(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號CN115358990B(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人鄭州輕工業(yè)大學(xué)地址450000河南省鄭州市高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)科學(xué)大道136號(72)發(fā)明人(72)發(fā)明人張世征鄭倩(74)專利代理機構(gòu)鄭州優(yōu)盾知識產(chǎn)權(quán)代理有限公司41125專利代理師栗改審查員劉志軍(54)發(fā)明名稱一種基于對稱輪廓中心距離比的快速角點檢測方法(57)摘要本發(fā)明提出了一種基于對稱輪廓中心距離比的快速角點檢測方法，用以解決現(xiàn)有角點檢測方法計算復(fù)雜度較大，檢測速度較低的技術(shù)問題。本發(fā)明的步驟為：將彩色圖像轉(zhuǎn)換為灰度圖像；使用Canny邊緣檢測子提取灰度圖像的輪廓，并選擇輪廓中的曲線作為目標(biāo)輪廓；使用高斯函數(shù)對目標(biāo)輪廓進(jìn)行平滑得到光滑曲線；在光滑曲線上任選一點，利用對稱輪廓中心距離比計算光滑曲線在該點的離散曲率；將光滑曲線上離散曲率達(dá)到局部極大值且數(shù)值大于曲率閾值的點標(biāo)記為角點。本發(fā)明僅需計算兩次歐氏距離即可估計輪廓上每個點的離散曲率，速度更快；具有較高的角點分辨力，對噪聲和輪廓局部變化也具有2散曲率；步驟五、將光滑曲線上離散曲率達(dá)到局部極大值且數(shù)值大于曲率閾值的點標(biāo)記為角所述步驟三中如果兩條光滑曲線的端點相距1個像素，則將兩條光滑曲線連接起來視2.根據(jù)權(quán)利要求1所述的基于對稱輪廓中心距離比的快速角3.根據(jù)權(quán)利要求2所述的基于對稱輪廓中心距離比的快速角所述Canny邊緣檢測子的閾值為低閾值low=0.2,高閾值high=0.7;所述高斯函數(shù)的期望4.根據(jù)權(quán)利要求1-3中任意一項所述的基于對稱輪廓中心距離比的快速角點檢測方5.根據(jù)權(quán)利要求4所述的基于對稱輪廓中心距離比的快速角點檢測方法，其特征在36.根據(jù)權(quán)利要求4所述的基于對稱輪廓中心距離比的快速角所述角點響應(yīng)函數(shù)的計算方法為：點C是由點集{P,k=i-w,…,i}U{P′k,k=i+1,…,i+w}構(gòu)成的曲線片段的中心點，對而 而平均重復(fù)率準(zhǔn)則下曲率閾值設(shè)置為0.009,準(zhǔn)確率準(zhǔn)則下曲率閾值設(shè)置為0.007。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及角點檢測的技術(shù)領(lǐng)域，尤其涉及一種基于對稱輪廓中心距離比的快速角點檢測方法。背景技術(shù)[0002]角點是圖像的關(guān)鍵局部特征之一，已成功地應(yīng)用于許多計算機視覺應(yīng)用中，如目標(biāo)識別、形狀表示、三維重建等。角點檢測是圖像處理領(lǐng)域的基礎(chǔ)研究課題之一，在車輛檢測、無人機圖像匹配、攝像機標(biāo)定等方面有著廣泛的應(yīng)用，特別地，快速角點檢測對許多實時任務(wù)非常有用?，F(xiàn)有的角點檢測方法大體上可分為兩類：基于輪廓的方法和基于灰度的方法?；谳喞姆椒ㄊ紫葟妮斎雸D像中提取邊緣輪廓，然后通過分析輪廓上的形狀變化來檢測角點，而基于灰度的方法則直接利用局部灰度強度變化的信息來檢測角點。與基于灰度的方法相比，基于輪廓的方法具有效率高、檢測錯誤率低的特點。[0003]Rosenfeld和Johnston等人(RJ)最早提出使用余弦作為離散曲率度量的輪廓角點Mokhtarian等提出使用曲率尺度空間技術(shù)(CSS)來檢測輪廓上的角點。CSS技術(shù)在檢測曲線角點上取得了巨大的成功，大量CSS技術(shù)的變體隨后被提出。