用于矿山井筒环境下的模糊图像角点提取方法

摘要

本发明涉及一种用于矿井环境下的模糊图像角点提取方法，包括提出了使用内模板对图像进行区域判别，快速识别出平坦域、角点域，避免对平坦域进一步判别；使用最大熵算法结合区域特性对角点域内的图像进行分割为背景区域和前景区域，以便后继根据不同区域选择相应的角点阈值进行角点提取；根据检测点的角点域状态，使用外模板提取出候选角点；对候选角点进行去伪操作，去除边缘上的毛刺点和窄带上满足角点响应函数的伪角点，获得最终的真角点。实验结果表明，本发明在保证实时性的前提下，相比较现有的角点提取算法应用于光照不均的模糊的井筒图像具有更高的提取精度和更好的鲁棒性。

主权项

一种用于矿井环境下的模糊图像角点提取方法，其特征在于，包括以下步骤：步骤1，使用内模板对图像进行区域判别，识别出平坦域和角点域；步骤1的实现方式为，预定义内模板，所述内模板包含均匀分布在一个圆环上的4个像素，基于内模板以图像中每个像素点为待检测点分别进行以下局部运算，设内模板的中心点位于待检测点X，内模板覆盖的图像上像素点分别为P、P'、Q和Q'点，根据预设的像素灰度差异度阈值T_d计算内模板所覆盖的四个像素点P、P'、Q和Q'和待检测点X之间的差异度n_d(P)、n_d(P')、n_d(Q)、n_d(Q')，根据以下函数判断待检测点X在平坦域或角点域，$F_{Corner}\left(X\right)=\left\{\begin{array}{cc}1& \Sigma \left(n_b\right(P)+n_d\left(P^{\prime }\right)+n_d\left(Q\right)+n_d\left(Q^{\prime }\right)\le 2\\ 0& \Sigma \left(n_d\right(P)+n_d\left(P^{\prime }\right)+n_d\left(Q\right)+n_d\left(Q^{\prime }\right)>2\end{array}\right.$其中，$n_d\left(Y\right)=\left\{\begin{array}{cc}1& |f_Y-f_X|>T_d\\ 0& |f_Y-f_X|\le T_d\end{array}\right.,$Y＝P、P'、Q、Q'，f_Y和f_X为像素点Y和待检测点X的像素灰度值；当F_Corner(X)为1时，X位于平坦域内，当F_Corner(X)为0时，X位于角点域内；步骤2，对图像的角点域进行分割得到背景区域和前景区域；步骤2的实现方式为，使用最大熵算法结合区域特性对图像的角点域进行分割，所得背景区域记为A，前景区域记为B；步骤3，针对角点域内的所有检测点分别进行角点域状态判别，判别时采用的两点间状态差异度阈值根据步骤2的分割结果设定；步骤3的实现方式为，对位于角点域的待检测点X，继续确定内模板所覆盖的四个像素点P、P'、Q和Q'与角点域的待检测点X相比的明暗状态S_X→P、S_X→P'、S_X→Q和S_X→Q'，根据以下角点域状态判别函数判断待检测点X在邻域内位于亮区域或者暗区域，S_X＝Σ(S_X→P+S_X→P'+S_X→Q+S_X→Q')其中，状态比较函数为$S_{X\to Y}=\left\{\begin{array}{cc}-1& f_X-f_Y<-T_C\\ 0& |f_X-f_Y|\le T_C\\ 1& f_X-f_Y>T_C\end{array}\right.,$Y＝P、P'、Q、Q'，f_Y和f_X为像素点Y和待检测点X的像素灰度值，两点间状态差异度阈值$T_C=\left\{\begin{array}{cc}T/10& X\in A\\ T/2& X\in B\end{array}\right.,$T为区域分割阈值；当S_X为正数时，位于角点域的待检测点X在邻域内位于亮区域，当S_X为负数时，位于角点域的待检测点X在邻域内位于暗区域，当S_X为0时，将内模板顺时针旋转45度，根据新覆盖的四个像素点P、P'、Q和Q'重新计算S_X；步骤4，根据步骤3所得检测点的角点域状态，使用外模板计算角点判别函数，提取出候选角点；步骤5，对步骤4所得候选角点进行去伪操作，获得最终的真角点。