角点检测方法及其装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种角点检测方法及其装置。

背景技术

角点检测是计算机视觉系统中用来提取图像特征的一种方法，也称为特征点检测。角点通常是指两条边的交点，或者更严格地说，是局部邻域内具有两个不同区域和不同方向边界的点。这些点通常在图像梯度在两个或多个方向上有显著变化，并且具有足够的可重复性和显著性。

角点检测在计算机视觉中起着非常重要的作用，因为它可以帮助我们提取图像的关键特征，从而用于各种任务，如运动检测、图像匹配、视频跟踪、三维建模和目标识别等。通过角点检测，我们可以有效地减少信息的数据量，提高计算速度，并有利于图像的可靠匹配，使得实时处理成为可能。

因此，如何进行角点检测，就成为一个亟待解决的问题。

发明内容

本发明的目的在于提供一种角点检测方法及其装置。

为了实现上述发明目的之一，本发明一实施方式提供了一种角点检测方法，包括以下步骤：接收待处理图片I，生成角点集合S＝Φ，对所述待处理图片I进行检测边缘处理并获得边缘映射图，从所述边缘映射图中提取出M个曲线c

作为本发明一实施方式的进一步改进，所述“对所述待处理图片I进行检测边缘处理并获得边缘映射图”具体包括：使用Canny检测器，对所述待处理图片I进行检测边缘处理并获得边缘映射图。

作为本发明一实施方式的进一步改进，所述“获取点集

作为本发明一实施方式的进一步改进，所述“基于所有点的曲率值来识别出若干角点”具体包括：基于非最小抑制方法和阈值滤波对所有点的曲率值进行处理，并识别出若干角点。

作为本发明一实施方式的进一步改进，L＝5。

本发明实施例还提供了一种角点检测装置，包括以下模块：图片接收模块，用于接收待处理图片I，生成角点集合S＝Φ，对所述待处理图片I进行检测边缘处理并获得边缘映射图，从所述边缘映射图中提取出M个曲线c

作为本发明一实施方式的进一步改进，所述图片接收模块还用于：使用Canny检测器，对所述待处理图片I进行检测边缘处理并获得边缘映射图。

作为本发明一实施方式的进一步改进，所述检测模块还用于：i的初始值为1，持续进行第二处理，直至i＞N

作为本发明一实施方式的进一步改进，所述检测模块还用于：基于非最小抑制方法和阈值滤波对所有点的曲率值进行处理，并识别出若干角点。

作为本发明一实施方式的进一步改进，L＝5。

相对于现有技术，本发明的技术效果在于：本发明实施例提供了一种角点检测方法及其装置，该角点检测方法包括以下步骤：接收待处理图片，生成角点集合，对所述待处理图片进行检测边缘处理并获得边缘映射图，从所述边缘映射图中提取出M个曲线；对每个曲线都进行以下处理填充曲线上的间隙，并在该曲线上确定若干T型交叉点，并将若干T型交叉点添加到角点集合S中，对曲线进行平滑处理，获取曲线中的所有点的曲率值，并基于所有点的曲率值来识别出若干角点，并将若干角点添加到角点集合中；角点集合中的角点为从待处理图片中检测到的角点。从而实现了一个角点检测的方法。

附图说明

图1、图2A、图2B、图3A和图3B是本发明实施例中的角点检测方法的原理图；

图4是本发明实施例中的若干实验的对比图；

图5和图6是本发明实施例中的若干实验的结果对比图；

图7是本发明实施例中的角点检测方法的流程示意图。

具体实施方式

以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明实施例一提供了一种角点检测方法，如图7所示，包括以下步骤：

步骤701：接收待处理图片I，生成角点集合S＝Φ，对所述待处理图片I进行检测边缘处理并获得边缘映射图，从所述边缘映射图中提取出M个曲线c

步骤702：j的初始值为1，持续进行第一处理，直至j＞M，第一处理包括：填充曲线c

本发明实施例中的角点检测方法主要包括以下操作：边缘提取、曲线跟踪、曲线平滑、曲率估计、非最小值抑制和曲率阈值。首先从待处理图片I中提取边缘，然后，在曲线跟踪操作中，从边缘图跟踪每条边缘曲线，并由一组连接点p表示。因此，对于已识别的间隔小于预设值的间隙，将进行连接以消除间隙。

