改进的Harris角点检测算法：多阈值与SUSAN策略提升性能

本文主要探讨了基于Harris角点检测的改进算法，针对经典Harris算法存在的问题，如单一阈值导致的伪角点和漏检，以及运行速度不理想，研究者提出了一种创新的检测策略。首先，他们将传统的Harris算法作为基础，引入多阈值的圆形非极大值抑制（Circular Non-Maximum Suppression，CNMS）技术，这种方法能够降低算法的检测时间，并增强图像的旋转不变性，从而提高角点检测的稳定性和效率。 CNMS通过在不同阈值下寻找局部最大值点，减少了误检和漏检的可能性，使得算法对于图像的响应更加准确。此外，文章还借鉴了SUSAN（Scale Invariant Feature Transform，尺度不变特征变换）的思想，SUSAN算法以其在尺度空间中的稳定性而著名，通过在多个尺度上进行检测并结合高斯滤波器来消除伪角点，进一步提高了角点检测的质量。 作者徐振武和徐志京指出，角点检测在图像拼接中扮演关键角色，尤其是在图像配准、融合和定位中。高质量的角点有助于提高图像处理的精度和速度，减少噪声影响，增强图像的变形适应性，进而支持实时图像处理的需求。尽管Harris算法因其高效性和通用性而被广泛使用，但改进它的性能以适应更复杂的应用场景一直是研究者关注的焦点。 文中提到，虽然有研究尝试通过自适应阈值的方法优化Harris算法，但抗噪性和图像形变适应性的提升仍有待优化。因此，提出的改进算法旨在克服这些问题，通过多阈值和SUSAN策略，提供了一种更为稳健和高效的角点检测方案。通过实验对比，结果显示这种改进算法在角点检测的准确性方面表现出色，为图像拼接等后续处理步骤提供了坚实的基础。这项研究对于提高图像处理的准确性和效率，特别是在高分辨率和动态场景下的应用，具有重要意义。