基于多尺度离散曲率的图像角点检测方法

【摘要】：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1.257 2;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1.013 2。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。