謝 靜，庹先國，方 曉

(西南科技大學(xué) 信息工程學(xué)院，四川 綿陽621002)

基于邊緣幾何不變性的特征提取算法研究*

謝 靜，庹先國，方 曉

(西南科技大學(xué) 信息工程學(xué)院，四川 綿陽621002)

針對異源圖像中可見光與紅外圖像特征提取算法進(jìn)行研究，提出了一種基于邊緣幾何不變性特征的提取算法。采用空域?yàn)V波及灰度處理的方法對背景噪聲進(jìn)行處理，使用Canny算子提取目標(biāo)的邊緣，利用二值形態(tài)學(xué)中腐蝕與膨脹兩種基本運(yùn)算對邊緣細(xì)化填充。利用圓形模板匹配的方法提取邊緣特征點(diǎn)，通過對有效特征點(diǎn)的篩選與組合形成不同的三角形區(qū)域特征，并計(jì)算這些三角形區(qū)域的幾何特性。仿真實(shí)驗(yàn)結(jié)果表明，該方法可以有效提取異源圖像的共有特征。

Canny邊緣；特征提?。粠缀尾蛔冃?；異源圖像

0 引言

異源圖像處理算法主要是以匹配與融合為研究方向，其中基于圖像不變特征與邊緣輪廓特征的處理算法大量涌現(xiàn)。WANG W H等[1]人利用Sobel算子對圖像進(jìn)行分割，然后通過對閉區(qū)域中心點(diǎn)的統(tǒng)計(jì)組合，形成線段特征。張翔等[2]提出了一種應(yīng)用改進(jìn) Sobel算子和圖像數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行目標(biāo)邊緣的提取。侯學(xué)智等[3]提出了用圖像形態(tài)學(xué)的梯度、細(xì)化和修剪算法來提取邊緣輪廓。LOWE D G等[4]利用關(guān)鍵點(diǎn)鄰域內(nèi)的梯度直方圖，建立歸一化的128維向量作為該點(diǎn)的描述。Ke Yan等[5]利用主成分分析方法建立對關(guān)鍵點(diǎn)的尺度不變特征描述。Yu Xiangyu等[6]提出的多源圖像配準(zhǔn)方法也是基于異源圖像的共有特征——邊緣輪廓特征。國內(nèi)外學(xué)者通過對這些特征的研究與整合，繼續(xù)基于邊緣輪廓特征的不變性進(jìn)行了深入研究：如周鋒飛等[7]提出了一種利用Canny算子提取兩種圖像的邊緣，并計(jì)算圖像邊緣特征點(diǎn)間連線的角度相似性的算法。李壯等[8]提出一種基于梯度徑向夾角金字塔直方圖的圖像全局特征描述方法。

本文首先通過設(shè)置灰度處理器[9]及空域?yàn)V波算法中的 Robinson Guard濾波器[10]來去除圖像背景中的噪聲，再利用Canny邊緣特征提取目標(biāo)的主要輪廓，并通過二值形態(tài)學(xué)[11]中腐蝕與膨脹算法對邊緣輪廓進(jìn)行細(xì)化填充，采用改進(jìn)的圓形模板匹配[12]的方法提取邊緣上的特征點(diǎn)，通過對這些特征點(diǎn)的統(tǒng)計(jì)與組合，形成不同的三角形區(qū)域，計(jì)算這些三角形區(qū)域的角度及邊長特性，實(shí)現(xiàn)對異源圖像共有特征的有效提取。

1 圖像預(yù)處理

1.1 灰度處理器設(shè)置

設(shè)置過濾器的閾值為K，當(dāng)兩幅圖像的灰度值分別大于等于或小于K時(shí)，將其灰度值設(shè)為255和 0，可以有效去除部分明顯的無關(guān)信息。

1.2 空域?yàn)V波算法

使用空域?yàn)V波算法中的 Robinson Guard濾波器對異源圖像中的雜波進(jìn)行抑制，該濾波器是一種非線性非參數(shù)型濾波器，其窗口為5的濾波模板如圖1所示。該濾波器具有保護(hù)帶，可以在濾除雜波的同時(shí)盡可能地保護(hù)目標(biāo)信息的完整性，其濾波準(zhǔn)則：

圖1 Robinson Guard濾波模板結(jié)構(gòu)

2 特征點(diǎn)提取及幾何不變特征

利用Canny算子提取已處理過的圖像目標(biāo)邊緣，通過二值形態(tài)學(xué)中腐蝕與膨脹的基本方法對邊緣進(jìn)行細(xì)化填充。使用圓形模板匹配的方法在圖像的邊緣上選取特征點(diǎn)，特征點(diǎn)主要選取以下類別：具備一定幾何形狀的目標(biāo)的頂點(diǎn)以及非直線邊緣中曲率變化較大的點(diǎn)。

