張 玲，吳發(fā)輝

（武夷學院信息技術與實驗室管理中心，福建武夷山 354300）

0 引言

隨著復雜背景光照映射圖像采集和信息處理技術的發(fā)展，需要構建優(yōu)化的復雜背景光照映射圖像采集和信息處理模型，結合自適應的數(shù)字成像技術，提高復雜背景光照映射圖像的成像識別能力，采用優(yōu)化的角點定位和特征分析技術，結合成像環(huán)境的光照信息分析和環(huán)境信息分析，構建復雜背景光照映射圖像多尺度Harris特征點檢測模型，提高圖像識別的抗干擾能力。研究相關的復雜背景光照映射圖像多尺度Harris特征點檢測方法，在提高圖像的信息識別能力方面具有重要意義［1］。

對復雜背景光照映射圖像多尺度Harris特征點檢測是建立在對圖像的散射性特征分析基礎上，結合對復雜背景光照映射圖像多尺度Harris特征點檢測和邊緣輪廓特征分析，通過多尺度空間匹配濾波檢測，實現(xiàn)復雜背景光照映射圖像多尺度Harris特征點檢測。傳統(tǒng)方法中，對復雜背景光照映射圖像多尺度Harris特征點檢測方法主要有聯(lián)合32維特征向量的復雜背景光照映射圖像多尺度Harris特征點檢測識別方法［2］，基于sobel邊緣檢測的復雜背景光照映射圖像多尺度Harris特征點檢測方法等［3］，構建圖像的邊緣匹配分析模型，通過模糊度匹配，對篩選角點進行非極大值抑制，實現(xiàn)復雜背景光照映射圖像多尺度Harris特征點檢測。但傳統(tǒng)方法進行圖像特征點檢測的信息識別能力不好，對此，本文提出一種基于特征點模糊邊緣濾波的復雜背景光照映射圖像多尺度Harris特征點檢測算法。采用多尺度Retinex算法構建復雜背景光照映射圖像的邊緣輪廓特征檢測模型，首先采用模糊度統(tǒng)計參數(shù)跟蹤識別方法，建立復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的匹配濾波檢測模型，然后采用分組特征映射和模板匹配技術，實現(xiàn)對復雜背景光照映射圖像多尺度Harris角點分布區(qū)域增強和多尺度Harris特征點檢測。最后進行仿真測試分析，展示了本文方法在提高復雜背景圖像的多尺度Harris特征點檢測能力方面的優(yōu)越性能。

1 復雜背景光照映射圖像特征分析

1.1 復雜背景光照映射圖像采集

為了實現(xiàn)基于特征點模糊邊緣濾波的復雜背景光照映射圖像多尺度Harris特征點檢測，結合對復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的子空間特征分布，采用紋理稀疏性融合的方法，構建復雜背景光照映射圖像多尺度Harris角點分布區(qū)域濾波檢測分析模型，通過縱向掃描和斜向掃描相結合的方式進行圖像采集［4］，得到復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的紋理空間分布參數(shù)結構用d(x)表示，復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的Hariss角點分布為I(x)表示，構建優(yōu)化的復雜背景光照映射圖像多尺度Harris特征點檢測模型，得到復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的聯(lián)合信息熵：

（1）式中，M為圖像長度，N為圖像寬度，σ為圖像像素值，λ為圖像鄰域像素值，s為圖像灰度值，A為圖像亮度。在N×N的局部區(qū)域中進行復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的分塊處理，得到復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的分塊權重為：

（2）式中，R為角點分布概率，zi為圖像分塊區(qū)域亮度。根據(jù)復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的紋理區(qū)域部分的分組檢測結果，采用統(tǒng)計分析方法，構建復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的特征加權控制模型［5］，采用自適應的信息檢測方法，得到復雜背景光照映射圖像多尺度Harris角點分布特征量表達式為：

（3）式中，m為所選圖像區(qū)域，m為所選區(qū)域圖像的灰度差。根據(jù)復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的邊緣檢測結果，結合模板匹配方法，進行復雜背景光照映射圖像的模糊特征檢測，采用Reniex檢測算法，建立復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的邊緣融合模型，結合對復雜背景光照映射圖像多尺度Harris特征點檢測結果，提高復雜背景光照映射圖像的檢測和識別能力［6］。

1.2 圖像特征檢測

假設采集的復雜背景光照映射圖像為f(x,y)，采用二值化分量，得到復雜背景光照下二值圖像分布函數(shù)為：

（4）式中，Z為二值圖像的相似度閾值。用多尺度Retinex算法構建復雜背景光照映射圖像的邊緣輪廓特征檢測模型，結合對復雜背景光照映射圖像多尺度Harris角點分布［7］，得到復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的邊緣模糊集為：

（5）式中，η為圖像邊緣輪廓長度。采用區(qū)域特征分塊檢測的方法，構建復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的自適應特征分割模型，得到復雜背景光照映射圖像模糊邊緣濾波的輸出為：

（6）式中，U為圖像邊緣區(qū)域?qū)Ρ榷取Ｌ崛《喑叨鹊腞etinex特征量，采集成像的光譜旁瓣區(qū)域，得到復雜背景光照映射圖像模糊邊緣分塊檢測［8］，得到圖像模糊邊緣的分塊檢測結果為：

