[精品]现代检测论文

《[精品]现代检测论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、图像角点特征检测扌商要：本文结合实际应用背景，给出了一种基于改进］

2、

3、

4、波的角点检测算法。该算法具有较好的鲁棒性和低数据兀余性。介绍了Illi波变换和角点特征提取算法。关键词：角点检测；曲波变换；角点特征提取绪论特征提取是图像分析和图形匹配的基础，也是立体匹配的关键步骤z—。图像特征是由拍摄场景的物理与儿何特征使图像中局部区域的灰度产生明显变化而形成的。理论上，特征是图像灰度曲面的不连续点。在计算机视觉中，冇许多可供引用的图像特征，其中最常用的特征包括：结构特征、几何特征、统计特征和运动特征等。所讨论的特征提取工作着重丁•边缘和角点这两种结构特征。选取该类特征主要基

5、于两方面考虑：（1）这类特征具冇不变性,即在同一景物的不同视点的成像屮具有不变性。（2）边缘和角点特征具有能勾画出区域的形状、能被局部定义、可以传递人部分图像信息等许多优点。其中角点的定义比较I木I难，传统上定义，角点是指两条或多条总线边缘的交义点。从这个定义小可以推出以下两点：角点是一•个边缘点；角点至少在两个方向上的图像灰度有明显变化。角点的提取算法可分为两类：一类是基于边缘的算法，即利用边缘检测算了进行边缘检测，再沿着所得边缘录取曲率最大点或拐点作为角点；另一类是直接对灰度图像进行处理,可分为基于方向导数的方法和直接棊于图像的亮度对比关系的方法，如SUSAN算

6、法，以及基于数学形态学的方法。其中，基于灰度自相关函数的Harris/fj点检测算法是冃前应用比较广泛的检测方法。Harris算法具有较高的重复度和较低的误检率，但存在点的位宜偏差较大的缺点，在需要精确地点定位的应用屮不能满足要求。针对以上方法的不足，结合实际应用背最，给出了一种棊于改进曲波的角点检测算法。该算法具冇较好的鲁棒性和低数据兀余性。1.曲波变换曲波的构造是由脊波、多尺度脊波、带通滤波等几方面组合而成的。多尺度脊波定义如下屮厂272。）其中，7"）（兀，兀2）=/（2"厂灯2上2一£2）。用Q.,表示边长为「的二进制方形,则尺度脊波字典M是所有可能的尺度上

7、但尺度脊波字典Ms=｛（Q，Q）：QwQs，2w「｝的集合：。定义一组子带滤波器P。，A.o）将函数f分解到各子带中222这组滤波器将能量分布到个子带中：y;=/y;+zA.v;。特别地，建立一组滤波器①（）和屮2$，具有如下特性：①°是低通滤波器，其通带集中于^<1o屮2$是带通滤波器，其通带集中于

8、22^225+2]^基于上述内容，曲波变换系数可定义为其中，框架元素为乙二△，屮满足Parseval等式二工氏和厶?上的重构公式"2<几乙〉乙。下图所示为曲波变换流程图。2角点特征提取算法曲波变换的核心是脊波变换，因此在实现曲波变换的过程中也需要进行离散化，需要

9、在极坐标平面内进行插值，这将导致变换过程具冇很高的数据冗余性，而R很难精确重构。因此，在角点提取过程中采用有限脊波变换対曲波变换进行改进，提収的基于改进曲波的角点检测篦法具冇步骤如下：步骤一，子带分解。选収髙频滤波器G和低频滤波器H,将原始图像C（）分解成高频子带和低频子带。将高频子带按照方向分解成2"个子区域，并对低频子带进行采样，分解过程如下图所示。步骤二，图像分块。对选定的子带图像进行分块处理，针对■不同的子带分块大小可以不同，如可以分成8x8或16x16等，对每一子图像块进行有限脊波变换。步骤三，硕阈值去噪，选取全职阈值T=crj21og7V，其中er为噪声

10、方差，N为了块大小。步骤四，Mallat奇界值检测。根据Mallat奇界值检测原理，找出去噪后的每一图像块屮的模极大值点。利用式下式进行角点提取式中：s分解尺度；k子带；£子块的有限脊波变换系数；V8G；J)(i,j)分解尺度s下的8邻域；VB仏J)在Z方向的相邻了块；Vsup(M-)——s+1尺度下(i，J)的父块，U呵(心)=(¥，¥)；Vinf(/,J)—S-1尺度下(i，j)的四个子块。Vinf(/,./)={(2i・l,2j・l),(2i・l,2j),(2i,2j・l)⑵，2j)};由式(4.17)可以看出，利用曲波变换进行角点，不只在尺度空间进行检査，同

11、时沿不同的方向进行检测，虽然，该方法具有比小波更好的鲁棒性。参考文献[1]丁辉，付梦印.基于标志点识别的智能车辆视觉导航.光学技术，2005,31(6):864-868[2]丁辉,付梦印.基于相位角点检测的特性匹配.北京理工大学学报,2006,26(11):987-990⑶付梦卬，邓志红，刘彤.科能车辆导航技术.北京：科学出版社，2009