[发明专利]一种基于角点优化的线段提取方法

说明书

本申请实施例提供了一种基于角点优化的线段提取方法，该方案提出将角点检测算法加入到线段检测算法中，作为线段提取的一个约束条件，同时对所提取的角点进行非极大值抑制处理，防止角点聚集，本方案不需要调整线段提取算法的相关阈值，在保持较好的计算效率的同时，能够剔除特征不明显区域的线段。

技术领域

本发明涉及图像特征抽取技术领域，尤其涉及一种基于角点优化的线段提取方法。

背景技术

直线段是数字图像中常见而重要的几何元素，在空间上表现为一个连通的像素点集合，集合内的像素点通常具有相似的灰度值和梯度方向。在人造环境中，存在许多由平面构成的物体，因此可以通过直线段进行描述。所以，直线段检测在消失点检测、图像匹配、三维重建、道路检测和遥感图像分析等一系列视觉任务中都有着广泛的应用。

目前主流的线段检测方法是感知分组算法，比如EDLines。这类算法检测线段的性能主要取决于图像的边缘，由此会产生误提取的问题。比如对于天空的云朵、光照的阴影、玻璃的反射等线段特征不明显的区域，也会提取出线段。当前对于此类问题，一般的解决方法是调整线段提取算法的梯度阈值，但是对于不同场景，阈值的设定不一样，且会影响原有正常线段的提取。

由此看出，如果不调整线段提取算法的相关阈值，且剔除特征不明显区域的线段，是本发明待解决的问题。

发明内容

基于上述存在的技术问题，本申请提出一种基于角点优化的线段提取方法，包括如下步骤：

步骤一：将原图像转换为灰度图像；使用EDLines算法提取灰度图像的线段特征，将提取的线段定为原始线段；使用Shi-Tomasi算法提取灰度图像的角点特征，将提取的角点定为原始角点；

步骤二：对步骤一所述的灰度图像重新定义尺寸，所述原始线段和所述原始角点的位置也相应改变；然后将重新定义尺寸的所述灰度图像分成若干个图像块，统计每个图像块中原始角点的数量；

步骤三：判断步骤二所统计出的每个图像块的原始角点数量，如果所述原始角点数量大于16，则设定角点提取函数的角点间最短距离阈值为10个像素，并对所述图像块重新提取新的角点替换所述图像块的原始角点；

步骤四：对于每条原始线段，设定一个外接矩形，所述矩形的两短边垂直于线段，所述矩形的两短边与线段端点之间的距离为6个像素点长度；两长边平行于线段，两长边与线段之间的距离为6个像素点长度；统计外接矩形内的角点数量，当角点数量大于等于1时，则判定该线段是特征明显的线段。

进一步地，对于角点数量等于0的外接矩形，判断对应线段的长度是否大于线段平均长度，如果不是则剔除线段。

进一步地，每个所述角点的最小距离为3个像素点。

进一步地，所述EDLines线段提取算法主要如下：

(1)、对图片进行高斯滤波平滑；

(2)、计算图片每个像素的梯度方向和大小，公式如下：

其中，I(x,y)为该像素点的灰度值，g_x(x,y)和g_y(x,y)表示该像素点在x方向和y方向的梯度幅值，g(x,y)表示该像素点的总梯度幅值，angle(x,y)为该像素点的梯度方向；

(3)、遍历每个像素点，将一个梯度强度大于其梯度方向上另外两个相邻像素点，且至少大于锚点阈值的像素点设定为锚点；所述锚点阈值设置为3个梯度强度；

(4)连接各个锚点，形成图像边缘，并对图像边缘进行最小二乘法拟合，得到线段。进一步地，使用Shi-Tomasi算法对图像提取角点算法主要如下：