一種基于susan算子的角點檢測方法
【技術領域】
[0001] 本發明涉及圖像處理技術領域，提供了一種改進SUSAN算子的角點檢測方法。
【背景技術】
[0002] 角點沒有明確的數學定義，但人們普遍認為角點是二維圖像亮度變化劇烈的點 或圖像邊緣曲線上曲率極大值的點。這些點在保留圖像圖形重要特征的同時，可以有效地 減少信息的數據量，使其信息的含量很高，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。
[0003] 30多年來，越來越多的學者對角點檢測投入了研究，因此產生了很多算法。可將 這些算法分為：①基于模板匹配的角點檢測；②基于邊緣特征的角點檢測；③基于亮度變 化的角點檢測。
[0004] 對于大多數圖象目標而言，凹陷特征是典型的目標特征，如果不能提取該特征，就 丟失了豐富的形狀信息。在人目標識別的過程中，采用歸一化提取了達到正側面效果的采 樣圖，而由主動輪廓算法的初步檢測進一步給出了目標的大致輪廓，但由于主動輪廓算法 對于距離太遠的目標收斂比較慢，而且算發給定的系數需要能夠跨過噪聲點向主要輪廓逼 近，所以凹陷部分的引力場往往不足以讓控制點收斂到凹陷處。

【發明內容】

[0005] 本發明的目的在于使用SUSAN算子檢測輪廓上所有大曲率的角點，然后對侯選角 點進行篩選，獲得最終的凹陷特征點集，為局部主動輪廓提供凹陷信息。
[0006] 本發明采用的技術方案如下：
[0007] -種改進SUSAN算子的角點檢測方法，其特征在于：
[0008]步驟1、確定SUSAN模板；
[0009] 步驟2、用模板掃描整個圖像，對于可能是角點位置的響應點，使用下式產生USAN 特征圖像R(x，y):
[0010]
[0011] 其中n(x，y)是點（x，y)處USAN區的大小，g是幾何門限；
[0012] 步驟3、USAN區域的確定：當局部區域象素灰度與核灰度（圖片中心點像素灰度） 相似的時候，將該區域納入USAN區域；
[0013] 步驟4、確定幾何門限g;
[0014] 步驟5.使用SUSAN模板掃描初步輪廓檢測結果的外接矩形區域，計算每個點的 USAN區域，對可能是角點的位置計算特征圖R(x，y)，選擇特征圖中局部最大值點為侯選角 點。
[0015] 上述技術方案中，所述步驟3中當局部區域象素灰度與核灰度相似的判斷是依據 一個灰度差值t，大于t的時候，不吸收該象素，其他情況下則吸收。
[0016] 上述技術方案中，t的取值占ΔΙ的15%~30%，ΔΙ是圖像最大的n個灰度值和 最小的η個灰度值之和相減再除以η的結果，它表示了圖像的絕對對比度，具體算式如下：
[0017]
[0018]式中a=0·4,η=30,i為灰度值。
[0019] 上述技術方案中，所述步驟5選擇特征圖中局部最大值點的方法如下，令Rp為點 P(x，y)的特征圖的值，若Rp在周圍5X5鄰域內是最大的特征圖值，則認為點p(x，y)是侯 選角點。
[0020] 上述技術方案中，g=nmax/2,nmax是步驟2中變量n(x,y)所能達到的最大值。
[0021] 綜上所述，由于采用了上述技術方案，本發明的有益效果是：
[0022] SUSAN算子直接基于灰度圖象進行檢測，其特點是特征定位準確，對局部噪聲不敏 感，且計算速度比常規的特征點檢測方法快，適用于實時圖象處理。
【具體實施方式】
[0023] 本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0024] 一種改進SUSAN算子的角點檢測方法，包括以下步驟：
[0025] 步驟1、確定SUSAN模板；
[0026] 步驟2、用模板掃描整個圖像，對于可能是角點位置的響應點，使用下式產生USAN 特征圖像R(x，y):
[0027]
[0028] 其中n(x，y)是點（x，y)處USAN區的大小，g是幾何門限；