2.1 二值形態(tài)學(xué)基本運(yùn)算

該算法通過對開和閉運(yùn)算的組合，使提取出的Canny邊緣圖像變得清晰連續(xù)。

(1)腐蝕：集合A被集合B腐蝕，表示為 A⊙B，其定義為：

其中A為輸入圖像，B為結(jié)構(gòu)元素，(B)X={c|c=b+x，b∈B}表示將集合B平移到點(diǎn)X。A⊙B是將B平移到X但仍包含在A內(nèi)的所有點(diǎn)X組成。腐蝕運(yùn)算具有收縮輸入圖像的作用，表示對圖像內(nèi)部作濾波處理。

(2)膨脹：集合A被集合B膨脹，表示為 A⊕B，其定義為：

(3)開運(yùn)算和閉運(yùn)算

利用B對A作開運(yùn)算，用A?B表示，其定義為:

形態(tài)開運(yùn)算一般使對象的輪廓變得光滑，斷開狹窄的間斷和消除細(xì)小的突出物。

利用B對A作閉運(yùn)算，用A·B表示，其定義為：

閉運(yùn)算同樣使輪廓線更為光滑，但它通常彌補(bǔ)狹窄的間斷和長細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂。

2.2 圓形模板匹配

采用圓形模板匹配的方法來尋找邊緣上的特征點(diǎn)，可以同時(shí)對這多種邊緣進(jìn)行處理。由于異源圖像在比例和角度上出現(xiàn)差異，在大的非閉合區(qū)域中，從邊緣的兩端選定端點(diǎn) P1與 P2后，自左向右、自下向上使用圓形模板進(jìn)行特征點(diǎn)選取，P1P2為第一個(gè)圓形模板的直徑。當(dāng)匹配出第一個(gè)特征點(diǎn) A1時(shí)，則使用P1A1為第二個(gè)圓形模板的直徑，以此類推，直到第N個(gè)圓形模板；在閉合區(qū)域，只是第一個(gè)圓形模板的直徑選擇是閉合區(qū)域中距離最遠(yuǎn)的兩個(gè)點(diǎn)。

上述圓形模板直徑如式(6)及圖2、圖3所示。

圖2 開區(qū)域模板半徑

圖3 閉區(qū)域模板半徑

由于異源圖像成像機(jī)理不同，因此有一些邊緣細(xì)節(jié)不會(huì)同時(shí)存在，所以特征點(diǎn)必須在檢測出來的邊緣上，對于直線邊緣直接選擇端點(diǎn)作為特征點(diǎn)；并且使用圓形模板匹配時(shí)，該特征點(diǎn)所在的邊緣曲線必須有且僅有一條穿過圓形模板區(qū)域。

2.3 特征點(diǎn)篩選

匹配出的兩組特征點(diǎn)集合 A=An(i，j)(n=0，1，2…N)和 B=Bm(i，j)(m=0，1，2…M)分別為可見光圖像與紅外圖像上取得的特征點(diǎn)集合。這些特征點(diǎn)在排序時(shí)要遵循以下規(guī)則：使用斜率為1的直線為標(biāo)準(zhǔn)線，以圖像的左下頂點(diǎn)為起點(diǎn)、右上頂點(diǎn)為終點(diǎn)，特征點(diǎn)依次越過標(biāo)準(zhǔn)線的順序就是特征點(diǎn)的編號順序，當(dāng)有2個(gè)或以上個(gè)點(diǎn)恰巧同時(shí)越過標(biāo)準(zhǔn)線時(shí)，這些點(diǎn)按從上到下的原則依次排序。按照同樣的規(guī)則來對特征點(diǎn)排序，避免了兩幅圖像上的特征點(diǎn)出現(xiàn)混亂排序。特征點(diǎn)與相鄰兩點(diǎn)組成的夾角如圖4所示。

圖4 特征點(diǎn)與相鄰兩點(diǎn)組成的夾角

使用圓形模板匹配的方法，降低了特征點(diǎn)出現(xiàn)錯(cuò)誤的概率。為了進(jìn)一步提高精度，引入特征點(diǎn)匹配度f (A，B)對已經(jīng)提取出的兩組特征點(diǎn)集合進(jìn)行處理。

