CN101794446A - 一种图像角点的线搜索式检测方法 - Google Patents
一种图像角点的线搜索式检测方法 Download PDFInfo
- Publication number
- CN101794446A CN101794446A CN 201010110067 CN201010110067A CN101794446A CN 101794446 A CN101794446 A CN 101794446A CN 201010110067 CN201010110067 CN 201010110067 CN 201010110067 A CN201010110067 A CN 201010110067A CN 101794446 A CN101794446 A CN 101794446A
- Authority
- CN
- China
- Prior art keywords
- nuclear
- class
- point
- pixel
- center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims description 29
- 230000014509 gene expression Effects 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 59
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 230000001629 suppression Effects 0.000 abstract 2
- 230000000149 penetrating effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000005764 inhibitory process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种图像角点的线搜索式检测方法,克服了传统图像角点检测方法在速度和准确性两方面难以兼顾的问题。本发明通过下述技术方案予以实现:作用一个以当前像素为中心核的圆掩模,在该掩模内搜索通过核的直线,如果存在一条直线不穿过核附近给定邻域以外的其它USAN区域,则当前像素点为角点。实施中分步骤设计了搜索线数目与搜索线上的检测点数,采取由粗及细分步过滤出候选角点的措施,避免了大计算量措施的过早介入,提高了检测速度;并提出了一种基于最大同值距离的新型非极大值抑制方法,结合多项新型伪响应抑制措施,有效地提高了本发明方法的准确度。实验结果表明该方法在准确性方面优于经典算法,且速度快,具有优良的综合性能。
Description
技术领域
本发明涉及图像处理中广泛存在的角点的检测方法,可应用于光流计算、目标识别、跟踪、运动估计和三维重构等涉及角点应用的计算机视觉场合。
背景技术
角点是图像的一个重要特征,具有旋转不变、不随光照条件改变而明显变化的鲁棒性识别条件,被广泛应用于光流计算、目标跟踪、运动估计和三维重构等场合。关于角点的定义,目前比较统一的说法是局部曲率最大的边缘点。一般的图像都包含大量的角点,有关方法的研究具有很强的通用性。大量学者开展过该特征检测方法的研究,比较经典而相对简单的方法有MIC方法,SUSAN方法,Harris方法等,目前使用最多的是Harris与SUSAN。学者Harris提出著名的plessey算子,该算法的突出优点是简单易实施,稳定性好,目前被广泛使用。缺点是定位精度不理想,尤其在“T”,“X”,“Y”类型的角点处;也容易丢失梯度不显著、或者大钝角模糊型的角点,另外计算时间比较长。1997年,Smith首次提出了USAN的概念,并基于此设计了SUSAN的角点检测方法,其最大优点是方法十分简单,具有积分特性,抗噪性能良好,定位精度不受角点类型的影响;缺点是由于实际图像存在大量模糊性边缘,容易产生伪响应或者易丢失真实角点,导致实际图像的检测率一般不及Harris算法,此外积分过程也导致耗时较多。MiroslavTrajkovic应快速要求提出了MIC算法。该算法有可能是目前灰度图像处理中最快的角点检测方法。令人遗憾的是该方法虽然简单,却易产生伪响应,尤其在斜直边缘或者模糊性边缘处;检测水平一般,对噪声也相当敏感。不过它的快速性思想却得到了很好的推广,纳入其它算法中可以加快速度。
这些经典方法的主要问题是检测执行时间较长,准确性水平不高;执行时间短的方法伪响应较多,检测性能比较差。故而设计一种检测水平高且执行时间又短的方法显得十分必要,尤其对于实时的计算机视觉应用场合更具价值。
发明内容
本发明提供一种检测速度快、准确率高的图像角点的线搜索式检测方法。
本发明通过下述技术方案予以实现:
一种图像角点的线搜索式检测方法,步骤如下:
步骤1初始过滤
分别以每个像素为核并以此核的中心为圆心,以8个像素单位为直径,做假想的第一类圆掩模,在该第一类圆掩模内搜索通过核中心的假想直线并将这些假想直线称为第一类搜索线,以关于核中心对称的圆掩模边界上的成对像素点为检验点,如果在所述第一类圆掩模内的同值收缩核USAN的以外区域能够找到作为检验点的成对像素点,则过所述成对像素点的第一类搜索线为第一类非穿越线,核中心落在第一类非穿越线上的核为第一类候选角点;否则,放弃所述核。
步骤2对线条及屋脊型图像边缘的第一类候选角点的伪响应抑制
分别以每个第一类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第二类圆掩模,在该第二类圆掩模内搜索通过核中心以及像素点的所有假想直线并将这些假想直线称为第二类搜索线,如果存在有至少一条第二类搜索线上的与核相邻且位于核两侧的像素点与核同值,则抑制掉所述核;否则,将所述核作为第二类候选角点,
步骤3搜索线的检验
步骤3.1对搜索线上的采样点进行检验
分别以每个第二类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第三类圆掩模,在该第三类圆掩模内搜索通过核的假想直线并将这些假想直线称为第三类搜索线,取n条第三类搜索线作为分割线,将第三类圆掩模分割成2n等份,n为分割线条数,再将位于分割线上且位于圆掩模内的像素点及亚像素点作为Z个采样点Pi(x,y),Z为采样点的个数,i为采样点编号,i=1,2,…,Z,x为采样点的横坐标,y为采样点的纵坐标,以核中心为原点O,以过同行像素点的分割线为X轴,以过同列像素点的分割线为Y轴,建立XOY正交坐标系,并以1个像素单位为坐标单位,再对位于禁检圆之外、第三类圆掩模以内的采样点进行检验,
