专利名称：用于矿山井筒环境下的模糊图像角点提取方法
技术领域：
本发明涉及矿井安全和数字图像处理技术领域，尤其涉及一种用于矿山井筒环境下的模糊图像角点提取方法。
背景技术：
矿山井筒环境下光照不均，随着图像处理技术的发展，矿山井筒视频场景实时拼接和故障点智能检测引起了重视，而针对图像的角点提取是数字图像处理和计算机视觉领域中的一个基本而关键的问题，是实现矿山井筒图像的配准拼接、场景分析以及故障检测的基础。具体而言，角点提取指的是利用数字图像的某些特性，如颜色、形状、灰度等提取出图像中的少量的包含图像丰富信息和重要特征的角点提取出来的过程。近些年来，许多研究人员对角点提取算法进行了大量的研究，其中经典的HARRIS算法、SUSAN算法、MIC算法以及SIFT算法等被广泛应用于特征点的提取。在此基础上许多学者对上述算法进行改进，以适应不同的应用背景。但由于矿山井筒采集的视频图像分辨率低，人工光源使得成像时图像光照不均，质量较差，背景区域对比度低，前景物区域对比度高；加之井筒内环境复杂,运动罐笼环境下的视频采集使得视频图像成像时,物体边缘出现模糊等问题。已有的角点提取算法处理的图像有着较高的对比度和较强的纹理特性，针对光照不均的模糊井筒视频图像的特征点提取效果较差。一种情况是前景区域检测到较多的真角点，而背景区域丢失了大量的真角点，另一种情况是背景区域检测到了较多的真角点，而前景区域却检测到大量的伪角点，并且边缘区域的角点几乎检测失效。另外，从时效方面分析，角点提取过程在整个图像处理中是一个相对耗时的过程，已有方法对图像中每个像素点进行判别，或者对图像进行滤波平滑后计算各像素点不同方向上的梯度变化，确定邻域内梯度变化最大的点为角点，或者利用圆形模板对每个像素点进行扫描运算，根据模板内的核值面积确定角点响应。窗口滤波和模板运算对算法的时间复杂度有着直接的影响，小模板和小窗口计算量小但增大错误角点的提取概率，而较大的模板和窗口增加了算法的计算量。已有的角点提取算法由于计算时间长而满足不了井筒图像处理的实时需求。
发明内容
针对上述存在的技术问题，本发明的目的是提供一种用于矿井环境下的模糊图像角点提取方法，以高精度且实时性地对具有光照不均、模糊等特性的井筒图像进行有效的角点提取。本发明的技术方案为一种用于矿井环境下的模糊图像角点提取方法，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。而且，步骤I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’、0和Q’点，根据预设的像素灰度差异度阈值Td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nd (P)、nd (P’)、nd (Q)、nd (Q’)，根据以下函数判断待检测点X在平坦域或角点域，
权利要求
1.一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。
2.根据权利要求1所述用于矿井环境下的模糊图像角点提取方法，其特征在于:步骤I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Td计算内模板所覆盖的四个像素点P、P’、0和0’和待检测点X之间的差异度nd (P)、nd (P’)、nd (Q)、nd (Q’)，根据以下函数判断待检测点X在平坦域或角点域，
3.根据权利要求2所述用于矿井环境下光照不均的模糊图像角点提取方法，其特征在于: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。
4.根据权利要求3所述用于矿井环境下的模糊图像角点提取方法，其特征在于: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Sx —p、Sx —p，、Sx —0和Sx —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，
5.根据权利要求4所述用于矿井环境下的模糊图像角点提取方法，其特征在于:步骤4的实现方式为，预定义一个圆环形的外模板，利用外模板以角点域内的每个像素为待检测点分别进行以下运算， 设外模板的中心点位于待检测点X，根据步骤3确定的角点域状态计算外模板覆盖的任意一像素点Z对待检测点X的贡献函数如下，
6.根据权利要求5所述用于矿井环境下的模糊图像角点提取方法，其特征在于:步骤5所述对步骤4所得候选角点进行去伪操作，包括去除满足角点判别函数的真角点附近的伪角点、窄带上的伪角点、噪声点及边缘上的毛刺点。
7.根据权利要求6所述用于矿井环境下的模糊图像角点提取方法，其特征在于:所述去除满足角点判别函数的真角点附近的伪角点实现方式为，在每个候选角点的邻域内取Fc(X)值最大的一个作为真角点。
8.根据权利要求6所述用于矿井环境下的模糊图像角点提取方法，其特征在于:所述去除窄带上的伪角点实现方式为，当外模板覆盖的候选角点存在两个角点贡献域时，将候选角点记为检测点X，过X点做垂直于向量的直线ZXZ’，直线上像素点Mtl, M1, M2, M3分布在X两端，分别距X为2像素、I像素、I像素和2像素的距离，根据计算窄带伪角点判别函数如下， Nbind = Fs (M0 ,X) +Fs (M1 ,X) +Fs (M2 ,X) +Fs (M3, X) F Jl Nbmd >=2 1 ^bmd <2 其中，Fs (M0, X)，Fs (M1, X)，Fs (M2, X)和Fs (M3, X)根据状态比较函数和贡献函数计算；当Fbind取值为I时，待检测点X作为伪角点被剔除；当Fbind取值为I时，待检测点X被保留为真角点。
9.根据权利要求6所述用于矿井环境下的模糊图像角点提取方法，其特征在于:所述去除噪声点及边缘上的毛刺点实现方式为，将待处理的候选角点记为检测点X，设最大的角点贡献域CCSN的两个终端像素点为Xp X2, 由检测点X的中心坐标(X，y)起始到X1的中心坐标(X1, Y1)的线段上的像素组成的集合为Set1,像素个数为Ii1个,其中由贡献函数计算的Fs (Xi, X) = I (Xi e Set1)的像素个数为nsl个；由X中心点坐标(X，y)起始到X2中心点坐标(x2, y2)的线段上的像素组成的集合为Set2,像素个数为n2个,其中由公式⑶计算的Fs (Xi, X) = I (Xi e Set2)的像素个数为nS2 个; 根据以下判别函数计算
全文摘要
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。
文档编号G06T7/00GK103198319SQ20131012438
公开日2013年7月10日 申请日期2013年4月11日 优先权日2013年4月11日
发明者邢远秀, 章登义, 赵俭辉 申请人:武汉大学