基于SUSAN算法的角點(diǎn)檢測

《基于SUSAN算法的角點(diǎn)檢測》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、竺竺，．／基于SUSAN算法的角點(diǎn)檢測陳麗莉f中國海洋大學(xué)信息工程學(xué)院計(jì)算機(jī)應(yīng)用，青島266OO3)摘要：角點(diǎn)是圖像目標(biāo)的重要的局部特征．角點(diǎn)檢測是低層次圖像處理的一個(gè)重要方法。介紹SUSAN算法的原理，介紹該算法在角點(diǎn)檢測中的應(yīng)用，對實(shí)驗(yàn)結(jié)果進(jìn)行了比較，并對該算法進(jìn)行評價(jià)．給出評價(jià)角點(diǎn)檢測算法的標(biāo)準(zhǔn)。關(guān)鍵詞：SUSAN算法；角點(diǎn)檢測；角點(diǎn)響應(yīng)函數(shù)；非極大值抑制0引言了不同位置的USAN區(qū)域面積大小USAN區(qū)域包含了圖像結(jié)構(gòu)的以下信息：在a位置．核fi,點(diǎn)在角點(diǎn)上．角點(diǎn)沒有明確的數(shù)學(xué)定義．但人們普遍認(rèn)為角點(diǎn)USAN面積達(dá)到最小；在b位置，

2、核fi,點(diǎn)在邊緣線上時(shí)，是二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲線上曲USAN區(qū)域面積接近最大值的一半；在C、d位置，核心率極大值的點(diǎn)這些點(diǎn)在保留圖像圖形重要特征的同點(diǎn)處于黑色矩形區(qū)域之內(nèi)．USAN區(qū)域面積接近最大時(shí)?？梢杂行У販p少信息的數(shù)據(jù)量．使其信息的含量很值。因此，可以根據(jù)USAN區(qū)的面積大小檢測出角點(diǎn)。高。有效地提高了計(jì)算的速度．有利于圖像的可靠匹配，使得實(shí)時(shí)處理成為可能。其在三維場景重建、運(yùn)動(dòng)估計(jì)、目標(biāo)跟蹤、目標(biāo)識(shí)別、圖像配準(zhǔn)與匹配等計(jì)算機(jī)視覺領(lǐng)域起著非常重要的作用30多年來．越來越多的學(xué)者對角點(diǎn)檢測投入了研究，因此產(chǎn)生了很多算法

3、?？蓪⑦@些算法分為：①基于模板匹配的角點(diǎn)檢測；②基于邊緣特征的角點(diǎn)檢測：圖1包含36個(gè)像素的SUSAN圓形模板③基于亮度變化的角點(diǎn)檢測。本文所討論的就是基于亮度變化的SUSAN算法的角點(diǎn)檢測1SUSAN特征檢測原理SUSAN算法是1997年由英國牛津大學(xué)的Smith和Brady提出的一種低層次圖像處理小核值相似區(qū)的方法f即SmallUnivalueSegmentAssimilatingNucle—US)。該算法直接利用像素的灰度進(jìn)行角點(diǎn)檢測．而不考慮曲率等復(fù)雜的角點(diǎn)特征SUSAN探測算子的基本原理是：與每一圖像點(diǎn)相關(guān)的局部區(qū)域具有相同圖2

4、簡單圖像中的四個(gè)圓形模板現(xiàn)代的亮度。具體檢測時(shí)，是用圓形模板掃描整個(gè)圖像，比較計(jì)SUSAN算法是通過一個(gè)37圓形模板來實(shí)現(xiàn)的．模板內(nèi)每一像素與中fi,像素的灰度值．并給定閾值來算如圖1所示。圖2中圓形模板e(cuò)的圓心稱為核fi,．假判別該像素是否屬于USAN區(qū)域，式1是SUSAN算機(jī)如模板中的某些像素的亮度與核心相同或相似．就定^法的原形相似比較函數(shù)．式2是在實(shí)際應(yīng)用中比較常總義這些像素組成的區(qū)域?yàn)閁SAN區(qū)域圖3顯示出用的相似比較函數(shù)：第三0收稿日期：2009—03—10修稿日期：2009—03—18七作者簡介：陳麗莉(1979-)，女，山

5、東平度人，助教，本科。研究方向?yàn)橛?jì)算機(jī)應(yīng)用期MODERNCOMPUTER2咖．5囝＼、取g=1n一，利用式(4)產(chǎn)生角點(diǎn)響應(yīng)；二(4)通過計(jì)算USAN區(qū)域的重心及其與中心的距離來去除偽角點(diǎn)：(5)使用非極大值抑制來尋找角點(diǎn)為了去除偽角點(diǎn)SUSAN算子可以由以下方法實(shí)現(xiàn)。計(jì)算USAN區(qū)域的重心，然后計(jì)算重心和模板中心的距離．如果距離較小則不是正確的角點(diǎn)這個(gè)簡圖3不同位置USAN區(qū)域面積的大小單的方法在理論上和實(shí)踐中都是非常有效的還有一個(gè)去除方法是判斷USAN區(qū)域的重心和模板中心++『1if1．rl-l(；。)l≤f的連線所經(jīng)過的像素都是屬于

6、USAN區(qū)域的像素．那c(r．ro)={(1)么這個(gè)模板中心的點(diǎn)就是角點(diǎn)后一個(gè)方法加強(qiáng)了l0礦IJ(；)I，()I>fUSAN區(qū)域的一致性．在有些實(shí)際圖像中尤其是有噪++一I業(yè))‘聲的情況下是非常必要的[4lc(r。r0)=e(2)進(jìn)行非極大值抑制是因?yàn)樵诮屈c(diǎn)所在位置附近區(qū)域響應(yīng)函數(shù)可能都具有較高的值．而只有在局部有式中，c(r，r。)為模板內(nèi)屬于USAN區(qū)域的像素的最大值的位置才是角點(diǎn)的正確位置．所以為了得出角相似比較函數(shù)．計(jì)算每個(gè)像素點(diǎn)為核心的USAN區(qū)的點(diǎn)的正確位置必須進(jìn)行非極大值抑制這一步像素個(gè)數(shù)，，(r。)是模板中心像素(核)的

7、灰度值，，(r)為模板內(nèi)其他任意像素的灰度值．t是區(qū)分特征目標(biāo)與3實(shí)驗(yàn)結(jié)果分析背景的一個(gè)重要閾值．一般取25本文以340x320的JPEG圖作實(shí)驗(yàn)圖像．把本文圖像中某一點(diǎn)USAN區(qū)域大小可由下式表示：介紹的SUSAN算法與Harris的角點(diǎn)檢測算法在角點(diǎn)檢測的定位準(zhǔn)確性方面進(jìn)行了比較。結(jié)果表明本文改nl)=∑c【；。；。)l3)c)進(jìn)的算法能較好的提取角點(diǎn)，圖5是基于Harris的角點(diǎn)檢測算法的結(jié)果．圖6是SUSAN算法的角點(diǎn)檢測式中，C(ro)是以r。為圓心的模板。的結(jié)果．通過對比可以看出圖6中檢測出的角點(diǎn)的精在得到每個(gè)象像的USAN區(qū)

8、域后。再由下式角點(diǎn)確度比較高．這主要體現(xiàn)在隨機(jī)紋理的部分，由此可響應(yīng)函數(shù)(CornerResponseFunction，CRF)產(chǎn)生角點(diǎn)見本文算法在定位的準(zhǔn)確性方面達(dá)到了已有角點(diǎn)提初始響應(yīng)：取