如果在过每个核中心的所有分割线中存在有至少一条分割线且所述分割线上的所有采样点都位于第三类圆掩模内的同值收缩核USAN区域以外,则所述分割线为第三类非穿越线,将核中心落在所述第三类非穿越线上的核作为第三类候选角点;否则,放弃所述核,
所述禁检圆是以核中心为圆心、半径为4个像素单位的圆区域,
所述采样点为:
当|tanα|≤1时,采样点Pi的横坐标x为坐标单位整数倍,
采样点Pi的纵坐标y=x*tanα;
当|tanα|>1时,采样点Pi的纵坐标y为坐标单位整数倍,
采样点Pi的横坐标x=y*cotα,
其中,α为分割线与X轴的夹角,
步骤3.2抑制斜坡型图像边缘上的伪角点
分别以每个第三类候选角点为核,并以此核的中心为圆心,在第三类圆掩模内,如果过每个核的中心的任意一条第三类非穿越线上最外端的两个采样点亮度值满足: 则将核中心落在所述第三类非穿越线上的核予以抑制;否则,将所述核作为第四类候选角点,
步骤3.3基于最大同值距离的非极大值抑制确定最终图像角点
分别计算每个第四类候选角点的最大同值距离dMH,
设计假想的正方形窗口,该窗口以每个第四类候选角点为中心,窗口宽度为6个像素单位,分别比较每个正方形窗口内的所有候选角点的的值,从中选择出最大的值,并将最大的值所对应候选角点作为最终的图像角点,将每个正方形窗口内的其余值非最大的第四类候选角点抑制掉,
所述每个第四类候选角点的最大同值距离dMH指:每个第四类候选角点的所有第三类非穿越线的第一类最大同值距离中最小的一个值,
所述第一类最大同值距离指:在四类候选角点的任一条第三类非穿越线上,在禁检圆内,与核同值且距离核中心最远的点与核中心之间的距离,
所述的距离核最远的点为像素点或亚像素点。
本发明在适当增加搜索线数量的情况下有利于避免真实角点特征的丢失,加上多项伪响应抑制措施,使得本发明方法的检测率得到保证,提出的基于最大同值距离的非极大值抑制措施,保证了本发明方法的定位精度,有利于其超过经典的方法。采取由粗及细分步过滤出候选角点的措施,避免了大计算量措施的过早介入,这是本发明方法快速的重要原因。
本发明与经典的方法相比较取得了如下有益的效果:
首先介绍方法对比的评价标准:
评价图像特征检测的标准,主要有准确性(accuracy)与执行时间。准确性性能又包括两方面的性能:1)检测率;2)定位精度。
检测率包括正检率与误检率两方面。那些被检测出的真实角点记为:真阳性(truepositive,TP);那些本不是真实角点却被误检为角点的记为:假阳性(false positive,FP);那些本来是真实角点却未被检测出的记为:假阴性(false negative,FN)。正检率(detectionrate)计算公式:
误检率(error rate)计算公式:
定位精度由定位误差衡量,定位误差是指检测出的特征点位置与正确的特征点位置之间的偏差距离。平均定位误差的计算式:
其中n为图像中真实角点处(附近)正确响应的角点个数,伪响应不计入,(xt,yt)为检测的角点坐标值,(xr,yr)为参考的角点正确坐标值。
表1 四种角点检测方法在较多样本下的平均检测率
本发明方法与经典若干方法在人工典型角点图、积木图、房屋图的主观观察对比如图12、图13、图14。其中各图的图(a)是原图,图(b)是MIC方法的作用结果,图(c)是SUSAN方法的作用结果,图(d)是Harris方法的作用结果,图(e)是本发明方法的作用结果。从这些图的作用可知,本发明方法相比于经典的几种方法显示出了更高的检测水平,体现在不仅绝大部分真实特征能响应,而且伪响应也比较少。
表2 四个角点检测方法作用于不同高斯平滑
人工图的平均定位误差对比
根据前面给出的检测率标准,表1给出了几种方法在更多富含角点图像作用之后的检测率定量对比结果。结果表明:本发明方法正检率都明显高于经典的几种方法,且误检率也比它们低,达到了一个高的检测水平上。
以下给出原图在不同程度的高斯平滑下,几种方法在定位精度方面的对比实验结果:
其中表2是图12(人工图)通过高斯滤波不同程度的平滑模拟实际图的模糊情况,
表3 四个角点检测方法作用于不同高斯平滑
积木图的平均定位误差对比
表4 四个角点检测方法作用于不同高斯平滑
房屋图的平均定位误差对比
表3与表4则是图13与图14的实际图的不同程度高斯平滑,由于实际图本身就是模糊的,所以只进行到σ2=1的平滑,再高强度的平滑无意义。从此结果可知,本发明方法的定位精度总体上要优于经典的一些方法,尤其在低平滑程度上优势更突出。
表5 四个角点检测方法在较多样本下的执行时间范围
表5给出几种方法在执行时间方面的对比结果。
其中图像处理的时间会因图像尺寸、内容的不同而不同,即便是同一幅图,执行时间也不是恒定的,故在表5中给出了各算法在不同图像尺寸下的一个时间范围。为了更客观,表5的结果来自较多图像处理结果的统计。图像尺寸包括256×256分辨率的,也有更常用的640×480分辨率的实际灰度图像。测试使用的是CPU为AMD速龙1600+(1.4GHz)的PC机。从此结果可知,本发明方法的执行时间虽然略多于MIC,却仍然比Harris与SUSAN少了近一个数量级,执行时间总体上讲是快速的。
附图说明
图1是本发明方法的基本原理图,(a),(b),(c)图中,1,2,3均表示以当前像素为核,它也作为第一类或第三类圆掩模的圆心(核在此原理图中被理想化为一个点),4,5,6均表示第一类或第三类圆掩模,7,8,9所示的阴影区域均表示同值收缩核USAN区域;10,11,12表示禁检圆,13,14,15均表示第一类或第三类搜索线。
图2(a)是初始过滤示意图,图中每个方块代表一个像素,中心有黑点的是我们所关心的像素,其中第一类圆掩模边界上的像素点作为检验点,21表示圆掩模的核中心O0,22表示掩模边界上的任一像素点r,23表示r关于O0对称的点r′。在初始过滤步骤中,由于不关心亚像素点,所以核、像素与像素点在示意图中可视为同一层概念。
图2(b)中,24是穿过核中心和与核中心同列的圆掩模边界上的像素点的第一类搜索线,25是穿过核中心和与核同行的圆掩模边界上的像素点的第一类搜索线,26是第一类搜索线25与圆掩模边界的交点c,27是第一类搜索线25与圆掩模边界的交点d。
图3是线条型图像边缘易产生伪响应的示意图,阴影表示的像素组成了一线条型边缘,j是其中的一个边缘点,30表示一般边缘点j的第一步初始圆掩模,31表示图像中的亮区域,32表示图像中的暗区域,33,34表示用于判定j是第一类候选角点的初始过滤的成对检验点,k是真实角点。此处,边缘点与角点都是像素层面上的概念。
