本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法，適用于自然圖像或人造圖像中的角點(diǎn)檢測(cè)。

背景技術(shù)：

人類接收的信息大約有三分之二來(lái)自圖像，而圖像的基礎(chǔ)特征包含邊緣點(diǎn)和角點(diǎn)；角點(diǎn)指二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲線上曲率極大值的點(diǎn)，并包含了圖像中重要的結(jié)構(gòu)信息，具有幾何變換不變性；因此角點(diǎn)在圖像處理和計(jì)算機(jī)視覺中起著關(guān)鍵的作用，不僅保留了圖像中物體的重要特征信息，同時(shí)又有效地減少了重要特征信息的數(shù)據(jù)量，而且在目標(biāo)識(shí)別、圖像配準(zhǔn)、人臉檢測(cè)與識(shí)別、偵察與定位，以及三位重建等領(lǐng)域中都有廣泛應(yīng)用，所以角點(diǎn)檢測(cè)也是圖像分割或圖像配準(zhǔn)圖像后期處理過(guò)程的前提。

現(xiàn)有的角點(diǎn)檢測(cè)方法很多，大致分為三類：基于灰度變化的角點(diǎn)檢測(cè)方法、基于模型匹配的角點(diǎn)檢測(cè)方法和基于邊緣輪廓線的角點(diǎn)檢測(cè)方法。

基于灰度變化的角點(diǎn)檢測(cè)方法依據(jù)圖像像素點(diǎn)及像素點(diǎn)周圍像素的灰度變化情況，利用一階或二階微分算子檢測(cè)角點(diǎn)，由于二階微分算子對(duì)噪聲非常敏感，因此通常采用一階微分算子提取角點(diǎn)；Moravec提出的基于灰度變化的角點(diǎn)檢測(cè)方法計(jì)算簡(jiǎn)單，運(yùn)行速度快但對(duì)噪聲敏；Harris等對(duì)基于灰度變化的角點(diǎn)檢測(cè)方法進(jìn)行了改進(jìn)后得到經(jīng)典的Harris角點(diǎn)檢測(cè)算法，經(jīng)典的Harris角點(diǎn)檢測(cè)算法首先利用圖像的一階導(dǎo)數(shù)估計(jì)局部梯度自相關(guān)矩陣，然后根據(jù)局部梯度自相關(guān)矩陣的特征值判定圖像的像素點(diǎn)是否為角點(diǎn)，經(jīng)典的Harris角點(diǎn)檢測(cè)算法具有一定旋轉(zhuǎn)平移不變性，可靠性較高，但同性高斯核函數(shù)對(duì)噪聲敏感，角點(diǎn)的定位性也不好。

基于模型匹配的角點(diǎn)檢測(cè)方法通過(guò)將圖像和預(yù)先已經(jīng)定義的模型進(jìn)行匹配得到角點(diǎn)，但是由于該預(yù)先已經(jīng)定義的模型很難覆蓋真實(shí)圖像中的全部角點(diǎn)，所以基于模型匹配的角點(diǎn)檢測(cè)方法在實(shí)際的應(yīng)用中受到了很大地限制。

與前兩類方法相比較，基于邊緣輪廓線的角點(diǎn)檢測(cè)方法性能更加穩(wěn)健，而基于邊緣輪廓線的角點(diǎn)檢測(cè)器(如HE檢測(cè)器和CPDA檢測(cè)器)主要通過(guò)分析圖像邊緣的形狀特性檢測(cè)角點(diǎn)；即首先提取圖像的邊緣輪廓，并從該邊緣輪廓中提取封閉或者非封閉的邊緣輪廓曲線，并根據(jù)建立的角點(diǎn)測(cè)度得到候選角點(diǎn)，然后通過(guò)非極大值抑制等方式去除錯(cuò)誤角點(diǎn)；但是基于邊緣輪廓線的角點(diǎn)檢測(cè)方法對(duì)于邊緣曲線的微小變化以及邊緣檢測(cè)噪聲比較敏感，若提取的邊緣輪廓曲線出現(xiàn)斷裂，則會(huì)對(duì)角點(diǎn)提取產(chǎn)生重要影響，從而使得且邊緣輪廓曲線的角點(diǎn)定位性能也受到影響，因此基于邊緣輪廓線的角點(diǎn)檢測(cè)方法還存在很大的改進(jìn)空間。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)以上現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提出一種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法，該種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法能夠檢測(cè)到自然圖像或人造圖像中的真實(shí)角點(diǎn)并進(jìn)行分類，方法新穎，容易理解且實(shí)現(xiàn)簡(jiǎn)單。

為達(dá)到上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。

一種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法，包括以下步驟：

步驟1，獲取一幅待檢測(cè)的圖像，記為I₀，并對(duì)待檢測(cè)的圖像I₀進(jìn)行平滑處理，得到平滑處理后的圖像I，然后用Canny算子對(duì)平滑處理后的圖像I進(jìn)行邊緣檢測(cè)，得到平滑處理后的圖像I包含的H個(gè)邊緣點(diǎn)，并將所述H個(gè)邊緣點(diǎn)作為候選角點(diǎn)集；

步驟2，獲取濾波器組，所述濾波器組由K個(gè)方向不同的濾波器構(gòu)成，所述濾波器組中以方向?yàn)?度的濾波器作為主濾波器，濾波器組中第k個(gè)濾波器的方向θ^k為2π*(k-1)/K，k∈{1,2,…,K}，并計(jì)算得到由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F；