[0029] 步驟3、USAN區域的確定：當局部區域象素灰度與核灰度（圖片中心點像素灰度） 相似的時候，將該區域納入USAN區域；
[0030] 步驟4、確定幾何門限g;
[0031] 步驟5.使用SUSAN模板掃描初步輪廓檢測結果的外接矩形區域，計算每個點的 USAN區域，對可能是角點的位置計算特征圖R(x，y)，選擇特征圖中局部最大值點為侯選角 點。
[0032] 上述技術方案中，所述步驟3中當局部區域象素灰度與核灰度相似的判斷是依據 一個灰度差值t，大于t的時候，不吸收該象素，其他情況下則吸收。
[0033] 上述技術方案中，t的取值占ΔΙ的15%~30%，ΔΙ是圖像最大的n個灰度值和 最小的η個灰度值之和相減再除以η的結果，它表示了圖像的絕對對比度，具體算式如下：
[0034]
[0035] 式中a= 0· 4,η= 30,i為灰度值。
[0036] 上述技術方案中，所述步驟5選擇特征圖中局部最大值點的方法如下，令Rp為點 P(x，y)的特征圖的值，若Rp在周圍5X5鄰域內是最大的特征圖值，則認為點p(x，y)是侯 選角點。
[0037] 上述技術方案中，g=nmax/2,nmax是步驟2中變量n(x,y)所能達到的最大值。
【主權項】
1. 一種改進SUSAN算子的角點檢測方法，其特征在于： 步驟1、確定SUSAN模板； 步驟2、用模板掃描整個圖像，對于可能是角點位置的響應點，使用下式產生USAN特征 圖像R(x，y):其中η(X，y)是點（X，y)處USAN區的大小，g是幾何口限； 步驟3、USAN區域的確定：當局部區域象素灰度與核灰度相似的時候，將該區域納入USAN區域； 步驟4、確定幾何口限g; 步驟5.使用SUSAN模板掃描初步輪廓檢測結果的外接矩形區域，計算每個點的USAN區域，對可能是角點的位置計算特征圖R(X，y)，選擇特征圖中局部最大值點為侯選角點。2. 根據權利要求1所述的一種改進SUSAN算子的角點檢測方法，其特征在于：所述步 驟3中當局部區域象素灰度與核灰度相似的判斷是依據一個灰度差值t，大于t的時候，不 吸收該象素，其他情況下則吸收。3.根據權利要求2所述的一種改進SUSAN算子的角點檢測方法，其特征在于：t的取值 占Δ I的15%~30%，Δ I是圖像最大的η個灰度值和最小的η個灰度值之和相減再除W η的結果，它表示了圖像的絕對對比度，具體算式如下：式中a二0. 4, η二30，i為灰度值。4. 根據權利要求1所述的一種改進SUSAN算子的角點檢測方法，其特征在于：所述步 驟5選擇特征圖中局部最大值點的方法如下，令Rp為點P(X，y)的特征圖的值，若Rp在周圍 5X5鄰域內是最大的特征圖值，則認為點p(x，y)是侯選角點。5. 根據權利要求1所述的一種改進SUSAN算子的角點檢測方法，其特征在于：g= η。。、/%η。。、是步驟2中變量η(X，y)所能達到的最大值。
【專利摘要】一種改進SUSAN算子的角點檢測方法，包括步驟1、確定SUSAN模板；步驟2、用模板掃描整個圖像，對于可能是角點位置的響應點，使用下式產生USAN特征圖像R(x,y)：<maths num="0001"></maths>其中n(x,y)是點(x,y)處USAN區的大小，g是幾何門限；步驟3、USAN區域的確定：當局部區域象素灰度與核灰度相似的時候，將該區域納入USAN區域；步驟4、確定幾何門限g；步驟5.使用SUSAN模板掃描初步輪廓檢測結果的外接矩形區域，計算每個點的USAN區域，對可能是角點的位置計算特征圖R(x,y)，選擇特征圖中局部最大值點為侯選角點。
【IPC分類】G06T7/00
【公開號】CN105243661
【申請號】CN201510603366
【發明人】張岱, 齊弘文
【申請人】成都融創智谷科技有限公司
【公開日】2016年1月13日
【申請日】2015年9月21日