一種基于Radon變換的數字圖像角點檢測方法
【技術領域】
[0001]本發(fā)明涉及一種數字圖像角點的檢測方法，適用于物體識別、圖像配準、三維重 建、虛擬現實等領域，屬于數據處理技術領域。
【背景技術】
[0002] 圖像特征點通常是指圖像中的角點、曲率較大的邊緣點和塊狀結構點，特征點檢 測是計算機通過檢測算法自動地檢測出圖像特征點。特征點檢測是圖像分析、理解和計算 機視覺中的最基本問題，它是眾多應用領域(如：圖像配準、三維重構、物體識別、運動跟蹤 和視頻理解等等)的基礎。
[0003] 常用的特征點檢測方法主要有三類:基于圖像灰度的方法，基于圖像梯度的方法 和基于圖像二階微分的方法。
[0004] 基于圖像灰度自相關函數的檢測算法利用圖像窗口與它的平移窗口之間的灰度 變化量來檢測特征點，該算法的優(yōu)點是不需要計算圖像梯度和高階微分，其不足之處是對 圖像噪聲非常敏感。另一種直接從圖像灰度檢測特征點的算法是SUSAN算子，該算子是利用 所謂的USAN面積（USAN:Univalue Segment Assimilating Nucleus)作為圖像局部灰度統(tǒng) 計量來檢測特征點，該算法的特點是計算極其簡單，通常也能得到較好的檢測結果。
[0005] 在基于圖像梯度的檢測算法中，最著名的首當Harris檢測算子，該算子使用圖像 梯度來刻畫圖像灰度的自相關性，避免了圖像的平移操作。另一種常用的檢測算法是CSS (Curvature Scale Space)檢測算子，它首先利用Canny邊緣檢測技術和曲率技術在圖像邊 緣上尋找曲率較大的極值點來初始化角點位置，然后通過跟蹤技術確定角點的精確位置。 由于該算法需要檢測圖像邊緣和邊緣局部擬合運算，因此與其它算法相比計算量非常大， 但它具有較高的定位精度。
[0006] 在特征點中還有一類塊狀結構的特征點（稱為Blob點），對非常小黑斑或亮點，在 各個方向上灰度變化都很劇烈。上述兩類方法都很難檢測出Blob點。檢測Blob點的算法通 常都是基于圖像二階微分的。檢測Blob點的算子首推L0G(Laplacian of Gaussian)算子， 因為LOG算子在中心附近的值為正數，而在邊沿處的值為負值，可以看作一個區(qū)域內環(huán)和外 環(huán)的差異響應，這種性質與圖像中Blob點的結構相一致，因此它能夠有效地檢測出圖像中 的Blob結構。另一種檢測算子是D0G(Difference of Gaussian)算子，是LOG算子的一種近 似。它注意到Gaussian函數的尺度導數與LOG算子僅相差一個常數因子(尺度因子），因而高 斯函數關于尺度差分可以很好地近似LOG算子，這樣就得到了 D0G算子，它不需要計算二階 微分從而大大地降低了LOG的計算量。在基于二階微分的檢測算子中，還有一種類似于 Harris算子的Hessian算子，它利用圖像的Hessian矩陣行列式來檢測Blob點。
[0007] 在針對角點的檢測方法中，常見的有Harris檢測算子、CSS檢測算子、SIFT檢測算 子等，這些算子雖然具有較高精度，但都需要遍歷圖像中所有像素，存在運算量較大，快速 性不夠等缺點。

【發(fā)明內容】

[0008] 本發(fā)明的目的在于針對現有技術之弊端，提供一種基于Radon變換的數字圖像角 點檢測方法，在保證角點檢測精度的同時，減少算法的運算量，提尚檢測速度。
[0009] 本發(fā)明所述問題是以下述技術方案實現的：
[0010] 一種基于Radon變換的數字圖像角點檢測方法，所述方法包括以下步驟：
