本發明涉及一種數字圖像處理領域，具體說是一種用于從局部不變特征點中提取直線的方法。

背景技術：

局部不變特征點是指對圖像的各種變化，例如幾何、光照、模糊、視點等變化保持不變的局部特征點，局部不變特征點通常存在著一個局部支撐區域，它與圖像分割不同，可以是圖像的任何子集，其邊界不一定要對應圖像屬性(如顏色和材質)的變化，而且多個不變特征區域間可能有交叉。局部不變特征點的檢測具有重要的意義，不僅可以提高處理速度，同時還是一種新的圖像表述方法，使得圖像不進行分割就可以描述物體或局部。利用提取的局部不變特征點難以直接用于目標的識別，需要通過將其組成一定的曲線或區域才能作為目標的主要特征，經過多年的發展，出現了一系列在局部不變特征點基礎進一步提取形狀的方法，但就己發表的成果來看，這些方法還存在以下問題：

(1)有效的局部特征點容易受周圍異常點的干擾，導致提取的特征對目標識別的作用大大降低；

(2)提取的結果與目標實際的形狀存在較大的誤差。

技術實現要素：

本發明提供了一種用于從局部不變特征點中提取直線的方法，通過對局部不變特征點進行密度估計，運用方格單元分割的方法，能夠有效地去除干擾特征點的影響，方法簡單易行，輸出結果可靠。

為實現本發明的目標所采用的技術方案是：方法包括以下步驟：

步驟1：利用局部不變特征點提取算法提取輸入圖像的局部不變特征點，結果記為I₀，局部不變特征點的數量記為M；

步驟2：從I₀中循環選取兩點P_i和P_j，i∈[1,M]，j∈[i,M]，計算P_i和P_j之間的歐氏距離D_ij，當D_ij小于閾值T_D時，更新P_i和P_j并繼續步驟2，當D_ij大于等于閾值T_D時，進入步驟3；

步驟3：以D_ij為長邊，W₀為短邊構造包含P_i和P_j的矩形R₀；

步驟4：為了估計局部特征點密度ρ，以D_ij為長邊，W₁為短邊在矩形R₀的兩側分別構造矩形R₁和R₂，且矩形R₁和R₂的長邊分別與矩形R₀的長邊重合；

步驟5：統計矩形R₀、R₁和R₂中的特征點數，分別記為M₀、M₁和M₂，并對矩形R₀周圍的特征點數N_L用以下公式進行估計：

N_L＝2max(M₁,M₂)+M₀ (1)

式(1)，max為求最大值函數；

步驟6：用以下公式計算局部特征點密度ρ：

式(2)，和分別為矩形R₁和R₂的面積；

步驟7：對矩形R₀進行k等分，得到k個等面積的方格單元，記為r_t，t∈[1,k]，利用以下公式計算每個方格單元r_t至少包含一個局部特征點的概率：

式(3)，S_r和分別為方格單元r_t和矩形R₂的面積；

步驟8：統計包含局部特征點的方格單元的數量C；

步驟9：用以下公式計算k個方格單元中至少有C個方格單元包含特征點的概率P₀：

步驟10：用以下公式計算虛警數N_FA：

步驟11：將虛警數N_FA小于閾值δ的矩形R₀包含的局部特征點判定為直線，更新P_i和P_j并繼續步驟2，直到遍歷所有局部特征點。

所述的步驟1中的局部不變特征點提取算法是指SIFT算法、SURF算法、Harris算法和SUSAN算法。

所述的步驟2中的循環選取方法指的是由i∈[1,M]和j∈[i,M]構成內外雙重循環，遍歷所有局部不變特征點，共有M(M-1)/2組局部不變特征點對。

本發明的有益效果是：能夠準確的局部不變特征點集中的直線，可以應用于包含直線邊緣的目標提取。

附圖說明

圖1是本發明的總體處理流程圖。

具體實施方式

下面結合附圖詳細描述本發明的具體實施方式。

在步驟101，輸入待處理圖像I₀。

在步驟102，對步驟101的待處理圖像I₀利用SURF局部不變特征點提取算法提取局部不變特征點，結果記為I₀，并將局部不變特征點的數量記為M。

在步驟103，判斷收否遍歷所有特征點對，如果是，則算法流程結束，進入步驟116，否則進入步驟104。

在步驟104，從M(M-1)/2組局部不變特征點對中選取兩點P_i和P_j，i∈[1,M]，j∈[i,M]。

在步驟105，計算步驟104中的P_i和P_j之間的歐氏距離D_ij。

在步驟106，判斷步驟105中P_i和P_j之間的歐氏距離D_ij是否大于閾值T_D時，如果是，則進入步驟107，否則進入步驟103，為了排除短直線的干擾，將閾值T_D設置為10個像素。

在步驟107，以D_ij為長邊，W₀為短邊構造包含P_i和P_j的矩形R₀，以D_ij為長邊，W₁為短邊在矩形R₀的兩側分別構造矩形R₁和R₂，且矩形R₁和R₂的長邊分別與矩形R₀的長邊重合，為了使提取的直線與物體的實際邊界保持一致，將W₀將設置為為了對矩形R₀周圍的特征點數做出更為準確的估計，將W₁設置為

在步驟108，統計矩形R₀、R₁和R₂中的特征點數，分別記為M₀、M₁和M₂，并對矩形R₀周圍的特征點數N_L用以下公式進行估計：

N_L＝2max(M₁,M₂)+M₀ (6)

式(6)，max為求最大值函數。

在步驟109，用以下公式計算局部特征點密度ρ：

式(7)，和分別為矩形R₁和R₂的面積。

在步驟110，對矩形R₀進行k等分，得到k個等面積的方格單元，記為r_t，t∈[1,k]，利用以下公式計算每個方格單元r_t至少包含一個局部特征點的概率：

式(8)，S_r和分別為方格單元r_t和矩形R₂的面積。

在步驟111，統計包含局部特征點的方格單元的數量C。

在步驟112，用以下公式計算k個方格單元中至少有C個方格單元包含特征點的概率P₀：

在步驟113，用以下公式計算虛警數N_FA：

在步驟114，判斷虛警數N_FA是否小于閾值δ，如果是，則進入步驟115，否則進入步驟103。為了保證提取結果的準確性，將閾值δ設置為2。

在步驟115，輸出局部不變特征點中直線。

在步驟116，算法結束。