基于SUSAN算法的角点检测

《基于SUSAN算法的角点检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、竺竺，．／基于SUSAN算法的角点检测陈丽莉f中国海洋大学信息工程学院计算机应用，青岛266OO3)摘要：角点是图像目标的重要的局部特征．角点检测是低层次图像处理的一个重要方法。介绍SUSAN算法的原理，介绍该算法在角点检测中的应用，对实验结果进行了比较，并对该算法进行评价．给出评价角点检测算法的标准。关键词：SUSAN算法；角点检测；角点响应函数；非极大值抑制0引言了不同位置的USAN区域面积大小USAN区域包含了图像结构的以下信息：在a位置．核fi,点在角点上．角点没有明确的数学定义．但人们普遍认为角点USAN面积达到最小；在b位置，

2、核fi,点在边缘线上时，是二维图像亮度变化剧烈的点或图像边缘曲线上曲USAN区域面积接近最大值的一半；在C、d位置，核心率极大值的点这些点在保留图像图形重要特征的同点处于黑色矩形区域之内．USAN区域面积接近最大时。可以有效地减少信息的数据量．使其信息的含量很值。因此，可以根据USAN区的面积大小检测出角点。高。有效地提高了计算的速度．有利于图像的可靠匹配，使得实时处理成为可能。其在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用30多年来．越来越多的学者对角点检测投入了研究，因此产生了很多算法

3、。可将这些算法分为：①基于模板匹配的角点检测；②基于边缘特征的角点检测：图1包含36个像素的SUSAN圆形模板③基于亮度变化的角点检测。本文所讨论的就是基于亮度变化的SUSAN算法的角点检测1SUSAN特征检测原理SUSAN算法是1997年由英国牛津大学的Smith和Brady提出的一种低层次图像处理小核值相似区的方法f即SmallUnivalueSegmentAssimilatingNucle—US)。该算法直接利用像素的灰度进行角点检测．而不考虑曲率等复杂的角点特征SUSAN探测算子的基本原理是：与每一图像点相关的局部区域具有相同图2

4、简单图像中的四个圆形模板现代的亮度。具体检测时，是用圆形模板扫描整个图像，比较计SUSAN算法是通过一个37圆形模板来实现的．模板内每一像素与中fi,像素的灰度值．并给定阈值来算如图1所示。图2中圆形模板e的圆心称为核fi,．假判别该像素是否属于USAN区域，式1是SUSAN算机如模板中的某些像素的亮度与核心相同或相似．就定^法的原形相似比较函数．式2是在实际应用中比较常总义这些像素组成的区域为USAN区域图3显示出用的相似比较函数：第三0收稿日期：2009—03—10修稿日期：2009—03—18七作者简介：陈丽莉(1979-)，女，山

5、东平度人，助教，本科。研究方向为计算机应用期MODERNCOMPUTER2咖．5囝＼、取g=1n一，利用式(4)产生角点响应；二(4)通过计算USAN区域的重心及其与中心的距离来去除伪角点：(5)使用非极大值抑制来寻找角点为了去除伪角点SUSAN算子可以由以下方法实现。计算USAN区域的重心，然后计算重心和模板中心的距离．如果距离较小则不是正确的角点这个简图3不同位置USAN区域面积的大小单的方法在理论上和实践中都是非常有效的还有一个去除方法是判断USAN区域的重心和模板中心++『1if1．rl-l(；。)l≤f的连线所经过的像素都是属于

6、USAN区域的像素．那c(r．ro)={(1)么这个模板中心的点就是角点后一个方法加强了l0矿IJ(；)I，()I>fUSAN区域的一致性．在有些实际图像中尤其是有噪++一I业)‘声的情况下是非常必要的[4lc(r。r0)=e(2)进行非极大值抑制是因为在角点所在位置附近区域响应函数可能都具有较高的值．而只有在局部有式中，c(r，r。)为模板内属于USAN区域的像素的最大值的位置才是角点的正确位置．所以为了得出角相似比较函数．计算每个像素点为核心的USAN区的点的正确位置必须进行非极大值抑制这一步像素个数，，(r。)是模板中心像素(核)的

7、灰度值，，(r)为模板内其他任意像素的灰度值．t是区分特征目标与3实验结果分析背景的一个重要阈值．一般取25本文以340x320的JPEG图作实验图像．把本文图像中某一点USAN区域大小可由下式表示：介绍的SUSAN算法与Harris的角点检测算法在角点检测的定位准确性方面进行了比较。结果表明本文改nl)=∑c【；。；。)l3)c)进的算法能较好的提取角点，图5是基于Harris的角点检测算法的结果．图6是SUSAN算法的角点检测式中，C(ro)是以r。为圆心的模板。的结果．通过对比可以看出图6中检测出的角点的精在得到每个象像的USAN区

8、域后。再由下式角点确度比较高．这主要体现在随机纹理的部分，由此可响应函数(CornerResponseFunction，CRF)产生角点见本文算法在定位的准确性方面达到了已有角点提初始响应：取