图4是对线条及屋脊型图像边缘的第一类候选角点的伪响应抑制原理图。
图5是基本检验过程中搜索线上Z个采样点的示意图。
图6是被误判为第三类候选角点的斜坡型边缘点与真实角点沿第三类非穿越线的亮度变化实际图像放大显示。每个像素放大到了一个明显的方块大小。61是斜坡型边缘点O1的第三类非穿越线,62是真实角点O2的第三类非穿越线。
图7是斜坡型边缘点与真实角点的区别原理图,(a)图表示第三类非穿越线上真实角点附近的亮度值变化曲线;(b)图表示第三类非穿越线上斜坡型边缘点附近的亮度值变化曲线。
图8是基于最大同值距离dMH的非极大值抑制确定最符合条件的真实角点的原理示意,,81表示图像中的亮区域,82的阴影区域表示图像中的暗区域,83表示第四类候选角点Oa的禁检圆,84表示第四类候选角点Ob的禁检圆,85表示Oa的第三类非穿越线,86表示Ob的第三类非穿越线。
图9是木块图,91、92、93表示真实角点。
图10是实施方案的流程图。
图11是步骤1初步滤波的流程图。
图12是MIC,SUSAN,Harris与本发明方法在人工角点汇集图上的作用效果,(a)为原始图,(b)为MIC检测效果,(c)为SUAN检测效果,(d)为Harris检测效果,(e)为本发明检测效果。
图13是MIC,SUSAN,Harris与本发明方法在木块图上的作用效果,(a)为原始图,(b)为MIC检测效果,(c)为SUAN检测效果,(d)为Harris检测效果,(e)为本发明检测效果。
图14是MIC,SUSAN,Harris与本发明方法在房屋图上的作用效果,(a)为原始图,(b)为MIC检测效果,(c)为SUAN检测效果,(d)为Harris检测效果,(e)为本发明检测效果。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明是一种图像角点的线搜索式检测方法,基本原理为:作用一个以当前像素为中心核的圆掩模,在该掩模内搜索通过核的直线,如果存在一条直线不穿过核附近给定邻域以外的其它USAN区域,则当前像素点为角点。基本原理为叙述简便,“以当前像素为中心核的圆掩模”指“以每个像素为核并以此核的中心为圆心作用圆掩模”;“通过核”指“通过核的中心”;搜索通过核的“直线”为假想的直线,在本发明中又称为“搜索线”;“不穿过核附近给定邻域以外的其它USAN区域的直线”称为“非穿越线”。核附近给定邻域由一个禁检圆划定,如图1中10,11,12所画的圆,有关概念将在具体实施方式的3.1步骤中说明。如图1(a)的角点处至少存在一条满足上述要求的搜索线,图中的13成为非穿越线;而对于边缘点或平坦区域则不存在这样的搜索线,如图1(b)和(c)中的14,15各搜索线均不能成为非穿越线。
本发明使用了USAN的概念,其由Smith学者在SUSAN角点检测方法中提出,以当前像素点为圆心作用一圆掩模,当前像素被称为掩模的“核”(nucleus)。在掩模内,由那些与核有着相同或相近亮度的像素组成的区域被称为“USAN”(Univalue SegmentAssimilating Nucleus,同值收缩核)。本发明并非对传统方法的改进,而是提出了一种图像角点的线搜索式检测方法,克服了经典角点检测方法不能同时兼顾准确性和快速性的缺点,从而提高角点检测的综合水平。
本发明中的“同值”类似Smith学者在SUSAN角点算法中对同值的定义,表示:与核有着相同或相近的亮度,即并非严格的与核是相等的亮度值,而是由USAN区域的阈值t划定。具体判别原则为:如果某像素点或亚像素点Pi满足: 则该点与核O的亮度同值或相近,为简便,统称“同值”,此刻该像素点或亚像素点Pi属于该核的同值收缩核USAN区域,其中IO示像素点或亚像素点Pi与核的亮度值,t是同值收缩核USAN区域亮度差异阈值,t的取值为2到40,例如,t取18;否则,即 像素点或亚像素点Pi不属于同值收缩核USAN区域。
本发明中的亮度与灰度是同一概念。
本发明中,“像素”是有大小的块;“像素点即整像素点”,从精确确定位置的角度来讲,指像素的中心点,即:区别于亚像素点的整像素点。
本发明中,核是当前像素,所以是像素层面上的概念。核的值,指核的亮度值,从精确的位置讲,指核中心点处,即整像素点处的亮度值,类似地,“与核同值”的含义为:与作为核的像素同亮度值,亮度值按整像素点处的位置获得。本发明中,除非提及亚像素级的位置精度,其它情况下的像素亮度值,均指像素中心点处的亮度值。
本发明中所述角点是按整像素级的精度来定位的,所以角点最终以像素(而不是亚像素)来确定,故而角点与像素是同一层面上的概念。
本发明中所述的圆掩模以内的区域包括圆掩模边界。
本发明中所述的同值收缩核USAN以外区域不包括同值收缩核USAN的边界。
本发明中所述的禁检圆之外的区域不包括禁检圆边界。
本发明中所述的采样点是进行检验的点,所以也称为“检验点”。
一个像素单位是指一个像素的边长。此处像素按理想的正方形块处理。
本发明实施的具体步骤如下:
给定一幅数字图像,图像默认是8位灰度图像,如果是彩色图像,则将R,G,B三种颜色分量值按加权方式获得任一像素点的亮度值,有关计算都有公知的方法。
步骤1 初始过滤
基本原理在第一步是如此体现的:具体实施时,分别以每个像素为核并以此核的中心为圆心,以8个像素单位为直径,做假想的第一类圆掩模,在该第一类圆掩模内搜索通过核中心的假想直线并将这些假想直线称为第一类搜索线,以关于核中心对称的第一类圆掩模边界上的每一对成对像素点一一作为检验点。如果在所述第一类圆掩模内,存在某成对像素点位于同值收缩核USAN的以外区域,则过所述成对像素点的第一类搜索线为第一类非穿越线,核中心落在第一类非穿越线上的核为第一类候选角点;否则,放弃所述核。
图2是步骤1的示意图,其中第一类圆掩模直径的衡量以过圆心的同行或同列的两端(边界上)像素中心的距离为准,所以对于8个像素单位的直径的圆实际需要同行或同列的9个像素为直径的实际圆来形成。
所述第一类圆掩模内包括了第一类圆掩模边界的像素。由于图像的离散特性,第一类圆掩模边界上的像素点不一定都恰好落在理想的直径为8个像素单位的圆弧上,只有行或列上的边界像素点正好落在理想的圆弧上,为方便及快速,本发明在这一步都以整像素点即像素点作为检验点,而非精确圆弧上的亚像素点作为检验点。
图2(a)中,以关于核21对称的且在第一类圆掩模边界上的任一成对像素r22与r′23作为检验点。图2(b)表示对于这样一种理想的锐角型角点,在第一类搜索线25上,按照前述该步的原理,将第一类圆掩模边界与此第一类搜索线的交点作为检验点,由于像素点c26和d27不在USAN区域内,可得:圆掩模的核成为第一类候选角点。
