[发明专利]一种基于边缘率的特征点类型选择方法

权利要求书

1.一种基于边缘率的特征点类型选择方法，其特征在于以下步骤：

第一步，对输入图像进行高斯滤波消除噪声；图像高斯滤波的表达式为：

S(x,y)＝G(x,y；σ)*I(x,y) (1)

式中，是标准差为σ的高斯函数，(x,y)为图像像素点的坐标，I(x,y)为原始灰度图像，S(x,y)为滤波之后的图像，*为卷积运算；假设高斯平滑窗口的大小为s×s，s为奇数，则σ与s的关系为：

第二步，设置高阈值T1和低阈值T2，利用Canny算法对图像进行边缘检测，得到二值图像，边缘点的灰度值为255，非边缘点的灰度值被置为0；

第三步，计算边缘点数目，即统计第二步所获得二值图像中灰度值为255的像素点数目，记为n；

第四步，求取边缘率；边缘率定义如下：

式中，n为边缘点的数目，w为图像的宽度，h为图像的高度，a为图像边缘像素宽度，公式(3)将图像的上下左右都去掉a行和a列像素；

第五步，根据边缘率与阈值的关系对图像进行分类；阈值包括一个高阈值H_TH和一个低阈值L_TH；当R＞H_TH时，将图像分类为结构信息非常明显型；否则，再将边缘率与低阈值进行比较，当R＜L_TH时，将图像分类为结构信息非常不明显型；否则，将图像分类为特征不明显型；

第六步，特征点类型选择；对于结构信息非常明显型图像，采用角点特征检测；对于结构信息非常不明显型图像，采用斑点特征检测；对于特征不明显 型图像，采用斑点或角点特征检测均可。

2.根据权利要求1所述的一种基于边缘率的特征点类型选择方法，其特征在于：高斯平滑窗口尺寸及边缘率高低阈值选取如表1所示:

表1三种高斯平滑窗口尺寸下的边缘率高低阈值

。

3.根据权利要求1或2所述的一种基于边缘率的特征点类型选择方法，其特征在于：公式(3)中的图像边缘像素宽度a取1～3。