基于多尺度离散曲率的图像角点检测方法

传统的曲率计算方法对离散域上的局部变化和噪声敏感,使得角点检测准确率和定位存在偏差。为了减少上述问题,提出了一种多尺度离散曲率来计算曲率并检测角点。首先,用Canny边缘检测器处理输入图像,得到一个二值化边缘图,然后从边缘图中提取边缘轮廓,沿着轮廓填充缝隙,检测并标记T型角点;其次,在3个不同的平滑尺度下,用高斯函数对每条平面曲线进行平滑处理,再使用新的曲率度量方式,计算经平滑后每个轮廓上点的曲率,并将绝对曲率的局部极大值点作为各尺度的候选角点;最后,将候选角点曲率值与曲率阈值比较,大于曲率阈值的点定义为候选真实角点,并将3个尺度下均可检测到的候选角点作为真实角点。实验结果表明:本文算法对标准角点数据实验室图进行检测时,检测到的正确角点数为159,错误角点数为90,丢失角点数为16,定位误差为1.2572;对标准角点数据积木图进行检测时,检测到的正确角点数为46,错误角点数为13,丢失角点数为1,定位误差为1.0132。与现有的3种经典角点检测算法相比,本文的检测方法具有更好的角点检测性能。

边缘轮廓上基于CPDA的图像角点检测

针对现有的基于弦到点距离累积(CPDA)的角点检测方法无法准确、快速地检测相邻角点等问题,提出了一种基于CPDA的角点检测算法。首先,对不同的曲率阈值、角度阈值和弦长进行对比实验,选择1个可以准确检测相邻角点的弦长;其次,利用Canny边缘检测器检测边缘,再将弦长用于曲率估计,得到曲线上各像素点的曲率,利用曲率阈值判断是否为候选角点。最后,利用角度阈值将误检点去除,得到最终角点。实验结果表明,与CPDA和其他3种经典检测器相比,提出的检测器具有良好的角点定位性能。对于Checkerboard图来说,本算法检测器检测到的正确角点数为49,与标准检测情况具有相似的检测性能。对于Lab图来说,提出的检测器具有最佳的角点定位性能,其定位误差仅为1.477。与FAST、GCM和CPDA检测器相比,该检测器在漏检点数、误检点数和检测速度方面也获得了最佳性能。

基于多方向结构张量积的快速角点检测算法

针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。