[0011] a.對原圖像進行邊緣提取，得到邊緣提取圖像；
[0012] b.對邊緣提取圖像做Radon變換，得到Radon能量圖；
[0013] c.在Radon能量圖上選取亮度值大于設定閾值的點，從而提取出亮度極值點的坐 標(PiA);
[0014] d.計算潛在角點坐標：
[0015]將Radon能量圖中位于同一直線上的亮度極值點（Pi, θι)聚類為一個點的集合，根 據該亮度極值點集合中的極值點個數，采用不同的方法計算潛在角點坐標；
[0016] e.判斷各潛在角點的真?zhèn)?，得到真實角點坐標。
[0017] 上述基于Radon變換的數字圖像角點檢測方法，步驟d中根據亮度極值點集合中的 極值點個數計算潛在角點坐標的具體方法如下：
[0018] ①若該集合中的亮度極值點數大于或等于3,首先將集合中的點(Pi，θ〇對應到對 偶空間中：設點(Pi，9i)對應邊緣提取圖像中的直線aix+biy+ci = 0,其中，ai = cos9i，bi = sin / ^ λ 0i，Ci = -Pi，則點(Pi，0i)在對偶空間中對應點的坐標為4，·^ ;然后對該集合所對應的對 CJ 偶空間中的點的坐標，利用RANSAC算法擬合直線，得到對偶空間中的直線aiX+0iy+ γ i = ο， f ： g \ 該直線所對應的邊緣提取圖像中的點是多條直線在原始空間中的交點，剔除 \ ? r,j f ... β \ 中超出原始圖像范圍的部分，剩余部分即為潛在角點坐標； U/ r,)
[0019] ②若該集合中的亮度極值點數為2,計算這兩點在原始空間中所對應的直線的交 點，若該交點坐標未超出原始圖像范圍，即為潛在角點坐標。
[0020] 上述基于Radon變換的數字圖像角點檢測方法，角點真?zhèn)蔚呐袆e方法是：以潛在 角點為中心取一個鄰域，鄰域的半徑為R，在邊緣提取圖像上沿通過該潛在角點的直線在鄰 域內計算像素和^，當至少有兩條直線滿足I Pi-R I小于閾值Re時，則這個潛在角點為真實角 點。
[0021] 上述基于Radon變換的數字圖像角點檢測方法，對原圖像進行邊緣提取時所采用 的邊緣提取算子為sobel或canny。
[0022] 本發(fā)明在角點檢測過程中不需要遍歷圖像中的所有像素，只需對聚類后不同類間 的元素進行計算，不僅能夠保證角點的定位精度，而且有效減少了計算的時間和空間復雜 度，從而提高了角點的檢測速度。
【附圖說明】
[0023]下面結合附圖對本發(fā)明作進一步說明。
[0024]圖1為基于Radon變換的數字圖像角點檢測方法的流程圖；
[0025] 圖2為偽角點與真實角點的示意圖；
[0026] 圖3為對偶空間示意圖；
[0027] 圖4為通過角點邊緣直線的有效性判斷示意圖；
[0028]圖5為角點模擬實驗圖像；
[0029] 圖6為真實的國際象棋棋盤的角點檢測結果。 r r Λ
[0030] 文中各符號清單為：（Pi,9i)為Radon能量圖上的極值點坐標；為點(Pi, V Ci Ci J 在對偶空間中對應點的坐標;Pi為像素和。
【具體實施方式】
[0031] 本發(fā)明提供了一種基于Radon變換的數字圖像角點檢測方法:該方法可以在計算 機軟件環(huán)境下實施，流程圖如附圖1所示，具體處理步驟如下：
[0032] 步驟(1):輸入一幅圖像并將其轉換為灰度圖像，利用邊緣提取算子(例如sobel、 canny等)對灰度圖像進行邊緣提取，得到邊緣提取圖像；
[0033]步驟(2)