过滤时需遵守如下三点规则:1)在某第一类搜索线上,如果有一个检验点在同值收缩核USAN区域中,则所述第一类搜索线不是第一类非穿越线,继续其它新的第一类搜索线的检验;2)如果某第一类搜索线上的两个检验点都被确认不在同值收缩核USAN区域,则所述第一类搜索线成为第一类非穿越线,所述核作为第一类候选角点。3)经过第一类圆掩模的所有第一类搜索线检验后,不存在能成为第一类非穿越线的第一类搜索线,则放弃所述核。图11是本步骤在该规则下的流程图。其中Ir与Ir′分别表示图2(a)中的任一对像素r与r’的亮度值,表示所述核的亮度值。
初步过滤像素对大量不符合条件的像素进行了剔除,使得后续步骤只需在少量的第一类候选角点中进行检测,有利于提高整体的检测速度。实际的图像远没有图2(b)那么理想,经过该步有大量的边缘点成为了第一类候选角点。以下将逐步抑制伪角点。
步骤2 对线条及屋脊型图像边缘的第一类候选角点的伪响应抑制
在第一类候选角点中有大量的伪响应,包括线条及屋脊型图像边缘点,如图3所示,比如像素j,k在前一步之后可存在第一类非穿过越线,为此本步骤设计了如此的伪响应抑制器:
分别以每个第一类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第二类圆掩模,在该第二类圆掩模内搜索通过核中心以及像素点的所有假想直线并将这些假想直线称为第二类搜索线。对于任一核,如果存在有至少一条第二类搜索线,在该第二类搜索线上,与核相邻且位于核两侧的像素点与核同值,则抑制掉所述核;否则,将所述核作为第二类候选角点,
图3中以阴影表示的像素构成了线条型边缘。以其中的j边缘点为例,33,34作为第一步圆掩模边界上的成对检验点,由于均不在核(j)的USAN区域,使得j像素(点)被误认为角点,成为第一类候选角点。此处,边缘点、角点与像素是同一层概念。
图4是这一步的抑制伪响应原理示意,其中在核41的第二类圆掩模(这里圆掩模以直径为6个像素单位的圆示意,16个像素单位的情况类似)以内,搜索通过核中心以及像素点的所有假想直线。这里只关心通过整像素点及核的所有可能假想直线,对于图中的la,需检验a1,a2是否与核同值,如果符合条件,则所述的核33为伪角点,予以抑制,如果不是则继续检验lb,在该线上检验b1,b2是否与核同值,如果符合条件,则将所述核抑制,否则继续检验其它可能的假想直线。只要条件不符,则遍历通过第二类圆掩模内的整像素点及所述核的所有假想直线。遍历完后,如果不存这样的第二类搜索线,在该第二类搜索线上,与核相邻且位于核两侧的像素点与核同值,则保留所述核。
经过如此方法,图3中除了像素k(真实角点)外,其它线条型边缘点全被抑制掉。对于像素k,虽然也存在一条第二类搜索线,但所述第二类搜索线最靠近核的同值像素均分布在核的单侧,而其它方向不存在拥有与核相邻、同值且位于核两侧的整像素点的第二类搜索线,故不认为像素k是伪响应,得以保留,且作为第二类候选角点进入下一步筛选。
关于这一步有两点补充说明:
线条型边缘是人工图下的情形,实际拍摄的图像一般会将线条型边缘模糊化,反映为屋脊型边缘。屋脊型边缘点经第一步被当成第一类候选角点,以及在第二步被抑制器所抑制的原理,都与线条型边缘点的情况是类似的,不重复图示了。
本发明发现这些伪响应点即便通过之后的步骤也难以消除,因为它们也可能拥有之后步骤的第三类非穿过越线,而继续被误认为是伪角点,所以这一步对线条型、屋脊型边缘等伪响应的抑制是必不可少的。
这一步是在整像素点上操作,计算量小,放在之后步骤之前,可使后续复杂步骤在比第一类候选角点更少比例的像素点(第二类候选角点)上进行,有利于减小本发明方法的整体计算量,进一步提高执行速度。这种方式也是本发明方法基本思想中“由粗及细分步过滤出候选角点的措施,避免了大计算量措施的过早介入”的深刻反映。
这一步是在整像素点上操作,所以角点、边缘点、像素与像素点是同一层概念。
步骤3 搜索线的检验
步骤3.1对搜索线上的采样点进行检验
本发明方法的基本原理是在这一步得以充分体现的。
基本原理中提及:作用一个以当前像素为中心核的圆掩模。在这一步具体实施是:分别以每个第二类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第三类圆掩模。这里圆掩模直径的衡量类似步骤1,是以过圆心的同行或同列的两端(边界上)像素中心的距离为准。
基本原理中提及:在该掩模内搜索通过核的直线,这样的假想直线称为搜索线。考虑通过核的假想直线是无限的,实际显然不可能也无必要对无限条搜索线进行检验,具体实施中,取n条搜索线,将圆掩模分割成2n等分。由于其它步骤中也有搜索线,为明显区别,称之为“第三类搜索线”,圆掩模称之为“第三类圆掩模”。此刻的第三类搜索作为分割线,有n条,n通常取8或16。
基本原理中提及:如果存在一条直线不穿过核附近给定邻域以外的其它USAN区域,则当前像素点为角点。具体实施中,对于这些假想的直线(分割线)是否不穿过核附近给定邻域以外的其它USAN区域,是以圆掩模内位于分割线上的像素点及亚像素作为Z个采样点Pi(x,y),代表一条分割线进行检验,其中Z为采样点的个数,i为采样点编号,i=1,2,…,Z,x为采样点的横坐标,y为采样点的纵坐标,以核中心为原点O,以过同行像素点的分割线为X轴,以过同列像素点的分割线为Y轴,建立XOY正交坐标系,并以1个像素单位为坐标单位。
所述采样点为:
当|tanα|≤1时,采样点Pi的横坐标x为坐标单位整数倍,
采样点Pi的纵坐标y=x*tanα;
当|tanα|>1时,采样点Pi的纵坐标y为坐标单位整数倍,
采样点Pi的横坐标x=y*cotα,
其中,α为分割线与X轴的夹角,
这些采样点及α夹角等如图5。
基本原理中提及:“核附近给定邻域”,同时前面权利要求书与技术方案曾提及“禁检圆”,这里做如下解释:
在理想情况下,角点本应该是一个无大小的点,基本原理之非穿越线本应该不穿过除了该点的其它USAN区域,可参见图2(b)的理想情形所示。但在实际图像中,确定是否为角点的像素是有大小的块。不仅如此,无论实际的物体,还是拍摄的图像,角点被大量钝化、模糊化,这使得在真实角点的附近存在与所述角点同值的区域,该区域必须视为角点的一部分,不可以作为USAN区域被检验搜索线是否穿过;否则角点与其它类型的点无从区别。为了便于实现,用一个围绕作为候选角点(核)的较小的圆来定义核附近给定邻域,在该区域中,由于包含了被视为核的一部分的同值区,所以禁止进行检验操作,我们称之为“禁检圆”,半径表达为:rn(radius of no testing circle),如图5。禁检圆是以核中心为圆心、半径为4个像素单位的圆区域。
