[发明专利]一种图像中角点的检测方法、装置及设备

说明书

本申请公开了一种图像中角点的检测方法，包括：获取受检图像；利用预先建立的全卷积神经网络分类器，对受检图像中的图像区域进行分类，并生成图像区域分割图；全卷积神经网络分类器预先由图像数据库训练生成，图像数据库包括标注有图像区域分类标签的标准图像数据；采用角点检测算法对图像区域分割图进行角点检测，以便获取受检图像的角点。本申请利用全卷积神经网络分类器实现图像语义分割，克服了受检图像中障碍物或阴影对角点检测的干扰，从而有效提高了检测精确度。本申请还公开了一种图像中角点的检测装置、设备及计算机可读存储介质，也具有上述有益效果。

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像中角点的检测方法、装置、设备及计算机可读存储介质。

背景技术

角点是图像很重要的特征，在图像处理过程中可帮助对图像图形的理解和分析，因此常被用于运动检测、图像配准、图像拼接、三维建模和目标识别等应用场合。

现有技术中针对于图像中角点的检测有多种算法，例如基于灰度强度的Harris算法和基于边缘轮廓的Curvature Scale-Space算法等，但它们都存在一定的局限性。这是因为，在实际应用中，需要进行角点检测的图像，例如对建筑物等的航拍影像中，总是会存在许多干扰，例如图像中的一些树木等阴影对建筑物角点的遮盖等。由此，现有的角点检测总是会出现大量对待检测角点的假阳性结果，导致检测结果精确度降低，效果较差。

由此可见，采用何种图像中角点的检测方法，以便有效地减少错误检测结果、保障检测精确度，是本领域技术人员所亟待解决的技术问题。

发明内容

本申请的目的在于提供一种图像中角点的检测方法、装置、设备及计算机可读存储介质，以便有效减少错误检测结果、提高检测精确度。

为解决上述技术问题，本申请提供一种图像中角点的检测方法，包括：

获取受检图像；

利用预先建立的全卷积神经网络分类器，对所述受检图像中的图像区域进行分类，并生成图像区域分割图；所述全卷积神经网络分类器预先由图像数据库训练生成，所述图像数据库包括标注有图像区域分类标签的标准图像数据；

采用角点检测算法对所述图像区域分割图进行角点检测，以便获取所述受检图像的角点。

可选地，所述图像区域分类标签包括前景和背景。

可选地，所述图像数据库为标注有所述图像区域分类标签的Vaihingen数据库。

可选地，所述利用预先建立的全卷积神经网络分类器，对所述受检图像中的图像区域进行分类包括：

利用预先建立的所述全卷积神经网络分类器，对多个不同尺度的同一所述受检图像分别进行图像特征值计算，并对图像特征值的计算结果进行融合，以便根据图像特征值融合结果对图像区域进行分类。

可选地，在所述利用预先建立的全卷积神经网络分类器，对所述受检图像中的图像区域进行分类之后、所述生成图像区域分割图之前，还包括：

采用条件随机场算法，计算所述全卷积神经网络分类器输出的图像区域的分类结果的合理程度指标；

判断所述合理程度指标是否超出预设合理范围；

若是，则对所述图像区域的分类结果进行调整。

可选地，在所述生成图像区域分割图之后、所述采用角点检测算法对所述图像区域分割图进行角点检测之前，还包括：

对所述图像区域分割图进行形态学开操作处理，以便平滑图像区域的轮廓。

可选地，所述角点检测算法为Curvature Scale Space算法。

本申请还提供了一种图像中角点的检测装置，包括：