然而，MohammadAwrangjeb等人指出，現(xiàn)有的基于CSS技術(shù)的檢測方案仍然面臨如下兩個主要問題：1)高階導(dǎo)數(shù)導(dǎo)致噪聲敏感；2)難以選擇合適的平滑尺度因子。為了解決上述問題，MohammadAwrangje利用弦到點距離累加(CPDA)技術(shù)來定位平面曲線上的角點并給出了CPDA的快速版本(F-來出現(xiàn)了大量典型的輪廓角點檢測方法，如梯度相關(guān)矩陣(GCM)、拉普拉斯高斯(LoG)、二階[0004]獲得更高的檢測精度和時間效率是各種角點檢測器追求的目標(biāo)，而開發(fā)有效的“離散”曲率估計方法是實現(xiàn)這一目標(biāo)的關(guān)鍵。CSS技術(shù)的角點檢測器相比，它對輪廓局部噪聲具有更好地魯棒性。但由于需要在輪廓的每個點上計算離散曲率，CPDA的計算復(fù)雜度很高。之后，Awrangjeb等人通過僅計算候選角點上的離散曲率來提高算法效率。然而，對于CPDA和F-CPDA,選擇更大的支持半徑(RoS)可能會漏檢部分弱角點。為了克服CPDA的缺點，Teng等人利用簡單的三角形理論提出了CTAR探測方法，基于重復(fù)率準(zhǔn)則的評價顯示CTAR的表現(xiàn)要優(yōu)于CPDA,且運行速度更快。然而，林薪雨等人指出CTAR由于包含求根運算也比較耗時，并利用二階輪廓差分技術(shù)提出了一種新的不包含求根操作的角點檢測方案(SODC),SODC對仿射變換的魯棒性更好，計算效率也更高。發(fā)明內(nèi)容[0005]針對現(xiàn)有角點檢測方法計算復(fù)雜度較大，檢測速度較低的技術(shù)問題，本發(fā)明提出5C的距離與中心點C到中心點C′。的距離之比|C?Cs/|CosCs|,由于,將距離6[0022]點C是由點集{P,k=i-w,…,i}U{P′k,k=i+1,…,i+w}構(gòu)成的曲線片段的中心大的支持域半徑(RoS),并采用相對距離而不是絕對距離來構(gòu)造角響應(yīng)函數(shù)(CRF),本發(fā)明的離散曲率具有較高的角點分辨力，對噪聲和輪廓局部變化也具有很強的魯棒性?；谄礁綀D說明7均重復(fù)率表現(xiàn)，(f)為上述五種變換的平均結(jié)果。算法分別在高斯噪聲、旋轉(zhuǎn)變換、一致尺度變換、非一致尺度變換誤差(此處定位誤差基于原始圖像檢測角點和變換圖像檢測角點之間的歐式距離)表現(xiàn)，(f)為上述五種變換的平均結(jié)果。對比算法分別在高斯噪聲、旋轉(zhuǎn)變換、一致尺度變換、非一致尺度變換、旋轉(zhuǎn)-尺度變換下的準(zhǔn)確率表現(xiàn)，(f)為上述五種變換的平均結(jié)果。[0040]圖11為幾種方法在GCM數(shù)據(jù)集上的定位誤差評測曲線圖，其中(a)、(b)、(c)、(d)、(e)為對比算法分別在高斯噪聲、旋轉(zhuǎn)變換、一致尺度變換、非一致尺度變換、旋轉(zhuǎn)-尺度變換下的定位誤差(此處定位誤差基于真實圖像檢測角點和變換圖像檢測角點之間的歐式距離)表現(xiàn)，(f)為上述五種變換的平均結(jié)果。[0041]圖12為本發(fā)明在8幅原始圖像邊緣圖上的檢測結(jié)果示意圖。具體實施方式[0042]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有付出創(chuàng)造性勞動前提下所獲得的所有其他[0043]如圖1所示，一種基于對稱輪廓中心距離比(RCDSC)的快速角點檢測方法，其步驟如下：[0044]步驟一、將RGB圖像或顏色圖像轉(zhuǎn)換為灰度圖像，用于邊緣提取的Canny算子主要處理灰度圖像，因此需要先進(jìn)行轉(zhuǎn)換。[0045]步驟二、使用Canny邊緣檢測子提取灰度圖像的輪廓，并選擇輪廓長度大于(H+W)/[0046]Canny邊緣檢測子的閾值選取為low=0.2,high=0.7,low和high是Canny算子的兩個閾值參數(shù)，高閾值(high)是將要提取輪廓的物體與背景區(qū)分開，低閾值(low)是用來平滑邊緣的輪廓，滿足0≤1ow<high≤1.