至此,那些位于禁检圆之外的USAN区域便构成了“核附近给定邻域以外的其它USAN区域”,在这一步只对位于禁检圆之外、第三类圆掩模以内的分割线上的采样点进行检验。
按基本原理所述,在这一步具体的判断措施是:如果在过每个核中心的所有分割线中存在有至少一条分割线且所述分割线上的所有采样点都位于第三类圆掩模内的同值收缩核USAN区域以外,则所述分割线为第三类非穿越线,将核中心落在所述第三类非穿越线上的核作为第三类候选角点;否则,放弃所述核。其中在对每个核进行判断时,所述核作为当前像素;采样点的个数Z,由分割线倾斜角、禁检圆大小、第三类圆掩模大小决定,如图5。
图5中,rn表示的是禁检圆的半径,是4个像素单位。分割线S与禁检圆交于K点,与圆掩模边界交于L点,KL确定了检验点的采样范围。e,g等空心点表示像素点的精确位置。KL之间的亚像素点P1(x,y)、P2(x,y)、P3(x,y)以及像素P4(x,y)作为KL段采样点来进行检验。图中的KL倾斜角|tanα|≤1,采样点横坐标x为坐标单位整数倍,采样点分别处在上下两个整像素点之间,他们的亮度值可由上下两个整像素点使用公知的单线性插值得到。单线性插值需要获悉采样点在两整像素点所处的位置,最终线性插值与采样点的与上下像素点的距离有关,以第i个采样点Pi(x,y)为例:
横坐标x是坐标单位整数倍,纵坐标y=x*tanα
其中显然0≤k≤1,k是与亚像素点Pi(x,y)(在e,g之间)位置有关的距离权值。以上整像素点与亚像素点的坐标均为局部坐标系XOY的值,亮度值的获得还需要事先将坐标转化为图像的全局坐标,即需要将局部坐标叠加上坐标系XOY原点O在图像中的全局坐标。以整像素点g为例,其在图像中的全局坐标为其中(xGO,yGO)为原点O(当前核)在图像中的全局坐标。所以其它整像素点亮度值的获得也是类似的。
对于分割线倾斜角|tanα|>1的情况,采样点纵坐标x为坐标单位整数倍,采样点分别处在左右两个整像素点之间,他们的亮度值可由左右两个整像素点使用公知的单线性插值得到,方法同前所述。
图5中的P5(x,y)、P6(x,y)、P7(x,y)、P8(x,y)与KL上的采样点关于圆心对称分布在分割线S的另一侧。亮度值的计算类似。
对于任一个像素点或亚像素点是否在核的USAN区域内,前面已有介绍,此处略。
这一步过滤时需遵守如下三点规则:1)在某分割线上,如果有一个采样点在同值收缩核USAN区域中,则所述分割线不是第三类非穿越线,继续其它新的分割线的检验;2)如果某第一类搜索线上的所有采样点都被确认不在同值收缩核USAN区域,所述分割线成为第三类非穿越线,所述核(当前像素)作为第三类候选角点。3)经过第三类圆掩模的所有n条分割线的检验后,不存在能成为第三类非穿越线的分割线,则放弃所述核。
步骤3.2抑制斜坡型图像边缘上的伪角点
实际图像由于传感器的低频特性,边缘基本上是模糊的,并且大部分是斜坡型边缘。经过上一步分割线上的所有采样点检验过程后,虽然清除掉大量的边缘点,但是斜坡型边缘上仍有少量点被误判为是第三类候选角点。本发明发现在第三类非穿越线上,真实角点的亮度沿着第三类非穿越线是一个极值,其亮度方向导数通常会改变符号的正负性,如图6放大显示的实际图像之真实角点O2沿其第三类非穿越线的情况,图7(a)是用曲线表达I随l的变化情况。而第三类候选角点中的斜坡型边缘点在第三类非穿越线上是中间亮度值点,亮度不是极值,通常单调递增或递减,即亮度沿第三类非穿越线的方向导数通常不会改变符号,如图6放大显示的实际图像之O1点沿其第三类非穿越线的情况,图7(b)是用曲线表达I随l的变化情况。因此,通过判断亮度方向导数沿第三类非穿越线是否改变符号能抑制这样的斜坡型边缘点伪响应。为了简便,以的符号正负性来判别,在图6中,h=1或2。具体实施如下:
分别以每个第三类候选角点为核,并以此核的中心为圆心,在第三类圆掩模内,如果过每个核的中心的任意一条第三类非穿越线上最外端的两个采样点亮度值满足: 则将核中心落在所述第三类非穿越线上的核予以抑制;否则,将所述核作为第四类候选角点,
步骤3.3基于最大同值距离的非极大值抑制确定最终图像角点
几乎所有的角点检测方法中,都会面临这样一个问题:在实际图像的角点及其邻域,往往有一群候选角点而不是仅仅一个像素点可满足相应方法的核心思想与条件。目前这些角点检测方法都使用一种称为“非极大值抑制”的措施来确定最符合条件的唯一角点。所谓非极大值抑制指最终最符合条件的所有真实特征在相应方法定义下的某种度量值应该都是各自局部范围内的最大值,统称“极大值”,而它们各自附近的其它候选特征度量值非极大,需要抑制。因此得名“非极大值抑制”。
然而按本发明的基本原理,没有出现可作为非极大值抑制的度量值。为此,提出了一种新的非极大值抑制方法。
首先提出了最大同值距离dMH(maximal homo-value distance)这一概念:在已找到的某第三类非穿越线上,从禁检圆外侧往里,接近核的某一段必然是与核同值的。在有关第三类非穿越线上,与核同值,且最远的点确定了一个第一类最大同值距离,因为其它点确定的同值距离比它小(就一侧而言),如图8的第四类候选角点Oa(Oa为像素,以下涉及Oa与某点的距离,指像素Oa的中心点与所述点的距离)的第三类非穿越线85上,Hw是与Oa同值且距离Oa最远的点。距离核最远的点为像素点或亚像素点。其它在Hw与Oa之间的同值点距离Oa都比前者近。另外,Oa沿第三类非穿越线85的另一方向也需要计算与Oa距离最远的同值点,然后比较两侧哪一个更大,作为Oa最终的第一类最大同值距离dMH。图8的Hw是Oa的第一类最大同值距离的点,第一类最大同值距离即Hw与Oa之间的距离。
由于对第四类候选角点可能存在不止一条第三类非穿越线,规定第四类候选角点的最大同值距离dMH指:第四类候选角点的所有第三类非穿越线上的第一类最大同值距离中最小的一个值。
最符合条件的角点(真实的角点)按照公知的概念与定义应该具有局部曲率最大或者角点顶角最尖,本发明基于这一事实发现这对应于在第三类非穿越线上最符合条件的角点具有最小的最大同值距离dMH。如图8中(图中的每个方格代表一个像素点)的Hw与Hv点分别确定了第四类候选角点Oa与Ob的最大同值距离dMH(此刻假设第一类最大同值距离就是最终的最大同值距离)。如图8中真实角点Ob的最大同值距离dMH比附近的第四类候选角点Oa的更小。本步骤中,非极大值抑制方法以作为度量值,即真实的角点应该在其邻域内诸多候选角点中拥有最大的
