基于基于Harris角点检测的改进算法研究角点检测的改进算法研究
经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易
出现伪角点、漏检点及运行速度不理想等现象。针对这一情况,文章在传统Harris算法基础上提出一种新的检测
方法,采用多阈值的圆形非极大值抑制法提取角点, 以此降低算法检测时间并增强图像旋转不变性,再借鉴
SUSAN思想消去大部分伪角点。通过实验对比,该算法具有更好的角点检测性,为后期的图像配准奠定了良好
的基础。
徐振武,徐志京
(上海海事大学 信息工程学院,上海 201306)
摘要 摘要:经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易出
现伪角点、漏检点及运行速度不理想等现象。针对这一情况,文章在传统Harris算法基础上提出一种新的检测方法,采用
关键词 关键词:
0引言引言
随着近代计算机的迅速发展,人们为了获取更高像素更宽视角的图像以作科学研究,图像拼接逐渐成为了计算机各领域的
研究热点[12]。
图像蕴含有丰富的信息特征,其中角点特征是图像拼接领域的主要技术指标,业界对角点没有统一定义,一般被认为是图
像像素点亮度发生了剧烈改变或边缘曲线曲率极大值的点[3], 它能以极少的数据量来表现图像的整体信息, 这有利于图
像处理的速度与精度。角点检测方法在图像拼接中的配准、融合、 定位等方面起着重要作用, 其提取的好坏决定图像拼接的
质量结果。适量恰当的正确角点在图像拼接过程中可增强图像的抗噪性和图像形变的适应能力,有利于图像的后续匹配,使得
实时处理成为可能。
目前角点的检测方法大致分两种:基于图像边缘特征的角点检测, 该算法依赖于图像边缘特征[4],提取边缘信息而求
得角点,但算法定位精度差,对噪声敏感;基于图像灰度的角点检测,该方法依赖于像素点的曲率与梯度值信息。其中Harris
算法[5]是一种被大众所熟知的算法, 可较好地提取角点。该算法虽然是一种优秀的检测方法, 但研究发现存在不足:
(1)人为单一阈值的设定会对角点提取产生不确定的影响;
(2)算法中所用的高斯平滑函数对图像的误检及漏检产生难以把控;
(3)Harris算子的运行速度不够理想。
而对Harris的改进一直是图像研究的热点,参考文献[6]提出采用自适应阈值的方法能达到更快更精确提取角点的效
果,但在图像的抗噪性和适应图像形变能力上略显不足;而参考文献[7]提出的改进方法能满足要求,但在运算速度上又略
显欠缺。
针对上述不足,本文提出基于Harris的改进方法,采用多阈值的圆形区域非极大值抑制,再结合SUSAN思想达到检测效
果。
1Harris角点检测算法简介角点检测算法简介
角点检测的鼻祖是Moravec算法,之后Harris在Moravec算子思想上提出Harris算法。
Harris算法的思想是定义一组矩形区域窗口中图像灰度误差的总和为任意方向上的自相关值[8]。图1表示图像边缘在不
同区域的变化情况。图1(a)、(b)窗口在边缘上没变化,而(c)的窗口在各个方向上具有明显的变化,根据此现象,可将(c)作为
角点。
窗口平移[u,v]的量产生的图像灰度变化E(u,v):
E(u,v)=∑x,yw(x,y)[I(x+u,y+v)-I(x,y)]2(1)
由I(x+u,y+v)=I(x,y)+Ixu+Iyv+O(u2+v2)