（7）式中，?為圖像邊緣區(qū)域的角點數(shù)量，u為圖像中的噪點信號。根據(jù)上述分析，采用圖像多尺度Harris特征檢測方法，得到復雜背景光照映射圖像多尺度Harris角點映射模型，采用單譜分割方法得到復雜背景光照映射圖像的均勻分布像素級為：

（8）式中，W為圖像的弱紋理值。結合分塊區(qū)域匹配，得到復雜背景光照映射圖像的多尺度Harris角點分布域面積為：

對復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的亮度、對比度進行融合，根據(jù)圖像融合結果進行多尺度Harris角點分布式特征提取［9-11］。

2 圖像多尺度Harris角點檢測

2.1 圖像的邊緣信息融合

根據(jù)對圖像的邊緣信息特征分解結果，采用邊界化的特征分布式融合增強和融合算法，提取圖像多尺度Harris角點分布區(qū)域模糊度，建立圖像多尺度Harris角點模板函數(shù)為：

（10）式中，F(xiàn)為圖像與背景的色度差。采用Taubin平滑算子進行復雜背景光照映射圖像的三維重建，將復雜背景光照映射圖像進行多尺度Harris角點分布區(qū)域分塊，得到：

（11）式中，r1及r2為投影后的子空間，α為邊緣灰度閾值，采用分塊匹配濾波檢測的方法，構造復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的協(xié)方差融合模型，表示為：

（12）式中，υ為像素強度，d為邊緣區(qū)域紋理度，μ為紋理差值。采用多層Gabor小波降噪技術進行降噪處理，在Retinex算法學習下，得到復雜背景光照映射圖像的邊緣輪廓檢測輸出為：

（13）式中，w為圖像的亮點數(shù)量。由此，構建復雜背景光照映射圖像的融合模型，得到多尺度Harris角點分布式融合輸出為：

（14）式中，β表示復雜背景光照映射圖像的暗點數(shù)量，輸出的圖像融合結果為：

根據(jù)對復雜背景光照映射圖像的融合結果，結合復雜背景光照映射圖像多尺度Harris角點分布區(qū)域融合結果，進行圖像特征點檢測［12］。

2.2 圖像的Harris特征點檢測

根據(jù)對復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的先驗知識特征分析結果，通過邊緣輪廓特征分解和模板匹配技術，得到復雜背景光照映射圖像的亞像素級視差為：

其中，θ為圖像Harris夾角，在多階段的下采樣操作過程中，得到復雜背景光照映射圖像的自動分割模板匹配值為：

其中，γ為復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的邊緣像素值。

結合復雜背景光照映射圖像多尺度Harris角點分布區(qū)域濾波檢測，采用單尺度Harris角點檢測得到像素均值：

其中，δ為模板匹配系數(shù)。采用模板匹配技術，實現(xiàn)對復雜背景光照映射圖像多尺度Harris角點融合，得到特征點匹配結果為：

其中，τ為圖像清晰度，n為圖像的匹配濾波分布系數(shù)。結合空間像素區(qū)域匹配，得到融合特征分量的RGB分解結果，復雜背景光照映射圖像多尺度融合的像素差異值為：

其中，X為圖像亮度。綜上所述，根據(jù)對復雜背景光照映射圖像多尺度Harris角點分布區(qū)域角點定位和邊緣檢測結果，提高圖像的成像和檢測能力，實現(xiàn)流程見圖1。

圖1 算法的實現(xiàn)流程Fig.1 Implementation flow of algorithm

3 仿真測試與結果分析

實驗建立在Matlab 7.0仿真軟件基礎上，設定復雜背景光照映射圖像分布樣本數(shù)為257 7，分塊特征檢測系數(shù)為0.36，模糊度系數(shù)為0.194，取其中15組樣本，進行圖像的多尺度Harris特征點檢測，得到參數(shù)分布見表1。

表1 參數(shù)設定Tab.1 Parameter setting

根據(jù)表1的參數(shù)設定，進行復雜背景光照映射圖像多尺度Harris角點檢測，得到采集的其中一組樣本原始圖像見圖2。

圖2 原始圖像Fig.2 Original image

以圖2的圖像為測試對象，進行復雜背景光照映射圖像多尺度Harris角點檢測，得到檢測結果如圖3所示。分析圖3得知，本文方法能有效實現(xiàn)對復雜背景光照映射圖像多尺度Harris角點檢測，檢測定位的偏差較小。測試定位效果，得到對比結果見表2，分析表2得知，本文方法進行復雜背景光照映射圖像多尺度Harris角點定位檢測的精度較高，誤差較小。

圖3 圖像角點檢測結果Fig.3 The results of image corner detection

表2 檢測精度對比Tab.2 Comparison of detection accuracy

續(xù)表2

4 結語

構建復雜背景光照映射圖像多尺度Harris特征點檢測模型，提高圖像識別的抗干擾能力。筆者提出一種基于特征點模糊邊緣濾波的復雜背景光照映射圖像多尺度Harris特征點檢測算法。建立復雜背景光照映射圖像多尺度Harris角點分布區(qū)域的邊緣融合模型，結合對復雜背景光照映射圖像多尺度Harris特征點檢測結果，提高復雜背景光照映射圖像的檢測和識別能力。研究得知，本文方法進行復雜背景光照映射圖像多尺度Harris角點定位檢測的精度較高，誤差較小，提高了圖像特征點的定位識別能力。