具体实施步骤如下:
分别计算每个第四类候选角点的最大同值距离dMH,
设计假想的正方形窗口,该窗口以每个第四类候选角点为中心,窗口宽度为6个像素单位,分别比较每个正方形窗口内的所有候选角点的的值,从中选择出最大的值,并将最大的值所对应候选角点作为最终的图像角点,将每个正方形窗口内的其余值非最大的候选角点抑制掉,
关于最大同值距离dMH的计算方法,以图8中的第四类候选角点Oa点为例,介绍如下:
为方便,假设第三类非穿越线的倾斜角|tanα|≤1,在第三类非穿越线上,Oa的第一类最大同值距离的点Hw点左右两侧必存在两个采样点Px与Py,它们的横坐标取连续的整数坐标值,且靠近核的Px一定与核同值,更远的Py则一定与核非同值。采样点Px与Py类似3.1步骤中的采样点Pi(x,y),但此处的Px与Py不规定在禁检圆之外,一般在禁检圆以内(有少数情况Py可能在禁检圆之外,但Px一定在禁检圆之内)。具体操作可以沿第三类非穿越线从禁检圆外侧往里,如果某亚像素点(横坐标为整数)与核同值,则以此点作为Px,刚刚经过的与核非同值的亚像素点作为Py。采样点Px与Py亮度值的计算类似3.1步骤中的采样点Pi(x,y)的计算,采用公知的单线性插值即可。
同值点Hw与Px的距离可由Px与Py的亮度值,以及PxPy之间的距离,按公知的单线性插值得到。此处的单线性插值(或称线性插值)虽原理上与前面的线性插值相同,但前面的线性插值是根据两点的亮度、待计算点在两点之间的位置来计算待计算点的亮度值,即由位置(或者说与两点的距离)获得亮度值;而此处则是根据同值点Hw的亮度值确定Hw与Px的距离dHP。
所以需要先确定同值点Hw的确切亮度值。本发明中的同值并非与核(第四类候选角点)是严格相同亮度值,而是由USAN的阈值t决定的一个相近亮度值。Px的亮度值处于阈值t确定的核亮度值附近的一个范围,而Hw则必处于阈值t确定的核亮度值附近范围的边界上。确定的计算式为:
如果 则
否则,
Claims (1)
1.一种图像角点的线搜索式检测方法,其特征在于,步骤如下:
步骤1初始过滤
分别以每个像素为核并以此核的中心为圆心,以8个像素单位为直径,做假想的第一类圆掩模,在该第一类圆掩模内搜索通过核中心的假想直线并将这些假想直线称为第一类搜索线,以关于核中心对称的圆掩模边界上的成对像素点为检验点,如果在所述第一类圆掩模内的同值收缩核USAN的以外区域能够找到作为检验点的成对像素点,则过所述成对像素点的第一类搜索线为第一类非穿越线,核中心落在第一类非穿越线上的核为第一类候选角点;否则,放弃所述核。
步骤2对线条及屋脊型图像边缘的第一类候选角点的伪响应抑制
分别以每个第一类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第二类圆掩模,在该第二类圆掩模内搜索通过核中心以及像素点的所有假想直线并将这些假想直线称为第二类搜索线,如果存在有至少一条第二类搜索线上的与核相邻且位于核两侧的像素点与核同值,则抑制掉所述核;否则,将所述核作为第二类候选角点,
步骤3搜索线的检验
步骤3.1对搜索线上的采样点进行检验
分别以每个第二类候选角点为核、并以此核的中心为圆心,以16个像素单位为直径,做假想的第三类圆掩模,在该第三类圆掩模内搜索通过核的假想直线并将这些假想直线称为第三类搜索线,取n条第三类搜索线作为分割线,将第三类圆掩模分割成2n等份,n为分割线条数,再将位于分割线上且位于圆掩模内的像素点及亚像素点作为Z个采样点Pi(x,y),Z为采样点的个数,i为采样点编号,i=1,2,…,Z,x为采样点的横坐标,y为采样点的纵坐标,以核中心为原点O,以过同行像素点的分割线为X轴,以过同列像素点的分割线为Y轴,建立XOY正交坐标系,并以1个像素单位为坐标单位,再对位于禁检圆之外、第三类圆掩模以内的采样点进行检验,
如果在过每个核中心的所有分割线中存在有至少一条分割线且所述分割线上的所有采样点都位于第三类圆掩模内的同值收缩核USAN区域以外,则所述分割线为第三类非穿越线,将核中心落在所述第三类非穿越线上的核作为第三类候选角点;否则,放弃所述核,
所述禁检圆是以核中心为圆心、半径为4个像素单位的圆区域,
所述采样点为:
当|tanα|≤1时,采样点Pi的横坐标x为坐标单位整数倍,
采样点Pi的纵坐标y=x*tanα;
当|tanα|>1时,采样点Pi的纵坐标y为坐标单位整数倍,
采样点Pi的横坐标x=y*cotα,
其中,α为分割线与X轴的夹角,
步骤3.2抑制斜坡型图像边缘上的伪角点
分别以每个第三类候选角点为核,并以此核的中心为圆心,在第三类圆掩模内,如果过每个核的中心的任意一条第三类非穿越线上最外端的两个采样点亮度值满足: 则将核中心落在所述第三类非穿越线上的核予以抑制;否则,将所述核作为第四类候选角点,
步骤3.3基于最大同值距离的非极大值抑制确定最终图像角点
分别计算每个第四类候选角点的最大同值距离dMH,
设计假想的正方形窗口,该窗口以每个第四类候选角点为中心,窗口宽度为6个像素单位,分别比较每个正方形窗口内的所有候选角点的的值,从中选择出最大的值,并将最大的值所对应候选角点作为最终的图像角点,将每个正方形窗口内的其余值非最大的第四类候选角点抑制掉,
所述每个第四类候选角点的最大同值距离dMH指:每个第四类候选角点的所有第三类非穿越线的第一类最大同值距离中最小的一个值,
所述第一类最大同值距离指:在四类候选角点的任一条第三类非穿越线上,在禁检圆内,与核同值且距离核中心最远的点与核中心之间的距离,
所述的距离核最远的点为像素点或亚像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101100672A CN101794446B (zh) | 2010-02-11 | 2010-02-11 | 一种图像角点的线搜索式检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101100672A CN101794446B (zh) | 2010-02-11 | 2010-02-11 | 一种图像角点的线搜索式检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101794446A true CN101794446A (zh) | 2010-08-04 |
CN101794446B CN101794446B (zh) | 2011-12-14 |