高閾值設(shè)置過大會導(dǎo)致提取的邊緣輪廓不連續(xù)或者不夠平滑，通過低閾值平滑輪廓線能夠使不連續(xù)的輪廓片段連接起來。閾值選取為low=0.2,high=0.7的主要目的是盡可能多的提取魯棒輪廓的同時減少細(xì)小輪廓(或弱輪廓)的引入。在后續(xù)輪廓平滑步驟，平滑窗口必須大于輪廓長度，因此提取的輪廓長度不能過短；另一方面，短小輪廓對仿射變換的魯棒性也較差。Canny需要同時high,對于測試圖像集的所有圖像都有l(wèi)ow=0.2,high=0.7。[0047]如果兩條曲線端點相距1個像素，則將兩條曲線連接起來視為一條曲線，避免漏檢角點。同時，將相交曲線的交點標(biāo)記為T-型角點。T-型角點為角點的一種，T-型角點也是角[0048]步驟三、使用高斯函數(shù)對目標(biāo)輪廓進(jìn)行平滑得到光滑曲線，以去除小細(xì)節(jié)和量化噪聲。[0049]高斯函數(shù)的期望為0、方差為3.5,平滑通過高斯函數(shù)與曲線做卷積實現(xiàn)，從數(shù)字圖8[0051]利用對稱輪廓中心距離比計算離散曲率的方法為：點P的坐標(biāo)為(x,,y),P[0053]其中，點C。為光滑曲線上從點P?到點P?+之間的點構(gòu)成2P?-P為曲線片段S(P)點P為對稱中心的對稱輪廓上點P的對稱點，點P為曲線片段S[0054]選取w=3個像素點為支持域半徑，支持域為{(x;,y),j=i-3,…,i,…,i+3},選取|C?C?I=|C?P|+|PC?I=2|C。P|,|CosCos|=|C?sP|+|PCos|=2|CsP|,9圖3顯示了一條折線1,折線的頂點為原點(0,0)、夾角為π-20,假設(shè)折線1關(guān)于y軸對稱，則折線1可以被參數(shù)化為：[0059]其中，u∈R是弧長參數(shù)，R表示實數(shù)集。設(shè)P(t)是折線1上的一點，1是折線1關(guān)于點P(t)的對稱輪廓。首先計算點P(t)處的角點響應(yīng)函數(shù)CRF,然后分析其行為。這里，將計算角點響應(yīng)函數(shù)CRF所用的支持域半徑設(shè)置為w,則沿折線1以P?=P(t-w)為起點、以P。=P(t+w)為終點定義的線段即為點P(t)的支持域。該支持域的質(zhì)心C。=(c,C。)的坐標(biāo)可以表示[0061]記點Ps、Pe分別為起點P(t-w)、重點P(t+w)關(guān)于點P(t)的對稱點，則有[0063]假設(shè)C=(Cosx,Cs)為折線1上以P為起點、以P(t)為終點定義的線段和對稱輪廓1上以P(t)為起點、以P。為終點定義的線段構(gòu)成的組合輪廓的中心，該組合輪廓上任意一點(x,y)的坐標(biāo)可表示為：[0070]記函數(shù)[0072]這里v=t/w。對函數(shù)F(t,θ)關(guān)于t求偏導(dǎo)數(shù)可得：[0082]設(shè)C是由點集{P,k=i-w,…,i}U{P′k,k=i+1,…,i+w}構(gòu)成的曲線片段的中心[0086]注意到需要更少的操作，本發(fā)明將作為點p處的[0090]本發(fā)明采用圖6所示的20幅圖像對提出的離散曲率進(jìn)行評估，該數(shù)據(jù)集由重慶大試所提出算法和對比算法對仿射變換和高斯噪聲的魯棒性。變換變換因子旋轉(zhuǎn)在區(qū)間[-90°,90?]上以10°為間隔作旋轉(zhuǎn)變換一致尺度以0.1為間隔作尺度變換X方向在區(qū)間[0.7,1.5]上以0.1間非一致尺度隔，Y方向在區(qū)間[0.5,1.8]上以0.1為間隔作尺度變換在區(qū)間[-30°,30?]上以10?為間旋轉(zhuǎn)-尺度隔作旋轉(zhuǎn)變換，同時X、Y方向在區(qū)間[0.81.2]上以0.1為間隔作尺度變換高斯噪聲在區(qū)間[0.005,0.05]上以0.005為間隔加入高斯白噪聲[0094]平均重復(fù)率(AR)是由MohammadAwrangjeb等人提出的用于評估角點檢測方法魯時面臨很多困難，如數(shù)據(jù)集龐大時標(biāo)注工作非常費時且難以完試圖像第j個匹配角點的位置，N表示原始圖像和變換圖像之間被重復(fù)檢測到的角點數(shù)量。