其中：

算法中選取兩組集合中點(diǎn)數(shù)少的一組作為基準(zhǔn)組，如果數(shù)目相同則A組為基準(zhǔn)組，同時(shí)用人工參與的方式保證兩組中第一個(gè)特征點(diǎn)都無錯(cuò)誤。式(7)中 θn和為特征點(diǎn)與相鄰的兩個(gè)特征點(diǎn)之間的夾角，式(8)中 d1為A組特征點(diǎn)集合中第n個(gè)點(diǎn)與第n-1個(gè)點(diǎn)的距離，d2為第n個(gè)點(diǎn)與第n+1個(gè)點(diǎn)距離，d3為第n-1個(gè)點(diǎn)與第n+1個(gè)點(diǎn)的距離；式(9)h1為 B組特征點(diǎn)集合中第m個(gè)點(diǎn)與第m-1個(gè)點(diǎn)的距離，h2為第m個(gè)點(diǎn)與第m+1個(gè)點(diǎn)距離，h3為第m-1點(diǎn)與第m+1點(diǎn)的距離(其中n=2，3，4…N-1；m=2，3，4…M-1)。算法通過對夾角的相似性對比排除錯(cuò)誤的特征點(diǎn)，f(A，B)越小則說明這兩點(diǎn)的相似性越高。通過仿真實(shí)驗(yàn)，當(dāng)f(A，B)在1.5°以內(nèi)就可以判定特征點(diǎn)需要保留，超過則去除。同時(shí)，在匹配時(shí)采用循環(huán)匹配的原則，去除錯(cuò)誤特征點(diǎn)后重新驗(yàn)證下一個(gè)點(diǎn)是否匹配，盡最大可能降低誤差。

2.4 幾何不變特征提取

本算法利用三角形的幾何不變特性來提取異源圖像的共有特征。通過對取得的特征點(diǎn)集合A和B進(jìn)行篩選，得出最新的一組集合。通過對特征點(diǎn)的篩選可以簡化構(gòu)建幾何不變?nèi)切螀^(qū)域的步驟。依據(jù)選取的特征點(diǎn)集合，編號1、2、3的3個(gè)點(diǎn)組成第1個(gè)三角形，編號2、3、4的3個(gè)點(diǎn)組成第2個(gè)三角形，即編號n-1、n、n+1的3個(gè)點(diǎn)組成第n-1個(gè)三角形。最終得到兩個(gè)三角形區(qū)域集合C=Ck(k=1，2…N)和D=Dk(k=1，2…M)分別代表可見光與紅外圖像中三角形區(qū)域集合。

集合C中第1個(gè)三角形是由 A1、A2、A3構(gòu)建，集合D中第1個(gè)三角形是由B1、B2、B3構(gòu)建，假設(shè)兩個(gè)三角形的邊長分別為 L1、L2、L3和 H1、H2、H3，面積分別為 S1和。判定三角形區(qū)域?yàn)楫愒磮D像共有特征的標(biāo)準(zhǔn)是：

如果 W的值小于一個(gè)設(shè)定的閾值(如 0.1)，則判定兩個(gè)三角形為共有特征。

3 仿真實(shí)驗(yàn)

該組試驗(yàn)的原始圖像是 1 024×1 024大小，如圖 5所示，實(shí)驗(yàn)對該組可見光與紅外異源圖像進(jìn)行了直方圖分析，通過多個(gè)灰度處理器處理及空域?yàn)V波算法中的Robinson Guard濾波器，濾去背景圖像中的干擾機(jī)噪聲，再進(jìn)行Canny邊緣的提取。然后經(jīng)過多次點(diǎn)二值形態(tài)學(xué)中腐蝕與膨脹的混合運(yùn)算，對邊緣進(jìn)行細(xì)化整合，形成比較鮮明的邊緣圖像。

圖5 異源地源圖像Canny邊緣提取圖

采用圓形模板匹配，分別可以得到兩組點(diǎn)特征A= An(i，j)(n=0，1，2…N)和 B=Bm(i，j)(m=0，1，2…M)，其中N=63，M=61，即可見光圖像檢測出了63個(gè)點(diǎn)，紅外圖像檢測出了61個(gè)特征點(diǎn)。由式(7)中匹配度計(jì)算得出，共有的匹配特征點(diǎn)共計(jì)24個(gè)。共得到22個(gè)共有三角形區(qū)域特征，匹配出來的三角形區(qū)域圖如圖6所示。

按式(10)對22個(gè)三角形區(qū)域的邊長進(jìn)行計(jì)算，共計(jì)算出22個(gè)數(shù)據(jù)，其中有21個(gè)數(shù)據(jù)結(jié)果在設(shè)定閾值以下，符合要求。因篇幅有限，選取其中10個(gè)數(shù)據(jù)，得到數(shù)據(jù)如圖7所示。