Family
ID=42587118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101100672A Expired - Fee Related CN101794446B (zh) | 2010-02-11 | 2010-02-11 | 一种图像角点的线搜索式检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101794446B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339464A (zh) * | 2011-09-01 | 2012-02-01 | 上海大学 | 线搜索式角点检测方法 |
GB2514397A (en) * | 2013-05-23 | 2014-11-26 | Linear Algebra Technologies Ltd | Corner detection |
CN104992144A (zh) * | 2015-06-11 | 2015-10-21 | 电子科技大学 | 遥感图像中输电线与公路的区分方法 |
CN105787912A (zh) * | 2014-12-18 | 2016-07-20 | 南京大目信息科技有限公司 | 一种基于分类的阶跃型边缘亚像素定位方法 |
CN106682678A (zh) * | 2016-06-24 | 2017-05-17 | 西安电子科技大学 | 一种基于支撑域的图像角点检测和分类方法 |
CN107909555A (zh) * | 2017-11-27 | 2018-04-13 | 北京大恒图像视觉有限公司 | 一种保持锐度的网格噪声消除方法 |
CN112308797A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
CN113643176A (zh) * | 2021-07-28 | 2021-11-12 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种肋骨显示方法和装置 |
CN113888456A (zh) * | 2020-07-01 | 2022-01-04 | 长春工业大学 | 一种基于轮廓的角点检测算法 |
CN116228634A (zh) * | 2022-12-07 | 2023-06-06 | 辉羲智能科技(上海)有限公司 | 用于图像检测的距离变换计算方法、应用、终端及介质 |
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050008247A (ko) * | 2003-07-14 | 2005-01-21 | (주)워치비젼 | 스포츠 비디오에서의 3차원 그래픽 영상 합성을 위한 장치및 방법 |
CN101216941A (zh) * | 2008-01-17 | 2008-07-09 | 上海交通大学 | 剧烈光照变化下基于角点匹配与光流法的运动估计方法 |
CN101251926A (zh) * | 2008-03-20 | 2008-08-27 | 北京航空航天大学 | 一种基于局部轮廓协方差矩阵的遥感图像配准方法 |
CN101458814A (zh) * | 2007-12-13 | 2009-06-17 | 东软集团股份有限公司 | 一种用于从图像中分割对象感兴趣区域的方法和装置 |
CN101477687A (zh) * | 2009-01-22 | 2009-07-08 | 上海交通大学 | 复杂背景下的棋盘格角点检测方法 |
-
2010
- 2010-02-11 CN CN2010101100672A patent/CN101794446B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050008247A (ko) * | 2003-07-14 | 2005-01-21 | (주)워치비젼 | 스포츠 비디오에서의 3차원 그래픽 영상 합성을 위한 장치및 방법 |
CN101458814A (zh) * | 2007-12-13 | 2009-06-17 | 东软集团股份有限公司 | 一种用于从图像中分割对象感兴趣区域的方法和装置 |
CN101216941A (zh) * | 2008-01-17 | 2008-07-09 | 上海交通大学 | 剧烈光照变化下基于角点匹配与光流法的运动估计方法 |
CN101251926A (zh) * | 2008-03-20 | 2008-08-27 | 北京航空航天大学 | 一种基于局部轮廓协方差矩阵的遥感图像配准方法 |
CN101477687A (zh) * | 2009-01-22 | 2009-07-08 | 上海交通大学 | 复杂背景下的棋盘格角点检测方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339464A (zh) * | 2011-09-01 | 2012-02-01 | 上海大学 | 线搜索式角点检测方法 |
GB2514397A (en) * | 2013-05-23 | 2014-11-26 | Linear Algebra Technologies Ltd | Corner detection |
GB2514397B (en) * | 2013-05-23 | 2017-10-11 | Linear Algebra Tech Ltd | Corner detection |
CN105787912A (zh) * | 2014-12-18 | 2016-07-20 | 南京大目信息科技有限公司 | 一种基于分类的阶跃型边缘亚像素定位方法 |
CN105787912B (zh) * | 2014-12-18 | 2021-07-30 | 南京大目信息科技有限公司 | 一种基于分类的阶跃型边缘亚像素定位方法 |
CN104992144A (zh) * | 2015-06-11 | 2015-10-21 | 电子科技大学 | 遥感图像中输电线与公路的区分方法 |
CN104992144B (zh) * | 2015-06-11 | 2018-05-29 | 电子科技大学 | 遥感图像中输电线与公路的区分方法 |