本实施例中，所述“对所述待处理图片I进行检测边缘处理并获得边缘映射图”具体包括：使用Canny检测器，对所述待处理图片I进行检测边缘处理并获得边缘映射图。

这里，Canny检测器能够实现下面三个目标：(1)低错误率，即所有边缘都应该找到，并且没有虚假边缘；(2)准确的定位边缘，即检测到的边缘应该接近真实的边缘；(3)单个边缘点响应，即对于边缘检测，只返回单点厚度的结果。

Canny检测器包括以下步骤：步骤1：使用高斯滤波器平滑图像；步骤2：计算梯度幅值和边缘方向；步骤3：非极大值抑制；步骤4：使用双阈值处理和连通性分析检测和链接边缘。

本实施例中，所述“获取点集

i的初始值为1，持续进行第二处理，直至i＞N

本实施例中，所述“基于所有点的曲率值来识别出若干角点”具体包括：基于非最小抑制方法和阈值滤波对所有点的曲率值进行处理，并识别出若干角点。

本实施例中，L＝5。

从待处理图片I中提取的曲线可以表示为一个点的集合C＝{p

之后，基于公式

最后，得到子像素化和弦，即

直观的说，如果点p

由用不同的L构建，根据F分数绘制的角点检测性能相对于L的不同值，如图3A所示，获得最高F分数的L集被作为ROS半径的默认设置。当L＝5时，F分数达到其最高值。

在完成曲率估计后，需要按如下方式识别曲线上的角点。首先，对h(i)进行非最小抑制处理。因此，只有那些具有局部最小曲率值的点被视为角点候选者。然后，利用曲率阈值来确定“有意义”的角点。相反，高曲率阈值T可能会导致更多的假阳性(即，非拐角点被识别为拐角)。通过一些实验，阈值T的默认值确定为9.84，如图3B所示。

在发明人的实验中，使用了三个图像数据集，总共58个图像，用于评估本实施例中的角点检测方法。这些图像要么是二进制图像，要么是灰度图像，并由各种图像和视觉任务组合而成。发明人非常小心地手动标记每个图像的实际角点。验证所提出的角点检测方法在不同情况(例如，变换、噪声、JPEG压缩等)下的鲁棒性，这58幅原始图像中的每一幅都是通过在不同参数设置下施加三种类型的变换(例如，旋转、缩放和合并等)和两种类型的退化来处理的。结果，产生了58个原始图像和24534个变换(或退化)图像，并用于进行性能评估。

发明人利用了四个常用指标进行定量评估，包括精度、召回率、精度和召回率的算术平均值(APR)以及F分数将姿态角检测器与现有的七种最先进的角检测器进行比较，包括：GCM[15]、MSCP[12]、CPDA[14]、CTAR[17]、SuperPoint[6]、NewCurvature[18]和DMC[20]。事实上，在每个比较的角点检测方法的预测和召回之间存在权衡。比较的检测器的参数被优化以分别提供它们的最佳F分数。

首先，进行性能评估，选择了58张图像，而没有施加任何图像转换或退化，结果记录在图5中。可以看出，本实施例的角点检测方法使用所有四个评估指标在几乎所有测试图像上都具有最佳性能。

然后，对施加了不同变换(或退化)的图像进行测试，测试结果记录在图6中，其中每个角检测器的性能是根据F分数来测量的。可以看出，本实施例的角点检测方法在大多数类型的强加图像转换(或退化)中始终产生最高的F分数，这表明它在不同场景中具有稳健性。最后，通过使用二值图像和灰度图像获得的子评价结果如图4所示。相比之下，本实施例的角点检测方法提供了优于现有角检测器的性能。

本发明实施例二提供了一种角点检测装置，包括以下模块：

图片接收模块，用于接收待处理图片I，生成角点集合S＝Φ，对所述待处理图片I进行检测边缘处理并获得边缘映射图，从所述边缘映射图中提取出M个曲线c

检测模块，用于j的初始值为1，持续进行第一处理，直至j>M，第一处理包括：填充曲线c

本实施例中，所述图片接收模块还用于：使用Canny检测器，对所述待处理图片I进行检测边缘处理并获得边缘映射图。

本实施例中，所述检测模块还用于：i的初始值为1，持续进行第二处理，直至i＞N

本实施例中，所述检测模块还用于：基于非最小抑制方法和阈值滤波对所有点的曲率值进行处理，并识别出若干角点。

本实施例中，L＝5。

需要说明的是，虽然上文按照特定顺序描述了各个步骤，但是并不意味着必须按照上述特定顺序来执行各个步骤，实际上，这些步骤中的一些可以并发执行，甚至改变顺序，只要能够实现所需要的功能即可。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。可读存储介质例如可以包括但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。