本發(fā)明涉及一種數(shù)字圖像處理領(lǐng)域，具體說(shuō)是一種用于從局部不變特征點(diǎn)中提取直線的方法。

背景技術(shù)：

局部不變特征點(diǎn)是指對(duì)圖像的各種變化，例如幾何、光照、模糊、視點(diǎn)等變化保持不變的局部特征點(diǎn)，局部不變特征點(diǎn)通常存在著一個(gè)局部支撐區(qū)域，它與圖像分割不同，可以是圖像的任何子集，其邊界不一定要對(duì)應(yīng)圖像屬性(如顏色和材質(zhì))的變化，而且多個(gè)不變特征區(qū)域間可能有交叉。局部不變特征點(diǎn)的檢測(cè)具有重要的意義，不僅可以提高處理速度，同時(shí)還是一種新的圖像表述方法，使得圖像不進(jìn)行分割就可以描述物體或局部。利用提取的局部不變特征點(diǎn)難以直接用于目標(biāo)的識(shí)別，需要通過(guò)將其組成一定的曲線或區(qū)域才能作為目標(biāo)的主要特征，經(jīng)過(guò)多年的發(fā)展，出現(xiàn)了一系列在局部不變特征點(diǎn)基礎(chǔ)進(jìn)一步提取形狀的方法，但就己發(fā)表的成果來(lái)看，這些方法還存在以下問(wèn)題：

(1)有效的局部特征點(diǎn)容易受周圍異常點(diǎn)的干擾，導(dǎo)致提取的特征對(duì)目標(biāo)識(shí)別的作用大大降低；

(2)提取的結(jié)果與目標(biāo)實(shí)際的形狀存在較大的誤差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種用于從局部不變特征點(diǎn)中提取直線的方法，通過(guò)對(duì)局部不變特征點(diǎn)進(jìn)行密度估計(jì)，運(yùn)用方格單元分割的方法，能夠有效地去除干擾特征點(diǎn)的影響，方法簡(jiǎn)單易行，輸出結(jié)果可靠。

為實(shí)現(xiàn)本發(fā)明的目標(biāo)所采用的技術(shù)方案是：方法包括以下步驟：

步驟1：利用局部不變特征點(diǎn)提取算法提取輸入圖像的局部不變特征點(diǎn)，結(jié)果記為I₀，局部不變特征點(diǎn)的數(shù)量記為M；

步驟2：從I₀中循環(huán)選取兩點(diǎn)P_i和P_j，i∈[1,M]，j∈[i,M]，計(jì)算P_i和P_j之間的歐氏距離D_ij，當(dāng)D_ij小于閾值T_D時(shí)，更新P_i和P_j并繼續(xù)步驟2，當(dāng)D_ij大于等于閾值T_D時(shí)，進(jìn)入步驟3；

步驟3：以D_ij為長(zhǎng)邊，W₀為短邊構(gòu)造包含P_i和P_j的矩形R₀；

步驟4：為了估計(jì)局部特征點(diǎn)密度ρ，以D_ij為長(zhǎng)邊，W₁為短邊在矩形R₀的兩側(cè)分別構(gòu)造矩形R₁和R₂，且矩形R₁和R₂的長(zhǎng)邊分別與矩形R₀的長(zhǎng)邊重合；

步驟5：統(tǒng)計(jì)矩形R₀、R₁和R₂中的特征點(diǎn)數(shù)，分別記為M₀、M₁和M₂，并對(duì)矩形R₀周圍的特征點(diǎn)數(shù)N_L用以下公式進(jìn)行估計(jì)：

N_L＝2max(M₁,M₂)+M₀ (1)

式(1)，max為求最大值函數(shù)；

步驟6：用以下公式計(jì)算局部特征點(diǎn)密度ρ：

式(2)，和分別為矩形R₁和R₂的面積；

步驟7：對(duì)矩形R₀進(jìn)行k等分，得到k個(gè)等面積的方格單元，記為r_t，t∈[1,k]，利用以下公式計(jì)算每個(gè)方格單元r_t至少包含一個(gè)局部特征點(diǎn)的概率：

式(3)，S_r和分別為方格單元r_t和矩形R₂的面積；

步驟8：統(tǒng)計(jì)包含局部特征點(diǎn)的方格單元的數(shù)量C；

步驟9：用以下公式計(jì)算k個(gè)方格單元中至少有C個(gè)方格單元包含特征點(diǎn)的概率P₀：

步驟10：用以下公式計(jì)算虛警數(shù)N_FA：

步驟11：將虛警數(shù)N_FA小于閾值δ的矩形R₀包含的局部特征點(diǎn)判定為直線，更新P_i和P_j并繼續(xù)步驟2，直到遍歷所有局部特征點(diǎn)。