CN106682678A (zh) * | 2016-06-24 | 2017-05-17 | 西安电子科技大学 | 一种基于支撑域的图像角点检测和分类方法 |
CN106682678B (zh) * | 2016-06-24 | 2020-05-01 | 西安电子科技大学 | 一种基于支撑域的图像角点检测和分类方法 |
CN107909555A (zh) * | 2017-11-27 | 2018-04-13 | 北京大恒图像视觉有限公司 | 一种保持锐度的网格噪声消除方法 |
CN107909555B (zh) * | 2017-11-27 | 2020-06-02 | 北京大恒图像视觉有限公司 | 一种保持锐度的网格噪声消除方法 |
CN113888456A (zh) * | 2020-07-01 | 2022-01-04 | 长春工业大学 | 一种基于轮廓的角点检测算法 |
CN113888456B (zh) * | 2020-07-01 | 2024-05-24 | 长春工业大学 | 一种基于轮廓的角点检测方法 |
CN112308797A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
CN112308797B (zh) * | 2020-10-30 | 2024-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
CN113643176A (zh) * | 2021-07-28 | 2021-11-12 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种肋骨显示方法和装置 |
CN113643176B (zh) * | 2021-07-28 | 2024-05-28 | 东软医疗***股份有限公司 | 一种肋骨显示方法和装置 |
CN116228634A (zh) * | 2022-12-07 | 2023-06-06 | 辉羲智能科技(上海)有限公司 | 用于图像检测的距离变换计算方法、应用、终端及介质 |
CN116228634B (zh) * | 2022-12-07 | 2023-12-22 | 辉羲智能科技(上海)有限公司 | 用于图像检测的距离变换计算方法、应用、终端及介质 |
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
CN117114971B (zh) * | 2023-08-01 | 2024-03-08 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN101794446B (zh) | 2011-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101794446B (zh) | 一种图像角点的线搜索式检测方法 | |
CN101887586B (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
CN108986126A (zh) | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN103310196B (zh) | 感兴趣区域与方向元素的手指静脉识别方法 | |
CN108960229A (zh) | 一种面向多方向的文字检测方法和装置 | |
CN101499168B (zh) | 基于脊线跟踪与海森矩阵的结构光光条中心提取方法 | |
CN106530347A (zh) | 一种稳定的高性能圆特征检测方法 | |
CN107507170A (zh) | 一种基于多尺度图像信息融合的机场跑道裂缝检测方法 | |
CN109859226A (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
CN109816051B (zh) | 一种危化品货物特征点匹配方法及*** | |
CN108830899A (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
CN104715491A (zh) | 一种基于一维灰度矩的亚像素边缘检测方法 | |
CN109448059A (zh) | 一种快速x角点亚像素检测方法 | |
CN109902576A (zh) | 一种头肩图像分类器的训练方法及应用 | |
CN104282001A (zh) | 增强图像特征二值描述子性能的方法 | |
CN106339710A (zh) | 一种边缘宽度缺陷检测方法及装置 | |
CN109325958A (zh) | 一种基于轮廓精化和改进广义霍夫变换的近岸船只检测方法 | |
CN102289677A (zh) | 一种基于主元分析的图像分析方法及应用于织物瑕疵检测的方法 | |
CN110390338A (zh) | 一种基于非线性引导滤波与比率梯度的sar高精度匹配方法 | |
CN108734059A (zh) | 室内移动机器人物体识别方法 | |
CN108629227A (zh) | 在图像中确定车辆左右边界的方法及*** | |
CN107480710A (zh) | 特征点匹配结果处理方法和装置 | |
CN115880303A (zh) | 用于pcb板圆孔的亚像素精度定位检测方法及*** | |
CN103955929B (zh) | 图像局部边缘模式与非边缘模式判断方法及判断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20100804 Assignee: JIANGSU YUYUE MEDICAL EQUIPMENT&SUPPLY Co.,Ltd. Assignor: Southeast University Contract record no.: 2013320000104 Denomination of invention: Line search type detection method of image corner point Granted publication date: 20111214 License type: Exclusive License Record date: 20130314 |
|
LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111214 |