步驟3，根據(jù)由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F，計(jì)算得到H個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度集Area_edge；。

步驟4，對(duì)所述H個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度集Area_edge依次進(jìn)行非極大值抑制和閾值判斷，得到待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)；。

步驟5，對(duì)待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)進(jìn)行角點(diǎn)分類，得到T個(gè)真實(shí)角點(diǎn)各自包含的峰值個(gè)數(shù)，進(jìn)而完成待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)的分類。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下特點(diǎn)：

第一，本發(fā)明對(duì)對(duì)角點(diǎn)判定的貢獻(xiàn)是角點(diǎn)周圍的一簇簇點(diǎn)而非角點(diǎn)本身，角點(diǎn)中心是復(fù)雜的也是不可信的，即角點(diǎn)周圍的局部結(jié)構(gòu)對(duì)角點(diǎn)的判決起支撐性作用，因此設(shè)計(jì)濾波器的時(shí)候充分考慮了這一點(diǎn)；

第二，傳統(tǒng)角點(diǎn)檢測(cè)和分類算法設(shè)計(jì)的濾波器都覆蓋了待檢測(cè)點(diǎn)的四周2π范圍區(qū)域且濾波窗都是對(duì)稱的，同時(shí)濾波窗只旋轉(zhuǎn)180度進(jìn)行濾波，導(dǎo)致角點(diǎn)檢測(cè)支撐區(qū)域的一部分信息被掩蓋，進(jìn)而導(dǎo)致角點(diǎn)判決模糊，另外也不符合角點(diǎn)模型的；而使用本發(fā)明方法得到設(shè)計(jì)的濾波器只覆蓋待檢測(cè)點(diǎn)周圍π范圍區(qū)域，且濾波器也是非對(duì)稱的；再者，考慮角點(diǎn)結(jié)構(gòu)本身就是有偏的，因此本發(fā)明設(shè)計(jì)的濾波器也是有偏的，這樣不會(huì)使支撐角點(diǎn)的弱信息湮滅；

第三，本發(fā)明方法對(duì)各類型角點(diǎn)都能實(shí)現(xiàn)檢測(cè)和分類；并且角點(diǎn)檢測(cè)的過(guò)程其實(shí)就是從邊緣點(diǎn)中抽取角點(diǎn)，與傳統(tǒng)的角點(diǎn)檢測(cè)算法比較，本發(fā)明方法充分理解了角點(diǎn)檢測(cè)重要本質(zhì)，方法新穎，容易理解且實(shí)現(xiàn)簡(jiǎn)單。

附圖說(shuō)明

下面結(jié)合附圖說(shuō)明和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。

圖1是本發(fā)明的一種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法流程圖；

圖2是使用Canny算子估計(jì)待檢測(cè)圖像中所有像素點(diǎn)的近似邊緣方向角的示意圖；

圖3是一幅人造角點(diǎn)的歸一化濾波響應(yīng)極形圖；

圖4是分別使用ANDD角點(diǎn)檢測(cè)和分類方法，以及本發(fā)明方法得到的ROC曲線圖；

圖5a是一幅人造邊緣點(diǎn)圖，

圖5b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖5a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖5c是使用本發(fā)明方法對(duì)圖5a進(jìn)行歸一化濾波響應(yīng)得到極形圖；

圖6a是一幅人造簡(jiǎn)單角點(diǎn)圖，

圖6b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖6a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖6c是使用本發(fā)明方法對(duì)圖6a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖7a是一幅人造的特殊Y型角點(diǎn)圖，

圖7b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖7a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖7c是使用本發(fā)明方法對(duì)圖7a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖8a是一幅人造的典型Y型角點(diǎn)圖，

圖8b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖8a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖8c是使用本發(fā)明方法對(duì)圖8a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖9a是一幅人造的特殊X型角點(diǎn)圖，

圖9b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖9a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖9c是使用本發(fā)明方法對(duì)圖9a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖10a是一幅人造的特殊X型角點(diǎn)圖，

圖10b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖10a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖10c是使用本發(fā)明方法對(duì)圖10a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖11a是一幅人造的典型X型角點(diǎn)圖，

圖11b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖11a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖11c是使用本發(fā)明方法對(duì)圖11a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；

圖12a是一幅人造的星型角點(diǎn)圖，

圖12b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖12a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，

圖12c是使用本發(fā)明方法對(duì)圖12a的歸一化濾波響應(yīng)得到的極形圖。

具體實(shí)施方式

參照?qǐng)D1，為本發(fā)明的一種基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法流程圖；所述基于支撐域的圖像角點(diǎn)檢測(cè)和分類方法，包括以下步驟：

步驟1，獲取一幅待檢測(cè)的圖像，記為I₀，并對(duì)待檢測(cè)的圖像I₀進(jìn)行平滑處理，得到平滑處理后的圖像I，然后使用Canny算子對(duì)平滑處理后的圖像I進(jìn)行邊緣檢測(cè)，得到平滑處理后的圖像I包含的H個(gè)邊緣點(diǎn)，并將所述H個(gè)邊緣點(diǎn)作為候選角點(diǎn)集；H為自然數(shù)。

