[发明专利]一种基于曲率分析的图像特征快速分割方法

说明书

本发明涉及一种基于曲率分析的图像特征快速分割方法。该方法包括：将图像进行零阶几何连续化处理，包括边界追踪、边缘连接、以及高斯演化；对连续边缘进行高阶几何连续化处理，主要包括曲率计算以及曲率极大值筛选，即检测图像中的角点，从而实现图像特征的分割；利用曲率分析法对分割后的边缘点进行特征识别，区分出直线与曲线特征。本发明对图像特征分离设计了一种快速曲率分析方法，有效的减小了图像分割、识别的计算量，并且与现有方法比，有更好的角点定位精度。

技术领域

本发明涉及计算机图像处理领域，特别是涉及一种基于曲率分析的图像特征快速分割方法。

背景技术

视觉测量系统已较为成熟地应用于航空、航天、国防等领域飞行目标的位姿参数测量。视觉测量技术主要采用目标的形状特征进行位姿参数求解，图像的形状特征检测算法是实现位姿参数视觉测量的前提条件。直线与曲线是空间飞行目标上的常见特征，是数字图像中构成被识别对象的重要元素，快速准确地从图像中提取出目标的形状特征对于准确获取目标的位姿参数具有很重要的意义，因此目标特征的检测、分离、识别是图像处理以及图像分析中重要的任务。

为分离图像中的目标几何特征，科研人员提出了角点检测算法。在图像中，角点通常为曲率变化的极大值点，多为不同特征曲线的交点，角点检测算法通常作为图像特征的分离算法。根据角点数学描述模型的不同，现有的角点检测算法可以分为基于单尺度角点检测算法和多尺度角点检测算法。

单尺度角点检测算法认为角点是两条边缘的交点，在其邻域内灰度、曲率、梯度方向等几何特征发生突变，典型算法是Harris角点检测算法及SUSAN角点检测算法。单尺度的角点检测算法本质上是在比较不同像素点之间的角点强度，是对角点强度的纵向分析。算法需遍历像素点计算角点强度，由于角点强度计算复杂度较大，像素点数量较高，因此算法计算量较大。

多尺度角点检测算法的典型算法主要是小波变换角点检测算法和曲率尺度空间角点检测算法。多尺度角点检测算法本质是比较同一像素点在不同尺度的角点强度的变化，是对角点强度的横向比较。多尺度角点检测算法使角点的判别条件更为严格，经过参数优化后，能够降低计算量，并保证检测的可靠性和精度，但由于其在多个尺度下进行检测，计算量较大。

发明内容

为解决现有技术计算量高的缺陷，本发明的目的是：提供一种基于曲率分析的图像特征快速分离算法。

本发明解决其技术问题所采取的技术方案是：

一种基于曲率分析的图像特征快速分割算法，包括如下步骤：

(1)输入待处理图像，利用Canny算子获取边缘点；

(2)对边缘图像进行零阶几何连续化处理，主要包括：边界追踪、边缘连接以及高斯演化，获取有序的空间连续边缘点集合；

(3)对边缘点进行高阶几何连续化分析，主要包括曲率计算以及曲率极大值筛选，即检测图像中的角点，从而实现图像特征的分割；

(4)对分割后的边缘点进行特征识别，区分出直线与曲线特征。

由于采用了上述的技术方案，本发明的有益效果是：通过采用本发明的基于曲率分析的图像特征快速分割算法，有效的减小了图像分割、识别的计算量，并且与现有方法比，有更好的角点定位精度。

附图说明

图1是本发明的一种基于曲率分析的图像特征快速分割方法算法流程图。

图2是边缘点处两侧切线夹角及其邻域几何模型示意图。

图3是在不同的高斯演化参数下的曲率随夹角的变化曲线图。

图4是曲率阈值设计的几何模型示意图。

图5是直线平均曲率随高斯演化参数的变化曲线。

具体实施方式