其中第3組數(shù)據(jù)超出設(shè)定閾值，去掉相關(guān)三角形區(qū)域，共得到21組幾何不變特征區(qū)域。

圖6 異源地源圖像幾何不變特征

圖7 三角形區(qū)域幾何不變特性數(shù)據(jù)

4 結(jié)論

本文針對異源圖像當(dāng)中有關(guān)特征提取的問題，提出了一種基于邊緣幾何不變特征的提取算法。通過分析灰度的分布信息設(shè)定灰度處理對一部分無關(guān)背景進(jìn)行分離，在此基礎(chǔ)上使用 Robinson Guard濾波器對噪聲進(jìn)行處理，使用 Canny算子提取特征邊緣，并通過腐蝕與膨脹的組合運(yùn)算得到完整清晰的邊緣圖像。采用圓型模板匹配法并通過三角形幾何不變特征的構(gòu)建，對整個(gè)邊緣上的特征點(diǎn)進(jìn)行處理，最終在兩幅圖像上得到共有的幾何不變特征。

[1]WANG W H，CHEN Y C.Image registration by control points pairing using the invariant properties of line segments[J]. Pattern Recognition L etters，1997，18(3)：269-281.

[2]張翔，劉媚潔，陳立偉.基于數(shù)學(xué)形態(tài)學(xué)的邊緣提取方法[J].電子科技大學(xué)學(xué)報(bào)，2002，31(5)：490-492.

[3]侯學(xué)智，楊平，趙云松.CCD圖像的輪廓特征點(diǎn)提取算法[J].電子科技大學(xué)學(xué)報(bào)，2004，33(4)：446-448.

[4]LOWE D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision，2004，60(2)：91-110.

[5]Ke Yan，SUKTHANKAR R.PCA-SIFT：A more distinctive representation for local image descriptors[C].CVPR，2004：506-513.

[6]Yu Xiangyu，Guo Lihua.Image registration by contour matching using tangent angle histogram[C].IEEE Congress on Image and Signal Processing(S7695-3119)，2008：746-749.

[7]周鋒飛，陳衛(wèi)東，李良福.一種基于 Canny邊緣的紅外與可見光圖像配準(zhǔn)算法[J].應(yīng)用光學(xué)，2009，30(4)：605-609.

[8]李壯，雷志輝，于起峰.基于梯度徑向夾角直方圖的異源圖像匹配[J].測繪學(xué)報(bào)，2011，40(3)：318-325.

[9]陳潔，付冬梅，劉燕.基于輪廓特征的紅外與可見光圖像配準(zhǔn)方法研究[J].紅外，2009，30(12)：1-5.

[10]HILLIARD C I.Selection of a clutter rejection algorithm for real-time target detection from an airborne platform[J]. the SPIE Proceedings of Signal and Data Processing of Small Targets，2000，4048(1)：74-84.

[11]GONZALEZ R C，WOODS R E.數(shù)字圖像處理[M].阮秋琦，譯.北京：電子工業(yè)出版社，2003.

[12]黃廉真，吳曉軍，康文雄.一種新的高速圓形匹配算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2012，44(7)：87-91.

Feature extraction of multi-sensor images based on geometric invariant feature on the edge

Xie Jing，Tuo Xianguo，F(xiàn)ang Xiao
(School of Information Engineering，Southwest University of Science and Technology，Mianyang 621002，China)

This paper proposes an algorithm of feature extraction based on geometric invariant feature on the edge,which is mainly research on the feature extraction for the optical and infrared images among the multi-sensor images.Using spatial filtering and gray-scale processing method for processing the noise of the background,the Canny operator is used to extract the edge of the target,then corrosion and expansion,which are two basic operations of binary morphology are also used on edge thinning fill.The circular template matching method is used to extract the edge feature points,the different triangular area characteristics are formed through the screening and combination of effective points,at last the geometric characteristics of these triangular regions are calculated.The expriment results show that this method can effectively extract the common feature of multi-sensor images.

Canny edge；feature extraction；geometric invariant；multi-sensor images

TP391

：A

：0258-7998(2015)03-0161-04

10.16157/j.issn.0258-7998.2015.03.043

2014-12-30)

謝靜(1991-)，女，碩士研究生，主要研究方向：信號與信息處理。

國家自然科學(xué)基金重大科研儀器設(shè)備研制專項(xiàng)（41227802）；國家杰出青年基金(41025015)

庹先國(1966-)，男，博士（后），教授，博導(dǎo)，主要研究方向：核測量及分析儀器儀表的研制、應(yīng)用和推廣，地球物理勘探方法應(yīng)用。

方曉(1988-)，男，碩士研究生，主要研究方向：信息與通信技術(shù)。