步驟1的具體子步驟為：

1.1獲取一幅待檢測(cè)的圖像，記為I₀，然后采用高斯濾波器對(duì)待檢測(cè)的圖像I₀進(jìn)行平滑處理，得到平滑處理后的圖像I。

n表示平滑處理后的圖像I中的像素點(diǎn)索引，n∈{1,2,...,N}，N表示平滑處理后的圖像I中的像素點(diǎn)總數(shù)；n'表示平滑處理后的圖像I中的候選邊緣點(diǎn)索引，n'∈{1,2,…,L}，L表示平滑處理后的圖像I包含的候選邊緣點(diǎn)總數(shù)，L≤N，n的初始值為1，n'的初始值為0。

具體地，首先設(shè)定x表示垂直于邊緣方向的坐標(biāo)，y表示平行于邊緣方向的坐標(biāo)，G(x)表示垂直于邊緣方向的高斯函數(shù)，G(y)表示平行于邊緣方向的高斯函數(shù)，其表達(dá)式分別為：

G(x)＝exp(-x²/(2σ²))

G(y)＝exp(-y²/(2σ²))

其中，σ表示垂直于邊緣方向的高斯函數(shù)G(x)的標(biāo)準(zhǔn)差，σ也表示平行于邊緣方向的高斯函數(shù)G(y)的標(biāo)準(zhǔn)差，exp(·)表示指數(shù)函數(shù)。

然后，根據(jù)垂直于邊緣方向的高斯函數(shù)G(x)和平行于邊緣方向的高斯函數(shù)G(y)，計(jì)算得到高斯濾波器f_IGF(x,y)，其表達(dá)式為：

f_IGF(x,y)＝G(x)G(y)＝exp(-(x²+y²)/2σ²)；

最后，設(shè)定高斯濾波器f_IGF(x,y)的濾波窗口尺寸為M×M，M為大于1的奇數(shù)，本實(shí)施例中M取5；計(jì)算高斯濾波器的濾波窗口內(nèi)所有像素點(diǎn)的濾波器值，其中高斯濾波器的濾波窗口內(nèi)像素點(diǎn)為(x,y)的濾波器值為F_IGF(x,y)，其表達(dá)式為：

F_IGF(x,y)＝exp(-((x-(M-1)/2)²+(y-(M-1)/2)²)/2σ²),x∈{1,2,…M},y∈{1,2,…M}，從而得到高斯濾波模板，并計(jì)算高斯濾波模板與待檢測(cè)的圖像I₀的卷積，進(jìn)而得到平滑處理后的圖像，記為I，F(xiàn)_IGF表示求得的高斯濾波器模板。

1.2計(jì)算平滑處理后的圖像I中第n個(gè)像素點(diǎn)分別沿垂直于邊緣方向和平行于邊緣方向的梯度值，由此計(jì)算平滑處理后的圖像I中第n個(gè)像素點(diǎn)的近似邊緣方向角

具體地，首先分別設(shè)定垂直于邊緣方向的核函數(shù)K_GX和平行于邊緣方向的核函數(shù)K_GY，其表達(dá)式分別為：

然后，分別計(jì)算垂直于邊緣方向的核函數(shù)K_GX、平行于邊緣方向的核函數(shù)K_GY與平滑處理后的圖像I的卷積，得到平滑處理后的圖像I中每一個(gè)像素點(diǎn)分別沿垂直于邊緣方向和平行于邊緣方向的梯度值；其中，平滑處理后的圖像I中第n個(gè)像素點(diǎn)沿垂直于邊緣方向的梯度值為平滑處理后的圖像I中第n個(gè)像素點(diǎn)沿平行于邊緣方向的梯度值為則平滑處理后的圖像I中第n個(gè)像素點(diǎn)的近似邊緣方向角為其表達(dá)式為：

1.3對(duì)平滑處理后的圖像I進(jìn)行非極大值抑制，即選取平滑處理后的圖像I中第n個(gè)像素點(diǎn)，并沿第n個(gè)像素點(diǎn)的近似邊緣方向比較第n個(gè)像素點(diǎn)的像素值與鄰近位置點(diǎn)的像素值，然后判斷第n個(gè)像素點(diǎn)的像素值是否為第n個(gè)像素點(diǎn)的近似邊緣方向上的局部極大值，如果第n個(gè)像素點(diǎn)的像素值是第n個(gè)像素點(diǎn)的近似邊緣方向的像素極大值，則將第n個(gè)像素點(diǎn)作為第n'個(gè)候選邊緣點(diǎn)，并令n'加1；若第n個(gè)像素點(diǎn)的像素值不是第n個(gè)像素點(diǎn)的近似邊緣方向的像素極大值，則舍棄第n個(gè)像素點(diǎn)。

具體地，參照?qǐng)D2，為使用Canny算子估計(jì)待檢測(cè)圖像中所有像素點(diǎn)的近似邊緣方向角的示意圖；圖2中像素點(diǎn)(x,y)的近似邊緣方向?yàn)閷?shí)線所畫方向，則需要將像素點(diǎn)(x,y)的像素值與兩個(gè)空心圓圈處像素點(diǎn)的像素值分別進(jìn)行比較，而兩個(gè)空心圓圈處像素點(diǎn)的像素值需要做線性插值獲得，比如對(duì)像素點(diǎn)(x-1,y+1)的像素值和像素點(diǎn)(x,y+1)的像素值進(jìn)行插值得到；若相比于兩個(gè)空心圓圈處像素點(diǎn)的的像素值，像素點(diǎn)(x,y)的像素值大，則將像素點(diǎn)(x,y)點(diǎn)作為候選邊緣點(diǎn)，否則舍棄像素點(diǎn)(x,y)；非極大值抑制處理能夠消除平滑處理后的圖像I中的虛假邊緣點(diǎn)。