測試圖像第j個匹配角點的位置。[0102]本發(fā)明詳細(xì)對比6種角點探測方法的比較性能，包括SOGGDD(二階廣義高斯方向?qū)蛊交姆讲瞀?(2)支持域半徑w;(3)曲率閾值T。圖7顯示了上述三個參數(shù)如何影響RCDSC的性能。高斯平滑和支持域半徑作為兩種平滑方法具有去除噪聲的能力，如果參數(shù)值設(shè)置得過大，目標(biāo)輪廓中的重要細(xì)節(jié)可能會被忽略。相反，參數(shù)值太小會削弱降噪能力。值得注意的是，不同的邊緣檢測方法會對角點檢測結(jié)果產(chǎn)生較大影響，因此，為了進(jìn)行公平比較，所有比較檢測器都使用相同的Canny邊緣檢測子和輪廓跟蹤方法，輪廓跟蹤主要體現(xiàn)在輪廓選擇上，也即選擇輪廓長度大于(H+W)/25的曲線作為目標(biāo)輪廓。另一方面，曲率閾值的選擇還應(yīng)考慮在引入偽角點和丟失真角點之間保持平衡。不失一般性，本發(fā)明僅提供了基于AR和LE的參數(shù)選擇方案。依據(jù)圖7,平均重復(fù)率準(zhǔn)則下曲率閾值T設(shè)置為0.009,準(zhǔn)確率準(zhǔn)則五種比較檢測器的最佳參數(shù)如表2所示。為保持公平，所有對比檢測算法的參數(shù)都經(jīng)過優(yōu)化表2.相關(guān)參數(shù)設(shè)置閾值GCM本發(fā)明11157°圖8和圖9給出了六種對比檢測方法在高斯噪聲和幾何變換攻擊下的平均重復(fù)率聲，隨著噪聲強度增加，所有角點檢測方法的性能均變得更差。具體而言，對比檢測方法的相比其他五種角點檢測方法較慢，這表明RCDSC對高斯噪聲比較魯棒。而對于四種仿射變離散曲率對幾何變換具有良好的魯棒性。作為CPDA的快速版本F-CPDA在對比角點檢測方法到F-CPDA和CPDA使用相同的曲率估計方案，F(xiàn)-CPDA存在和CPDA類似的問題。GCM的性能略好于CPDA和F-CPDA,但差于其他角點檢測算法。Awrangjeb等人指出，由于GCM使用一階導(dǎo)數(shù)和較小支持鄰域(1×1),因此會檢測到較多的偽角點。精確定位角點上表現(xiàn)優(yōu)秀。GCM在ACU方面排名第二，這也表明了GCM優(yōu)秀的真實角點定位能力。圖12提供了RCDSC檢測器在八幅原始圖像上的檢測結(jié)果。[0107]檢測方法的運行時間評測環(huán)境配置如下：Windows10臺式機，英特爾Corei7-因此運行時間不包括邊緣提取時間。鑒于平方根的計算非常耗時，使用平方根操作次數(shù)來法包含54n次平方根運算，F(xiàn)-CPDA包含n+54n,次平方根運算，其中，n,表示候選點的數(shù)量。SODC方法的平方根運算數(shù)為3n。如公式(17)所示，本發(fā)明RCDSC僅計算兩次歐氏距離，且不度比其他五個檢測器快。SODC是2017年提出的一種快速角點檢測器，但是采用多尺度曲率乘積技術(shù)限制了其計算效率。表3驗證了本發(fā)明RCDSC在計算性能上的高效性。[0108]表3.GCM數(shù)據(jù)集上的時間效率 排名檢測方案總運行時間(秒)[0110]本發(fā)明利用對稱輪廓中心距離比技術(shù)(RCDSC)提出了一種新的角點響應(yīng)函數(shù)，并根據(jù)T-模型分析研究了其曲率行為，基于此提出了一種新的高效角點檢測方案。RCDSC離散曲率具有較高的角點分辨力，并且對高斯噪聲和幾何變換也具有良好的魯棒性。基于AR、ACU和LE評測指標(biāo)的實驗表明，本發(fā)明RCDSC檢測方法優(yōu)于基于其他五種對比角點檢測方[0111]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精1/5頁1/5頁高斷核角點檢測邊緣檢測曲率估計角點檢測目標(biāo)點PtttX但X2/5頁2/5頁t圖4支持城半徑(m)閩值(1)支持域半徑(w)閩值(1)非一致尺度變換旋轉(zhuǎn)角度/C)尺度因子非一致尺度變換