[发明专利]一种基于边缘率的特征点类型选择方法

摘要

一种基于边缘率的特征点类型选择方法，属于计算机视觉领域。本发明在特征点检测之前，对图像进行结构信息检测与分类，为选用适合图像的特征点类型(斑点或角点)提供依据，解决由于特征点不适合而造成的匹配性能下降甚至失败的问题。对于一幅待匹配图像，利用Canny边缘检测算法计算图像边缘，然后计算边缘率，最后根据边缘率与高低阈值的关系对该图像进行分类：如果边缘率大于高阈值，说明图像结构信息非常明显，采用角点特征；如果边缘率小于低阈值，说明图像结构信息非常不明显，采用斑点特征；如果边缘率介于高低阈值之间，图像特征不明显，斑点或角点皆可使用。本发明快速有效，与现有图像匹配算法相结合，可实现性能更优的图像匹配。

主权项

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，采用斑点或角点均可。