1.4令n加1，重復(fù)執(zhí)行子步驟1.3，直到得到平滑處理后的圖像I中包含的L個(gè)候選邊緣點(diǎn)。

1.5由于邊緣點(diǎn)包含強(qiáng)邊緣點(diǎn)和弱邊緣點(diǎn)，所以使用Canny提出的雙閾值算法分別設(shè)置Canny邊緣檢測(cè)高閾值T_high和Canny邊緣檢測(cè)低閾值T_low，T_high>T_low，l表示L個(gè)候選邊緣點(diǎn)中的候選邊緣點(diǎn)索引，l∈{1,2,...,L}，L表示平滑處理后的圖像I中包含的候選邊緣點(diǎn)總數(shù)；l'表示H個(gè)邊緣點(diǎn)中的邊緣點(diǎn)索引，l'∈{1,2,...,H}，H表示平滑處理后的圖像I中包含的邊緣點(diǎn)總數(shù)；l的初始值為1，l'的初始值為0。

1.6從L個(gè)候選邊緣點(diǎn)選取第l個(gè)候選邊緣點(diǎn)，并將所述第l個(gè)候選邊緣點(diǎn)依次與設(shè)置的Canny邊緣檢測(cè)高閾值T_high和設(shè)置的Canny邊緣檢測(cè)低閾值T_low進(jìn)行比較：

若第l個(gè)候選邊緣點(diǎn)的像素值大于設(shè)置的Canny邊緣檢測(cè)高閾值T_high，則認(rèn)為第l個(gè)候選邊緣點(diǎn)為強(qiáng)邊緣點(diǎn)，進(jìn)而將第l個(gè)強(qiáng)邊緣點(diǎn)作為第l'個(gè)邊緣點(diǎn)，并令l'加1；

若第l個(gè)候選邊緣點(diǎn)的像素值小于設(shè)置的Canny邊緣檢測(cè)高閾值T_high且大于設(shè)置的Canny邊緣檢測(cè)低閾值T_low，則認(rèn)為第l個(gè)候選邊緣點(diǎn)為弱邊緣點(diǎn)；如果第l個(gè)候選邊緣點(diǎn)四鄰接或者八鄰接到強(qiáng)邊緣點(diǎn)上，則第l個(gè)候選邊緣點(diǎn)也認(rèn)為是一個(gè)邊緣點(diǎn)，將其作為第l'個(gè)邊緣點(diǎn)，并令l'加1；如果第l個(gè)候選邊緣點(diǎn)并未四鄰接或者八鄰接到強(qiáng)邊緣點(diǎn)上，則舍棄第l個(gè)候選邊緣點(diǎn)。

1.7令l加1，重復(fù)執(zhí)行子步驟1.6，直到得到平滑處理后的圖像I包含的H個(gè)邊緣點(diǎn)，并將所述平滑處理后的圖像I包含的H個(gè)邊緣點(diǎn)作為候選角點(diǎn)集。

步驟2，獲取濾波器組，所述濾波器組由K個(gè)方向不同的濾波器構(gòu)成，所述濾波器組中以方向?yàn)?度的濾波器作為主濾波器，濾波器組中第k個(gè)濾波器的方向θ^k為2π*(k-1)/K，k∈{1,2,…,K}，并計(jì)算得到由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F。

步驟2的具體子步驟為：

2.1獲取濾波器組，所述濾波器組由K個(gè)方向不同的濾波器組成，濾波器組中濾波器索引為k的濾波器方向?yàn)棣?sup>k，且θ^k＝2π*(k-1)/K。

設(shè)定濾波器組中K個(gè)濾波器的尺寸分別為M_w×M_w，M_w為正整數(shù)，同時(shí)分別將K個(gè)濾波器各自的矩形窗的中心作為笛卡爾坐標(biāo)系原點(diǎn)，則分別得到K個(gè)濾波器各自的矩形窗的長(zhǎng)度x'范圍和K個(gè)濾波器各自的矩形窗的寬度y'范圍：x'∈[-M_w/2,M_w/2]，y'∈[-M_w/2,M_w/2]。

設(shè)定方向?yàn)棣?sup>k的濾波器矩形窗包含P_k個(gè)坐標(biāo)點(diǎn)；選取方向?yàn)棣?sup>k的濾波器矩形窗中的任意一點(diǎn)，記為[xg,yg]，根據(jù)旋轉(zhuǎn)公式計(jì)算得到方向?yàn)?的主濾波器的矩形窗中的對(duì)應(yīng)坐標(biāo)點(diǎn)[vv,uu]，其旋轉(zhuǎn)公式為：vv＝y(tǒng)g*cosθ^k-xg*sinθ^k，uu＝xg*cosθ^k+yg*sinθ^k，方向?yàn)棣?sup>k的濾波器矩形窗中的坐標(biāo)為[xg,yg]的點(diǎn)和方向?yàn)?的主濾波器的矩形窗的坐標(biāo)為[vv,uu]的點(diǎn)對(duì)應(yīng)的濾波器值相等。

