改进的边缘特征点提取算法

doi:10.3778/j.issn.1002-8331.2009.02.017

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (2): 63-65.DOI: 10.3778/j.issn.1002-8331.2009.02.017

改进的边缘特征点提取算法

李竹林¹,王文东¹,赵宗涛²,王红珍¹

1.延安大学计算机学院，陕西延安 716000
2.第二炮兵学院 402室，西安 710025

收稿日期:2007-12-11 修回日期:2008-02-21 出版日期:2009-01-11 发布日期:2009-01-11
通讯作者: 李竹林

Advanced extracting algorithm for edge feature points

LI Zhu-lin¹,WANG Wen-dong¹,ZHAO Zong-tao²,WANG Hong-zhen¹

1.Institute of Computer Science，Yan’an University，Yan’an，Shaanxi 716000，China
2.402 Division of the Second Artillery Engineering College，Xi’an 710025，China

Received:2007-12-11 Revised:2008-02-21 Online:2009-01-11 Published:2009-01-11
Contact: LI Zhu-lin

摘要/Abstract

摘要： 对一种基于图像几何重心的特征点提取算法进行了改进。改进后的算法可以提取任何边缘线上凹凸处的特征点。其基本思想是，首先提取图像的边缘轮廓线，计算封闭边缘线和非封闭边缘线的几何重心。然后以重心为极点，对边缘点极坐标化，形成幅角-极径曲线，在该曲线上寻找局部极大极小值点。最后根据局部非极大（小）抑制原则对极大（小）值点进行取舍获得特征点。模拟结果表明算法计算简单、稳定性好。该方法提取的特征点能准确地反映目标的形状，对目标的识别、跟踪以及三维表面重建等都具有重要的价值。

关键词: 特征点, 重心, 极径, 幅角

Abstract: This paper modifies a kind of feature extracting algorithm based on image edge.First，image edge outline is extracted.Second，geometric gravity center of edge outline is calculated.Third，argument-polar radius curve of polar coordinate system whose pole is geometric gravity is formed，and maximum and minimum value points are searched.At last，feature points are obtained by selecting maximum（minimum） value points according to local non-maximum（minimum） depression principle.The result indicates that the algorithm is simple and its stability is good.It is important for object recognition and three-dimension reconstruction.

Key words: feature points, geometric gravity center, polar radius, argument angle

李竹林¹,王文东¹,赵宗涛²,王红珍¹. 改进的边缘特征点提取算法[J]. 计算机工程与应用, 2009, 45(2): 63-65.

LI Zhu-lin¹,WANG Wen-dong¹,ZHAO Zong-tao²,WANG Hong-zhen¹. Advanced extracting algorithm for edge feature points[J]. Computer Engineering and Applications, 2009, 45(2): 63-65.

[1]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[2]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[3]	郭克友，马丽萍，胡巍. 基于DCNN的人脸特征点检测及面部朝向计算[J]. 计算机工程与应用, 2020, 56(4): 202-208.
[4]	张毅，王彦博，高奇峰，杨德伟，魏博. 改进FAST-SURF算法在卷烟包件识别定位中的应用[J]. 计算机工程与应用, 2020, 56(3): 252-258.
[5]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[6]	郑银环1，王备战2，王嘉珺2，陈凌宇2，洪清启2. 深度卷积神经网络应用于人脸特征点检测研究[J]. 计算机工程与应用, 2019, 55(4): 173-178.
[7]	胡晓静1，周明全2，耿国华1，张雨禾1. 基于自适应邻域描述子的三维面貌相似性度量[J]. 计算机工程与应用, 2019, 55(2): 187-192.
[8]	郭恩会1，张小国2，陈刚1. 自适应邻域测试的图像误匹配点剔除算法[J]. 计算机工程与应用, 2019, 55(14): 198-202.
[9]	贾项南，于凤芹，陈莹. 多视角级联回归模型人脸特征点定位[J]. 计算机工程与应用, 2019, 55(10): 199-204.
[10]	李嘉祥，范影乐，武薇. 基于生物视觉机制的图像特征点检测方法[J]. 计算机工程与应用, 2018, 54(7): 182-187.
[11]	宋博1，姜万里2，孙涛1，熊正强1，芮华建1. 快速特征提取与感知哈希结合的图像配准算法[J]. 计算机工程与应用, 2018, 54(7): 206-212.
[12]	祝朝政1，何明1，杨晟2，吴春晓1，刘斌1. 单目视觉里程计研究综述[J]. 计算机工程与应用, 2018, 54(7): 20-28.
[13]	赵瑛1，耿秀琳1，李琦1，蒋广琪1，谷宇1，2. 视觉假体中动态图像识别研究[J]. 计算机工程与应用, 2018, 54(23): 162-169.
[14]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[15]	林汀1，娄小平1，2，刘锋1，2，李伟仙1，2. 序列图像特征提取与匹配算法的改进[J]. 计算机工程与应用, 2017, 53(9): 141-145.

改进的边缘特征点提取算法

Advanced extracting algorithm for edge feature points

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics