一种基于曲率尺度空间自适应角点检测方法.docVIP

一种基于曲率尺度空间的自适应角点检测方法 　　摘 要:角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法#65377;首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点#65377;实验结果证实该方法应用于复杂图像的精确性和稳定性#65377; 　　关键词:曲率尺度空间;角点检测;支持区域;候选角点 　　中图分类号:TP391文献标识码:A 　　 　　1 引 言 　　 　　在计算机图像处理中,同平面曲线上的圆弧#65380;线段等其他特征相比,角点是最为重要的特征,对角点提取的越准确越有助于对图形的理解和分析,同时它对于确定场景中的物体乃至于立体视图匹配都有重要的作用#65377;目前在文献[1,2,3]中提出的几种经典的角点检测算法SUSAN算法#65380;Plessey算法#65380;Kitchen/Rosenfeld算法,它们大部分是在单尺度下对图片进行角点检测,但是实际图像中的特征角点常常发生在不同的尺度范围上,并且每一角点的尺度信息是未知的,因此利用多尺度技术检测角点是获得理想特征角点的一种理想途径#65377;Rattarangsi和Chin提出了一种基于高斯尺度空间的多尺度算法用于检测多尺度图像[4],它在检测过程中需要使用大量的尺度,因此计算量非常大#65377;相对来说,曲率尺度空间技术更适合用于多尺度复杂图像的角点检测#65377;Mokhtarian和Suomela提出了一种基于曲率尺度空间的角点检测方法[5],这种方法的特点是,在较大的尺度下用曲率公式计算出图像轮廓某点处的曲率,找出局部极值点,再通过阈值技术来检测角点,最后在较小的尺度下对检测出的角点进行定位#65377;该方法对角点的定位非常准确,并且计算量大大减少,但也有其需要改进的地方#65377;文献[5]中提出的方法存在两个不足:一是在检测角点的过程中使用是单一的高尺度,这样很容易漏掉一部分正确角点;二是用于决定角点取舍的全局阙值t是预先固定的,它的取值对最终的结果有很大的影响#65377;Mokhtarian和Suomela在文献[6]中对文献[5]提出的方法做出了改进,即在计算图像轮廓点处的曲率之前,对轮廓曲线长度不同的图像选用不同的尺度,该方法的效果要更好些,但是仍然有不足之处#65377;本文提出一种基于曲率尺度空间的自适应角点检测方法,与文献[5,6]方法不同的是,该方法首先在一个固定的较低尺度下计算轮廓曲线上任意一点处的曲率,这样就能得到所有正确的角点,然后用由自适应支持区域确定的候选角点的角度剔除边缘噪声干扰产生的角点,用动态阙值代替预先固定的阙值t剔除圆角点#65377;由于角点的角度和曲率阙值都动态地反映出了候选角点处的局部特征,所以对于多尺度图像的角点检测效果很好#65377;经实验分析比较,该方法比文献[5,6]提出的方法更精确,更稳定#65377; 　　 　　2 基于曲率尺度空间的角点检测方法 　　 　　图像的轮廓曲线常常会受到噪声的影响而出现“毛刺”,直接影响角点的求取,目前有两种方法用于构造欧氏曲线尺度空间高斯平滑法[7]和曲率形变法[8]#65377;这两种方法都可以滤掉平面曲线上的噪声和不重要的微弱结构#65377;文献[7]中给出了经高斯平滑后轮廓曲线的曲率公式: 　　是一个卷积符号,u为弧长参数,g(u,σ)是高斯函数,σ为尺度参数,gu(u,σ)以及g??uu??(u,σ)是指g(u,σ)分别对u求一阶和二阶导数#65377; 　　在此基础上,文献[5]中提出了一种基于曲率尺度空间的角点检测方法,具体步骤如下: 　　1) 用Canny算子提取原始图像的边缘#65377; 　　计算技术与自动化2007年6月第26卷第2期汪华琴等:一种基于曲率尺度空间的自适应角点检测方法2) 从边缘图像中提取轮廓曲线,填充轮廓曲线中的断点,找到T型交叉点,标记为T型角点#65377; 　　3) 用一个较高的尺度来计算轮廓曲线上任意一点处的曲率#65377; 　　4) 把局部曲率最大点作为候选角点,如果某个候选角点处的曲率值大于阈值t并且大约是相邻局部曲率最小点处曲率值的2倍,则把该角点作为正确角点#65377; 　　5) 在较低的尺度下对已提取的角点进行定位#65377; 　　6) 把T型角点和步骤3中提取出来的角点进行比较,剔除两个相隔较近的其中一个角点#65377; 　　在步骤3中,以高斯函数的参数σ为尺度,对轮廓曲线进行了平滑,然后用公式(1)计算轮廓曲线上每一点的曲率,通过选择局部曲率最大点进行角点的检测#65377;在此过程中