2.2初始化：k表示濾波器組中的濾波器索引，k∈{1,2,…,K}，K表示獲取的濾波器組中包含的濾波器個(gè)數(shù)，所述K個(gè)濾波器方向不同；m∈{1,2,…,P_k}，P_k表示方向?yàn)棣?sup>k的濾波器矩形窗中包含的坐標(biāo)點(diǎn)個(gè)數(shù)，m表示方向?yàn)棣?sup>k的濾波器矩形窗中第m個(gè)坐標(biāo)點(diǎn)；k的初始值為1，m的初始值為1，P₁表示方向?yàn)?的主濾波器矩形窗中包含的坐標(biāo)點(diǎn)個(gè)數(shù)；當(dāng)k＝1時(shí)，θ^k＝0。

方向?yàn)?的主濾波器水平方向服從加入n_s長(zhǎng)度平坦區(qū)的高斯分布，但方向?yàn)?的主濾波器對(duì)其進(jìn)行了調(diào)偏，即沿水平方向進(jìn)行了平移，平移長(zhǎng)度為n_b。方向?yàn)?的主濾波器垂直方向服從高斯函數(shù)一階導(dǎo)數(shù)；水平方向的高斯函數(shù)的方差和垂直方向的高斯函數(shù)的方差不同，分別記為σ_v和σ_u，方向?yàn)?的主濾波器的各向異性比為ρ＝σ_v/σ_u，ρ>1。

然后計(jì)算方向?yàn)?的主濾波器矩形窗對(duì)應(yīng)的主濾波器模板F_θ＝0(vv,uu)，其表達(dá)式為：

其中，n_s表示方向?yàn)?的主濾波器水平方向加入平坦區(qū)的長(zhǎng)度，n_b表示沿方向?yàn)?的主濾波器水平方向上的調(diào)偏長(zhǎng)度。

2.3以方向?yàn)棣?sup>k的濾波器的矩形窗中心點(diǎn)作為笛卡爾坐標(biāo)系的原點(diǎn)構(gòu)建方向?yàn)棣?sup>k的濾波器對(duì)應(yīng)坐標(biāo)系，然后對(duì)方向?yàn)棣?sup>k的濾波器矩形窗中第m個(gè)坐標(biāo)點(diǎn)[xg_m,yg_m]根據(jù)旋轉(zhuǎn)公式

vv_0m＝y(tǒng)g_m×cosθ^k-xg_m×sinθ^k，uu_0m＝xg_m×cosθ^k+yg_m×sinθ^k，計(jì)算方向?yàn)棣?sup>k的濾波器矩形窗中第m個(gè)坐標(biāo)點(diǎn)對(duì)應(yīng)于方向?yàn)?的主濾波器的矩形窗中點(diǎn)的坐標(biāo)為[vv_0m,uu_0m]，再根據(jù)所述方向?yàn)棣?sup>k的濾波器矩形窗中第m個(gè)坐標(biāo)點(diǎn)對(duì)應(yīng)于方向?yàn)?的主濾波器的矩形窗中點(diǎn)的坐標(biāo)為[vv_0m,uu_0m]，計(jì)算得到方向?yàn)棣?sup>k的濾波器矩形窗中第m個(gè)坐標(biāo)點(diǎn)[xg_m,yg_m]的濾波器值，所述第m個(gè)坐標(biāo)點(diǎn)[xg_m,yg_m]的濾波器值等于方向?yàn)?的主濾波器中第m個(gè)坐標(biāo)點(diǎn)[vv_0m,uu_0m]的濾波器值其表達(dá)式為：

2.4令m加1，重復(fù)執(zhí)行子步驟2.3，直到得到方向?yàn)棣?sup>k的濾波器矩形窗中第P_k個(gè)坐標(biāo)點(diǎn)的濾波器值，此時(shí)將得到的方向?yàn)棣?sup>k的濾波器矩形窗中第1個(gè)坐標(biāo)點(diǎn)的濾波器值到方向?yàn)棣?sup>k的濾波器矩形窗中第P_k個(gè)坐標(biāo)點(diǎn)的濾波器值，作為方向?yàn)棣?sup>k的濾波器模版

2.5令k加1，依次重復(fù)執(zhí)行子步驟2.3和子步驟2.4，直到得到方向?yàn)棣?sup>K的濾波器模版此時(shí)將得到的方向?yàn)棣?sup>1的濾波器模版到方向?yàn)棣?sup>K的濾波器模版作為由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F。

步驟3，根據(jù)由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F，計(jì)算得到H個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度集Area_edge。

角點(diǎn)檢測(cè)其實(shí)就是從邊緣點(diǎn)中挑選出角點(diǎn)來(lái)。我們構(gòu)造的濾波器組與H個(gè)邊緣點(diǎn)的濾波響應(yīng)分別是一對(duì)對(duì)稱的峰，而角點(diǎn)的濾波響應(yīng)則至少包含兩個(gè)不對(duì)稱的峰。我們構(gòu)建角點(diǎn)測(cè)度的原理是先把濾波器組對(duì)待選點(diǎn)的濾波響應(yīng)中去掉最大響應(yīng)，再用剩下的部分構(gòu)建角點(diǎn)測(cè)度，而最大響應(yīng)其實(shí)就是發(fā)明中設(shè)計(jì)的濾波器組對(duì)理想階躍邊緣的濾波響應(yīng)。

水平方向的理想階躍邊緣可表示為其中β＝0代表邊緣方向?yàn)?度，我們用OPT_edge_β(xg,yg)來(lái)表示方向?yàn)棣碌睦硐腚A躍邊緣，則計(jì)算得到第k個(gè)濾波器對(duì)方向?yàn)棣碌睦硐腚A躍邊緣的濾波響應(yīng)OPT_output(θ^k)，其表達(dá)式為：

其中，θ^k＝2π*(k-1)/K，k∈{1,2,…,K}。

步驟3的具體子步驟為：

3.1在由K個(gè)方向不同的濾波器模版構(gòu)成的濾波器組F中，選取所述濾波器組F中方向?yàn)棣?sup>k的濾波器模版與待檢測(cè)的圖像I₀進(jìn)行卷積后再進(jìn)行歸一化處理，得到方向?yàn)棣?sup>k的濾波器模版對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ^k)，

I₀表示待檢測(cè)的圖像，表示方向?yàn)棣?sup>k的濾波器模版。

3.2所述候選角點(diǎn)集為平滑處理后的圖像I中的H個(gè)邊緣點(diǎn)，即所述候選角點(diǎn)集中也包含H個(gè)候選角點(diǎn)，h∈{1,2,...,H}，h表示候選角點(diǎn)集中的候選角點(diǎn)索引，h的初始值為0；k表示濾波器組中的濾波器索引，k∈{1,2,…,K}，K表示獲取的濾波器組中包含的濾波器個(gè)數(shù)，k的初始值為1。

3.3選取H個(gè)候選角點(diǎn)中第h個(gè)候選角點(diǎn)，并計(jì)算第h個(gè)候選角點(diǎn)的方向?yàn)棣?sup>k的濾波器模版對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ^k)；

3.4令k加1，重復(fù)執(zhí)行子步驟3.3，直到得到第h個(gè)候選角點(diǎn)的方向?yàn)棣?sup>K的濾波器模板對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ^K)，然后在此時(shí)得到的第h個(gè)候選角點(diǎn)的方向?yàn)棣?sup>1的濾波器模板對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ¹)到第h個(gè)候選角點(diǎn)的方向?yàn)棣?sup>K的濾波器模板對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ^K)中找到最大值和該最大值對(duì)應(yīng)的角度，所述最大值為第h個(gè)候選角點(diǎn)的最大響應(yīng)，所述最大值對(duì)應(yīng)的角度為第h個(gè)候選角點(diǎn)的理想階躍邊緣角度β_h。

3.5根據(jù)第h個(gè)候選角點(diǎn)的理想階躍邊緣角度β_h和將第k個(gè)濾波器對(duì)方向?yàn)棣碌睦硐腚A躍邊緣的濾波響應(yīng)OPT_output(θ^k)，計(jì)算得到第h個(gè)候選角點(diǎn)在方向?yàn)棣?sup>k的濾波器中的角點(diǎn)測(cè)量值OPT_output(θ^k)。

3.6令k加1，重復(fù)子步驟3.5，直到得到第h個(gè)候選角點(diǎn)在方向?yàn)棣?sup>K的濾波器中的角點(diǎn)測(cè)量值OPT_output(θ^K)，此時(shí)得到第h個(gè)候選角點(diǎn)在方向?yàn)棣?sup>1的濾波器中的角點(diǎn)測(cè)量值OPT_output(θ¹)到第h個(gè)候選角點(diǎn)在方向?yàn)棣?sup>K的濾波器中的角點(diǎn)測(cè)量值OPT_output(θ^K)，進(jìn)而計(jì)算得到第h個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度Area_edge_h，其表達(dá)式為：

3.6令h加1，依次重復(fù)執(zhí)行子步驟3.3至子步驟3.5，直到得到第H個(gè)候選角點(diǎn)在在濾波器組中的角點(diǎn)測(cè)度Area_edge_H，此時(shí)將得到的第1個(gè)候選角點(diǎn)在濾波器組中的角點(diǎn)測(cè)度Area_edge₁到第H個(gè)候選角點(diǎn)在濾波器組中的角點(diǎn)測(cè)度Area_edge_H，作為H個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度集Area_edge。

步驟4，對(duì)所述H個(gè)候選角點(diǎn)的角點(diǎn)測(cè)度集Area_edge依次進(jìn)行非極大值抑制和閾值判斷，得到待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)。

步驟4的具體子步驟為：

4.1設(shè)定一個(gè)與平滑處理后的圖像I尺寸相同的二維矩陣G，將H個(gè)候選角點(diǎn)在所述二維矩陣中分別標(biāo)注出來(lái)，并將H個(gè)候選角點(diǎn)各自在濾波器組中的角點(diǎn)測(cè)度作為二維矩陣G中的對(duì)應(yīng)像素點(diǎn)灰度值，將二維矩陣G中沒(méi)有標(biāo)注的像素點(diǎn)的像素值分別取0。

h'∈{1,2,...,H}，h'表示二維矩陣G中的候選角點(diǎn)索引，H表示二維矩陣G中包含的候選角點(diǎn)個(gè)數(shù)，h'的初始值為1；h”∈{1,2,…,T}，h”表示待檢測(cè)的圖像I₀中的真實(shí)角點(diǎn)索引，T表示待檢測(cè)的圖像I₀中包含的真實(shí)角點(diǎn)個(gè)數(shù)，h”的初始值為0；將二維矩陣G中第h'個(gè)候選角點(diǎn)記為(i_h',j_h')。

