[發明專利]基于各向異性高斯核和梯度搜索的圖像斑點檢測方法

有效

• 申請號: 201710422336.0
• 申請日: 2017-06-07
• 公開（公告）號: CN107292869B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 水鵬朗;李藕
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06T7/73
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

1.一種基于各向異性高斯核和梯度搜索的圖像斑點檢測方法，其特征在于，包括有如下步驟：

(1)轉化輸入圖像為灰度圖像：利用MATLAB軟件讀取要檢測的圖像，如果圖像是彩色圖像則將其轉化為灰度圖像；

(2)檢測候選斑點：利用現有的高斯拉普拉斯斑點檢測方法得到候選斑點B_i＝(x_i,y_i,σ_i,δ_i)，其中，(x_i,y_i)表示第i個斑點的初始位置估計，σ_i表示第i個斑點的初始尺度估計，δ_i表示第i個斑點的極性，δ_i＝1時表示亮斑，δ_i＝-1時表示暗斑；

(3)篩選候選斑點得到初始斑點：利用斑點的初始位置和尺度估計(x_i,y_i,σ_i)計算每個候選斑點B_i和其他候選斑點B_j的重疊面積A_ij，以及重疊面積A_ij與較小斑點面積min(A_i,A_j)的比值r_ij，j≠i，選定門限T_r，保留尺度較大的斑點，把剩下的不重疊的斑點作為初始斑點，記為C_j0＝(x_j0,y_j0,σ_j0)，其中A_i表示第i個斑點的面積，min表示取二者中較小的值；

(4)選取局部圖像：根據初始斑點的位置和尺度估計(x_j0,y_j0,σ_j0)，對每一個初始斑點C_j0選擇一幅局部圖像P_j(x,y)；

(5)產生各向異性高斯拉普拉斯濾波器：利用MATLAB軟件產生歸一化的各向異性高斯拉普拉斯濾波器其具體公式如下，

其中，表示拉普拉斯算子，det表示取矩陣的行列式運算，g(x；Σ)表示各向異性高斯核，(x,y)表示二維平面坐標，(u,v)表示各向異性高斯核的中心坐標，Σ表示協方差矩陣，ρ表示各向異性因子，σ表示各向異性高斯核的尺度參數，上標T表示轉置；其初始化參數根據初始斑點C_j0＝(x_j0,y_j0,σ_j0)選取，其中有五個參數需要初始化，分別是相對位置參數x＝[x-u,y-v]^T，表示濾波器中心和待檢測局部圖像中心的相對位移，尺度參數σ，各向異性因子ρ和方向參數θ，分別初始化為x＝[0,0]^T，σ₀＝σ_j0，ρ₀＝1，θ₀＝0；

(6)對局部圖像濾波得到目標函數：利用各向異性高斯拉普拉斯濾波器對局部圖像P_j(x,y)進行濾波，得到P_j(x,y)的尺度歸一化的各向異性高斯拉普拉斯響應R_j(x,y)，并把R_c＝R_j(x_c,y_c)作為目標函數；

(7)梯度搜索函數的最大值：利用梯度搜索法，對目標函數R_c＝R_j(x_c,y_c)，在連續參數空間中搜索目標函數的最大值，則最大值對應的各參數即為該斑點的位置和形狀的最終檢測結果：

C_j＝(u_j,v_j,σ_j,ρ_j,θ_j)＝arg max{R_c(u,v；σ,ρ,θ)}，

其中，C_j即為第j個斑點的最終檢測結果，(x_c,y_c)表示R_j中心點的坐標，argmax表示求函數的最大值對應的參數；

(8)顯示并比較檢測結果：利用以上方法對圖像中所有的初始斑點進行檢測，并利用MATLAB軟件把所有的斑點檢測結果顯示出來，并比較本方法與現有的廣義高斯拉普拉斯方法的檢測精確度及計算復雜度。