基于SUSAN算法的角點檢測

《基于SUSAN算法的角點檢測》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、竺竺，．／基于SUSAN算法的角點檢測陳麗莉f中國海洋大學信息工程學院計算機應用，青島266OO3)摘要：角點是圖像目標的重要的局部特征．角點檢測是低層次圖像處理的一個重要方法。介紹SUSAN算法的原理，介紹該算法在角點檢測中的應用，對實驗結果進行了比較，并對該算法進行評價．給出評價角點檢測算法的標準。關鍵詞：SUSAN算法；角點檢測；角點響應函數(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)域包含了圖像結構的以下信息：在a位置．核fi,點在角點上．角點沒有明確的數(shù)學定義．但人們普遍認為角點USAN面積達到最??；在b位置，

2、核fi,點在邊緣線上時，是二維圖像亮度變化劇烈的點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，核心率極大值的點這些點在保留圖像圖形重要特征的同點處于黑色矩形區(qū)域之內(nèi)．USAN區(qū)域面積接近最大時。可以有效地減少信息的數(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。高。有效地提高了計算的速度．有利于圖像的可靠匹配，使得實時處理成為可能。其在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領域起著非常重要的作用30多年來．越來越多的學者對角點檢測投入了研究，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檢測；②基于邊緣特征的角點檢測：圖1包含36個像素的SUSAN圓形模板③基于亮度變化的角點檢測。本文所討論的就是基于亮度變化的SUSAN算法的角點檢測1SUSAN特征檢測原理SUSAN算法是1997年由英國牛津大學的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行角點檢測．而不考慮曲率等復雜的角點特征SUSAN探測算子的基本原理是：與每一圖像點相關的局部區(qū)域具有相同圖2

4、簡單圖像中的四個圓形模板現(xiàn)代的亮度。具體檢測時，是用圓形模板掃描整個圖像，比較計SUSAN算法是通過一個37圓形模板來實現(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是在實際應用中比較?？偭x這些像素組成的區(qū)域為USAN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。研究方向為計算機應用期MODERNCOMPUTER2咖．5囝＼、取g=1n一，利用式(4)產(chǎn)生角點響應；二(4)通過計算USAN區(qū)域的重心及其與中心的距離來去除偽角點：(5)使用非極大值抑制來尋找角點為了去除偽角點SUSAN算子可以由以下方法實現(xiàn)。計算USAN區(qū)域的重心，然后計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這個簡圖3不同位置USAN區(qū)域面積的大小單的方法在理論上和實踐中都是非常有效的還有一個去除方法是判斷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)么這個模板中心的點就是角點后一個方法加強了l0礦IJ(；)I，()I>fUSAN區(qū)域的一致性．在有些實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)進行非極大值抑制是因為在角點所在位置附近區(qū)域響應函數(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的正確位置．所以為了得出角相似比較函數(shù)．計算每個像素點為核心的USAN區(qū)的點的正確位置必須進行非極大值抑制這一步像素個數(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)分特征目標與3實驗結果分析背景的一個重要閾值．一般取25本文以340x320的JPEG圖作實驗圖像．把本文圖像中某一點USAN區(qū)域大小可由下式表示：介紹的SUSAN算法與Harris的角點檢測算法在角點檢測的定位準確性方面進行了比較。結果表明本文改nl)=∑c【；。；。)l3)c)進的算法能較好的提取角點，圖5是基于Harris的角點檢測算法的結果．圖6是SUSAN算法的角點檢測式中，C(ro)是以r。為圓心的模板。的結果．通過對比可以看出圖6中檢測出的角點的精在得到每個象像的USAN區(qū)

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