4.2選取二維矩陣G中第h'個(gè)候選角點(diǎn)(i_h',j_h')，并在大小為2*radius+1的鄰域范圍內(nèi)，radius為正整數(shù)，本實(shí)施例中取1，即

i_h'∈(i_h'-radius,i_h'+radius)和j_h'∈(j_h'-radius,j_h'+radius)，判斷第h'個(gè)候選角點(diǎn)(i_h',j_h')的像素值是否是對(duì)應(yīng)鄰域內(nèi)的極大值，若是極大值，則進(jìn)一步判斷第h'個(gè)候選角點(diǎn)(i_h',j_h')的像素值是否大于角點(diǎn)檢測(cè)閾值eta，如果大于，則將第h'個(gè)候選角點(diǎn)(i_h',j_h')作為第h”個(gè)真實(shí)角點(diǎn)，并令h”加1；否則舍棄第h'個(gè)候選角點(diǎn)。

4.3令h'加1，重復(fù)執(zhí)行子步驟4.2，直到判斷第H個(gè)候選角點(diǎn)(i_H,j_H)的像素值是否是對(duì)應(yīng)鄰域內(nèi)的極大值，若是極大值，則進(jìn)一步判斷第H個(gè)候選角點(diǎn)(i_H,j_H)的像素值是否大于角點(diǎn)檢測(cè)閾值eta，如果大于，則將第H個(gè)候選角點(diǎn)(i_H,j_H)作為第T個(gè)真實(shí)角點(diǎn)；否則舍棄第H個(gè)候選角點(diǎn)；此時(shí)得到了T個(gè)真實(shí)角點(diǎn)，并將T個(gè)真實(shí)角點(diǎn)分別在待檢測(cè)的圖像I₀中進(jìn)行標(biāo)識(shí)，即得到待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)。

步驟5，對(duì)待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)進(jìn)行角點(diǎn)分類，得到T個(gè)真實(shí)角點(diǎn)各自包含的峰值個(gè)數(shù)，進(jìn)而完成待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)的分類。

對(duì)角點(diǎn)進(jìn)行分類實(shí)質(zhì)上就是從待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)各自的K個(gè)方向歸一化濾波響應(yīng)畫成的極形圖中找超過(guò)角點(diǎn)檢測(cè)閾值的峰值個(gè)數(shù)，參照?qǐng)D3，為一幅人造角點(diǎn)的歸一化濾波響應(yīng)極形圖。

圖3的極形圖中峰值為3個(gè)，若閾值為0.4，則該極形圖對(duì)應(yīng)的點(diǎn)是一個(gè)典型的Y型角點(diǎn)；為了得到典型的Y型角點(diǎn)，將待檢測(cè)的圖像I₀中每一個(gè)真實(shí)角點(diǎn)的K個(gè)方向歸一化濾波響應(yīng)，分別與該真實(shí)角點(diǎn)周圍鄰近的2個(gè)方向的歸一化濾波響應(yīng)進(jìn)行比較，若該方向均大于另2個(gè)方向的濾波響應(yīng)值且大于閾值eta，則該方向?qū)?yīng)一個(gè)峰，旋轉(zhuǎn)360度后得到滿足閾值條件的峰值個(gè)數(shù)，進(jìn)而完成角點(diǎn)分類。

步驟5的子步驟為：

5.1k表示濾波器組中的濾波器索引，k∈{1,2,…,K}，K表示獲取的濾波器組中包含的濾波器個(gè)數(shù)，k的初始值為1；t表示待檢測(cè)的圖像I₀中的真實(shí)角點(diǎn)索引，t∈{1,2,…,T}，T表示待檢測(cè)的圖像I₀中包含的真實(shí)角點(diǎn)個(gè)數(shù)；k_t表示第t個(gè)真實(shí)角點(diǎn)包含的峰值個(gè)數(shù)，k_t的初始值為0；將待檢測(cè)的圖像I₀中第t個(gè)真實(shí)角點(diǎn)記為(m_t,n_t)。

5.2選取待檢測(cè)的圖像I₀中第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)，并根據(jù)第h個(gè)候選角點(diǎn)的方向?yàn)棣?sup>k的濾波器模版對(duì)應(yīng)的圖像歸一化濾波響應(yīng)IMG_output(θ^k)，計(jì)算得到第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>k的濾波器方向的歸一化濾波響應(yīng)，記為索引為k的濾波器方向?yàn)棣?sup>k，且θ^k＝2π*(k-1)/K。

5.3令k加1,重復(fù)執(zhí)行子步驟5.2，直到得到第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>K的濾波器方向的歸一化濾波響應(yīng)，記為此時(shí)得到了第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>1的濾波器方向的歸一化濾波響應(yīng)到第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>K的濾波器方向的歸一化濾波響應(yīng)并將k重新設(shè)置為1。

5.4將第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>k的濾波器方向的歸一化濾波響應(yīng)，與第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)鄰近兩個(gè)方向各自的歸一化濾波響應(yīng)值進(jìn)行比較，若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>k的濾波器方向的歸一化濾波響應(yīng)分別大于第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)鄰近兩個(gè)方向各自的歸一化濾波響應(yīng)值且第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>k的濾波器方向的歸一化濾波響應(yīng)大于角點(diǎn)檢測(cè)閾值eta，則令第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)包含的峰值個(gè)數(shù)k_t加1。

