩形R0进行k等分，得到k个等面积的方格单元，记为rt，t∈[1,k]，利用以下公式计算每个方格单元rt至少包含一个局部特征点的概率：式(3)，Sr和分别为方格单元rt和矩形R2的面积；步骤8：统计包含局部特征点的方格单元的数量C；步骤9：用以下公式计算k个方格单元中至少有C个方格单元包含特征点的概率P0：步骤10：用以下公式计算虚警数NFA：步骤11：将虚警数NFA小于阈值δ的矩形R0包含的局部特征点判定为直线，更新Pi和Pj并继续步骤2，直到遍历所有局部特征点。所述的步骤1中的局部不变特征点提取算法是指SIFT算法、SURF算法、Harris算法和SUSAN算法。所述的步骤2中的循环选取方法指的是由i∈[1,M]和j∈[i,M]构成内外双重循环，遍历所有局部不变特征点，共有M(M-1)/2组局部不变特征点对。本专利技术的有益效果是：能够准确的局部不变特征点集中的直线，可以应用于包含直线边缘的目标提取。附图说明图1是本专利技术的总体处理流程图。具体实施方式下面结合附图详细描述本专利技术的具体实施方式。在步骤101，输入待处理图像I0。在步骤102，对步骤101的待处理图像I0利用SURF局部不变特征点提取算法提取局部不变特征点，结果记为I0，并将局部不变特征点的数量记为M。在步骤103，判断收否遍历所有特征点对，如果是，则算法流程结束，进入步骤116，否则进入步骤104。在步骤104，从M(M-1)/2组局部不变特征点对中选取两点Pi和Pj，i∈[1,M]，j∈[i,M]。在步骤105，计算步骤104中的Pi和Pj之间的欧氏距离Dij。在步骤106，判断步骤105中Pi和Pj之间的欧氏距离Dij是否大于阈值TD时，如果是，则进入步骤107，否则进入步骤103，为了排除短直线的干扰，将阈值TD设置为10个像素。在步骤107，以Dij为长边，W0为短边构造包含Pi和Pj的矩形R0，以Dij为长边，W1为短边在矩形R0的两侧分别构造矩形R1和R2，且矩形R1和R2的长边分别与矩形R0的长边重合，为了使提取的直线与物体的实际边界保持一致，将W0将设置为为了对矩形R0周围的特征点数做出更为准确的估计，将W1设置为在步骤108，统计矩形R0、R1和R2中的特征点数，分别记为M0、M1和M2，并对矩形R0周围的特征点数NL用以下公式进行估计：NL＝2max(M1,M2)+M0(6)式(6)，max为求最大值函数。在步骤109，用以下公式计算局部特征点密度ρ：式(7)，和分别为矩形R1和R2的面积。在步骤110，对矩形R0进行k等分，得到k个等面积的方格单元，记为rt，t∈[1,k]，利用以下公式计算每个方格单元rt至少包含一个局部特征点的概率：式(8)，Sr和分别为方格单元rt和矩形R2的面积。在步骤111，统计包含局部特征点的方格单元的数量C。在步骤112，用以下公式计算k个方格单元中至少有C个方格单元包含特征点的概率P0：在步骤113，用以下公式计算虚警数NFA：在步骤114，判断虚警数NFA是否小于阈值δ，如果是，则进入步骤115，否则进入步骤103。为了保证提取结果的准确性，将阈值δ设置为2。在步骤115，输出局部不变特征点中直线。在步骤116，算法结束。本文档来自技高网...

【技术保护点】
一种用于从局部不变特征点中提取直线的方法，其特征在于包括以下步骤：步骤1：利用局部不变特征点提取算法提取输入图像的局部不变特征点，结果记为I

【技术特征摘要】
1.一种用于从局部不变特征点中提取直线的方法，其特征在于包括以下步骤：步骤1：利用局部不变特征点提取算法提取输入图像的局部不变特征点，结果记为I0，局部不变特征点的数量记为M；步骤2：从I0中循环选取两点Pi和Pj，i∈[1,M]，j∈[i,M]，计算Pi和Pj之间的欧氏距离Dij，当Dij小于阈值TD时，更新Pi和Pj并继续步骤2，当Dij大于等于阈值TD时，进入步骤3；步骤3：以Dij为长边，W0为短边构造包含Pi和Pj的矩形R0；步骤4：为了估计局部特征点密度ρ，以Dij为长边，W1为短边在矩形R0的两侧分别构造矩形R1和R2，且矩形R1和R2的长边分别与矩形R0的长边重合；步骤5：统计矩形R0、R1和R2中的特征点数，分别记为M0、M1和M2，并对矩形R0周围的特征点数NL用以下公式进行估计：NL＝2max(M1,M2)+M0(1)式(1)，max为求最大值函数；步骤6：用以下公式计算局部特征点密度ρ：式(2)，和分别为矩形R1和R2的面积；步骤7：对矩形R0进行k等分，得到k个等面积的方格单元，记为rt，t∈[1,k]，利用以下公式计算每个方格单元rt至少包含一个...

【专利技术属性】
技术研发人员：施文灶，黄晞，刘金清，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35