[发明专利]一种基于局部特征点的图像ROI快速检测方法

说明书

针对现有图像感兴趣区域(Region of interest,ROI)检测算法中存在算法原理较复杂、时间复杂度较大以及实时性较低的问题,本发明提出了一种新的基于局部特征点的ROI快速检测方法，本方法包括如下步骤：步骤1、图像预处理，即对输入图像生成金字塔影像；步骤2、在金字塔影像上提取ORB或SIFT特征点；步骤3、对所提特征点的坐标值按水平和垂直方向排序；步骤4、通过计算K个近邻点的均值来确定ROI的坐标；步骤5、提取图像ROI。本方法具有高实时性且鲁棒性好，能够快速、准确地检测出图像感兴趣区域。

技术领域

本发明属于计算机视觉领域，特别涉及一种基于局部特征点的图像ROI快速检测方法。

背景技术

随着计算机视觉技术的发展，目标检测技术日趋成熟，越来越多的场合使用目标检测技术进行目标定位，但对一些待检测区域比较集中的应用，比如在农作物病害图像检测、生产线品质检测等，若在整体图像上提取特征进行检测，则面临着其计算量大、检测速度慢且检测准确率低的问题。因此基于ROI的目标识别、图像检测方法得到了广泛的应用，同时有效选取图像ROI更是其成功的关键。

图像ROI快速检测技术旨在提取出待检测图像中的目标感兴趣区域，缩小特征提取范围以减小计算量，同时提高检测速度和检测准确率。目前基于ROI的目标检测方法主要有角点提取法、颜色增强提取法、RGB颜色分量提取法以及SURF特征提取法等。

角点提取法是一种通过提取角点得到凸包区域的低层次图像信息与使用超像素聚类得到显著图的中层次图像信息相结合的自底向上的ROI检测方法。此方法不仅需要计算低层和高层图像信息，而且还需将两层信息进行加权融合，故其计算量大，难以进行实时应用。

颜色增强技术提取法是一种通过颜色增强技术提取ROI的方法,但实际应用中颜色受光照、像素影响很大，增加了检测的难度，而且针对复杂背景的图像，该方法误检率很大且稳定性不佳。

RGB颜色分量提取法先将图像从RGB色彩空间变换到HSV色彩空间中进行色彩修正,再变换回RGB空间利用R、G、B分量的线性组合生成视觉显著性图，最后对生成的视觉显著性图进行阈值分割得到ROI。但该方法检测效率高但对边缘和颜色相近区域检测误差较大，同时还需寻找最优参数，其鲁棒性不高。

基于SURF(Speed Up RobustFeatures)特征贡献度矩阵的图像ROI选取方法融合并归一化了ROI 的颜色、纹理以及形状等底层特征,利用非线性高斯距离函数进行相似度匹配。该方法计算量小且在简单背景下拥有较高的检测率，但其存在冗余计算且在复杂背景下检测效果不佳。

综上所述，目前的ROI检测技术在速度、算法原理精简性、稳定性、检测精确度等方面都还难以满足实际的应用需求，因此对其进一步的研究具有重要意义。

发明内容

针对在图像整体上提取特征时计算量大和和效率低的问题,本发明提出了一种新的基于局部特征点的图像感兴趣区域(Region of interest,ROI)的快速检测方法。该方法先对图像预处理，即对输入图像生成金字塔影像，再在金字塔影像上提取ORB或SIFT特征

点。然后对所提特征点的坐标值按水平和垂直方向排序，通过计算K个近邻点的均值来确定 ROI的坐标。最后提取图像ROI。本方法具有高实时性且鲁棒性好，能够快速、准确地检测出 图像感兴趣区域，其实际应用广泛且具有成本低、计算量小、算法复杂度小、稳定性好的特 点。

本发明的技术解决方案包括如下步骤：

步骤1、图像预处理，即对输入图像生成金字塔影像；

步骤2、在金字塔影像上提取ORB或SIFT特征点；

步骤3、对所提特征点的坐标值按水平和垂直方向排序；

步骤4、通过计算K个近邻点的均值来确定ROI的坐标；