5.5令k加1，重復(fù)執(zhí)行子步驟5.4，直到將第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>K的濾波器方向的歸一化濾波響應(yīng)，與第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)鄰近兩個(gè)方向各自的歸一化濾波響應(yīng)值進(jìn)行比較，若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>K的濾波器方向的歸一化濾波響應(yīng)分別大于第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)鄰近兩個(gè)方向各自的歸一化濾波響應(yīng)值且第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)在方向?yàn)棣?sup>K的濾波器方向的歸一化濾波響應(yīng)大于角點(diǎn)檢測(cè)閾值eta，則令第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)包含的峰值個(gè)數(shù)k_t加1，此時(shí)得到第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)包含的k_t個(gè)峰值。

具體地，若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)的峰值個(gè)數(shù)k_t為2，則第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)是普通角點(diǎn)；若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)的峰值個(gè)數(shù)k_t為3，則第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)是Y型角點(diǎn)；若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)的峰值個(gè)數(shù)為4，則第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)是X型角點(diǎn)；若第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)的峰值個(gè)數(shù)k_t為5及以上，則第t個(gè)真實(shí)角點(diǎn)(m_t,n_t)是星形角點(diǎn)。

5.6令t加1，依次重復(fù)子步驟5.2至子步驟5.5，直到得到第T個(gè)真實(shí)角點(diǎn)(m_T,n_T)的k_T個(gè)峰值，此時(shí)完成了待檢測(cè)的圖像I₀中包含的T個(gè)真實(shí)角點(diǎn)的分類。

通過(guò)以下仿真實(shí)驗(yàn)對(duì)本發(fā)明效果作進(jìn)一步驗(yàn)證說(shuō)明。

實(shí)驗(yàn)1：作ROC曲線，用以比較本發(fā)明方法，與各向異性方向?qū)?shù)(ANDD)角點(diǎn)檢測(cè)和分類算法的性能，參照?qǐng)D4，為分別使用ANDD角點(diǎn)檢測(cè)和分類方法，以及本發(fā)明方法得到的ROC曲線圖。

實(shí)驗(yàn)2：對(duì)比本發(fā)明方法，與各向異性方向?qū)?shù)(ANDD)角點(diǎn)檢測(cè)和分類算法對(duì)角點(diǎn)的分類性能；輸入8幅人造角點(diǎn)圖像，分別為圖5a、圖6a、圖7a、圖8a、圖9a、圖10a、圖11a和圖12a，其中圖5a是一幅人造邊緣點(diǎn)圖，圖6a是一幅人造簡(jiǎn)單角點(diǎn)圖，圖7a是一幅人造的特殊Y型角點(diǎn)圖，圖8a是一幅人造的典型Y型角點(diǎn)圖，圖9a是一幅人造的特殊X型角點(diǎn)圖，圖10a是一幅人造的特殊X型角點(diǎn)圖，圖11a是一幅人造的典型X型角點(diǎn)圖，圖12a是一幅人造的星型角點(diǎn)圖；

分別使用ANDD角點(diǎn)檢測(cè)和分類算法，以及本發(fā)明方法對(duì)人造角點(diǎn)圖像進(jìn)行濾波，得到其360度內(nèi)多方向歸一化濾波響應(yīng)，并將其畫成極形圖，進(jìn)而得到8幅使用ANDD角點(diǎn)檢測(cè)和分類方法得到的極形圖和8幅使用本發(fā)明方法得到的極形圖，分別為圖5b、圖6b、圖7b、圖8b、圖9b、圖10b、圖11b和圖12b，以及圖5c、圖6c、圖7c、圖8c、圖9c、圖10c、圖11c和圖12c。

圖5b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖5a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖6b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖6a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖7b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖7a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖8b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖8a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖9b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖9a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖10b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖10a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖11b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖11a進(jìn)行歸一化濾波響應(yīng)得到的極形圖，圖12b是使用ANDD角點(diǎn)檢測(cè)和分類方法對(duì)圖12a進(jìn)行歸一化濾波響應(yīng)得到的極形圖。

圖5c是使用本發(fā)明方法對(duì)圖5a進(jìn)行歸一化濾波響應(yīng)得到極形圖；圖6c是使用本發(fā)明方法對(duì)圖6a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖7c是使用本發(fā)明方法對(duì)圖7a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖8c是使用本發(fā)明方法對(duì)圖8a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖9c是使用本發(fā)明方法對(duì)圖9a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖10c是使用本發(fā)明方法對(duì)圖10a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖11c是使用本發(fā)明方法對(duì)圖11a進(jìn)行歸一化濾波響應(yīng)得到的極形圖；圖12c是使用本發(fā)明方法對(duì)圖12a的歸一化濾波響應(yīng)得到的極形圖。

從圖4可以直觀看出本發(fā)明方法的性能比ANDD角點(diǎn)檢測(cè)和分類算法的性能要好；從實(shí)驗(yàn)2得到的結(jié)果可以看出ANDD角點(diǎn)檢測(cè)和分類算法對(duì)諸如圖7a,9a,10a這種角點(diǎn)是無(wú)法判決的，究其原因在于ANDD角點(diǎn)檢測(cè)和分類算法使用的濾波器是對(duì)稱的，得到的角點(diǎn)的歸一化濾波響應(yīng)畫成極形圖也是對(duì)稱的，這樣不僅湮滅了一些小峰的信息，更加導(dǎo)致一部分類型角點(diǎn)無(wú)法判決和分類。

綜上所述，仿真實(shí)驗(yàn)驗(yàn)證了本發(fā)明的正確性，有效性和可靠性。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍；這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。