所述的步驟1中的局部不變特征點(diǎn)提取算法是指SIFT算法、SURF算法、Harris算法和SUSAN算法。

所述的步驟2中的循環(huán)選取方法指的是由i∈[1,M]和j∈[i,M]構(gòu)成內(nèi)外雙重循環(huán)，遍歷所有局部不變特征點(diǎn)，共有M(M-1)/2組局部不變特征點(diǎn)對(duì)。

本發(fā)明的有益效果是：能夠準(zhǔn)確的局部不變特征點(diǎn)集中的直線，可以應(yīng)用于包含直線邊緣的目標(biāo)提取。

附圖說(shuō)明

圖1是本發(fā)明的總體處理流程圖。

具體實(shí)施方式

下面結(jié)合附圖詳細(xì)描述本發(fā)明的具體實(shí)施方式。

在步驟101，輸入待處理圖像I₀。

在步驟102，對(duì)步驟101的待處理圖像I₀利用SURF局部不變特征點(diǎn)提取算法提取局部不變特征點(diǎn)，結(jié)果記為I₀，并將局部不變特征點(diǎn)的數(shù)量記為M。

在步驟103，判斷收否遍歷所有特征點(diǎn)對(duì)，如果是，則算法流程結(jié)束，進(jìn)入步驟116，否則進(jìn)入步驟104。

在步驟104，從M(M-1)/2組局部不變特征點(diǎn)對(duì)中選取兩點(diǎn)P_i和P_j，i∈[1,M]，j∈[i,M]。

在步驟105，計(jì)算步驟104中的P_i和P_j之間的歐氏距離D_ij。

在步驟106，判斷步驟105中P_i和P_j之間的歐氏距離D_ij是否大于閾值T_D時(shí)，如果是，則進(jìn)入步驟107，否則進(jìn)入步驟103，為了排除短直線的干擾，將閾值T_D設(shè)置為10個(gè)像素。

在步驟107，以D_ij為長(zhǎng)邊，W₀為短邊構(gòu)造包含P_i和P_j的矩形R₀，以D_ij為長(zhǎng)邊，W₁為短邊在矩形R₀的兩側(cè)分別構(gòu)造矩形R₁和R₂，且矩形R₁和R₂的長(zhǎng)邊分別與矩形R₀的長(zhǎng)邊重合，為了使提取的直線與物體的實(shí)際邊界保持一致，將W₀將設(shè)置為為了對(duì)矩形R₀周圍的特征點(diǎn)數(shù)做出更為準(zhǔn)確的估計(jì)，將W₁設(shè)置為

在步驟108，統(tǒng)計(jì)矩形R₀、R₁和R₂中的特征點(diǎn)數(shù)，分別記為M₀、M₁和M₂，并對(duì)矩形R₀周圍的特征點(diǎn)數(shù)N_L用以下公式進(jìn)行估計(jì)：

N_L＝2max(M₁,M₂)+M₀ (6)

式(6)，max為求最大值函數(shù)。

在步驟109，用以下公式計(jì)算局部特征點(diǎn)密度ρ：

式(7)，和分別為矩形R₁和R₂的面積。

在步驟110，對(duì)矩形R₀進(jìn)行k等分，得到k個(gè)等面積的方格單元，記為r_t，t∈[1,k]，利用以下公式計(jì)算每個(gè)方格單元r_t至少包含一個(gè)局部特征點(diǎn)的概率：

式(8)，S_r和分別為方格單元r_t和矩形R₂的面積。

在步驟111，統(tǒng)計(jì)包含局部特征點(diǎn)的方格單元的數(shù)量C。

在步驟112，用以下公式計(jì)算k個(gè)方格單元中至少有C個(gè)方格單元包含特征點(diǎn)的概率P₀：

在步驟113，用以下公式計(jì)算虛警數(shù)N_FA：

在步驟114，判斷虛警數(shù)N_FA是否小于閾值δ，如果是，則進(jìn)入步驟115，否則進(jìn)入步驟103。為了保證提取結(jié)果的準(zhǔn)確性，將閾值δ設(shè)置為2。

在步驟115，輸出局部不變特征點(diǎn)中直線。

在步驟116，算法結(jié)束。