一種用于從局部不變特征點中提取直線的方法與流程

技術特征：

1.一種用于從局部不變特征點中提取直線的方法，其特征在于包括以下步驟：

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：

$\mathrm{\ρ}=\frac{N_L}{S_{R_1}+S_{R_2}}---\left(2\right)$

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：

$P_r=1-{(1-\frac{S_r}{S_{R_0}})}^{N_L}---\left(3\right)$

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：

$P_0={\mathrm{\Σ}}_{q=C}^k\left(\begin{array}{c}k\\ q\end{array}\right){p_r}^q{(1-p_r)}^{k-q}---\left(4\right)$

步驟10：用以下公式計算虛警數N_FA：

$N_{FA}=\frac{M(M-1)}{2}\×W_0\×D_{ij}\×C\×P_0\×P_r---\left(5\right)$

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。

2.根據權利要求1所述的一種用于從局部不變特征點中提取直線的方法，其特征在于步驟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。

3.根據權利要求1所述的一種用于從局部不變特征點中提取直線的方法，其特征在于步驟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。