首頁 > 文章中心 > 正文

      改進SUSAN角點檢測算法

      前言:本站為你精心整理了改進SUSAN角點檢測算法范文,希望能為你的創作提供參考價值,我們的客服老師可以幫助你提供個性化的參考范文,歡迎咨詢。

      改進SUSAN角點檢測算法

      摘要提出了一種改進susan角點檢測算法,在原有的SUSAN算子的基礎上,針對原算子需要人為的提供閾值的不便,提出了一種自動閾值的檢測方法。同時,在角點檢測完成后,根據角點的形狀特點,進一步的對角點進行了判斷,提高了角點的識別效果。

      關鍵詞角點檢測;SUSAN算法;角點形狀;自適應閾值

      0引言

      SUSAN算法是1997年英國牛津大學的Smith等人提出的一種處理灰度圖像的方法。探測算子的基本原理是:與每一圖像點相關的局部區域具有相同的亮度。下面介紹SUSAN角點檢測準則。

      1SUSAN算子

      將位于圓形窗口模板中心等待檢測的象素點稱為核心點。假設圖像中無紋理存在,稱與核心點具有一樣的灰度值的區域為USAN(UnivalueSegmentAssimiltingNucleus)。圖(1)給出了USAN的三種典型形狀:

      (a)核心點在USAN內(b)核心點是邊緣點(c)核心點是角點

      圖(1)

      由圖(1)可以清楚的看到,當核心點位于USAN區域內時,USAN區域面積最大;當核心點位于邊緣時,USAN區域相當于整個領域面積的一半;當核心點的USAN區域最小時,核心點是角點。利用這個原理,Smith等人提出了最小核心值相似區域(SUSAN,SmallestUnivalueSegmentAssimilatingNucleus)的角點檢測算法。

      SUSAN算子使用的是圓形模板進行角點檢測,一般使用的模板的半徑為3~4個像素,如圖(2)所示。

      圖(2)SUSAN圓形模板

      將模板中的各點亮度與核心點的亮度利用下面的函數進行比較,

      (1)

      在上式中為圖像中像素的灰度值,t為灰度差別的閾值,為模板中心的像素,為其他的像素,C為比較函數。模板中所有的像素都用這個函數進行比較,然后計算出函數C的和值n。

      (2)

      和值n就是USAN(univaluesegmentassimilatingnucleus)區域的像素個數,就是USAN區域的面積,然后把這個面積和幾何閾值進行比較,得到最后的響應函數:

      (3)

      上式中,R為響應函數,g為閾值,通常在探測角點時取值為1/2模板的像素個數,當采用7×7的模板時,g=37×1/2。

      2SUSAN算子的改進算法

      通常在實際的應用中,對于比較函數我們通常采用下面的比較函數:

      (4)

      采用這個函數可以使比較函數具有更好的穩定性,當圖像中的像素亮度值有很小的變化后,對于c的取值不會產生很大的影響。

      灰度差別閾值t能夠體現出算法檢測到的角點的最小對比度,同時該值也是忽略噪聲的最大值。它的大小決定了在不同的對比度圖像中提取特征值的多少,因此,對于不同的對比度和噪聲的圖像,取值t應該不同,從而達到最好的提取效果。

      本文提出了一種灰度差別閾值的自適應提取算法,其提取公式如下:

      (5)

      上式中,l為采用大律法計算圖像的閾值,Ii為圖像的灰度值。

      3角點的進一步篩選

      角點的形狀大致可以分為以下幾種:L型,T型,Y型,X型等等,如圖(3)所示。

      L型T型Y型X型

      圖(3)角點的形狀

      定義如圖(4)所示的模板,如果中心點在a、b、c、d的四個方向上只有一個方向灰度值變化不大,那么該點則肯定不是角點,應該排除在外。應用這個原理,對上面找出的角點進行進一步的篩選,可以提高角點的準確性。可以利用式(6)進行篩選。

      圖(4)角點篩選模板

      (6)

      上式中,I表示圖像中像素的灰度值,t為閾值。由于本例是采用Matlab進行的檢測試驗,因此圖像的原點定義在圖像的左上角。通過試驗證明,采用該方法,可以進一步的提高角點的檢測精度。

      參考文獻

      1SMITHSM,BRADYM.SUSAN——Anewapproachtolowlevelimageprocessing[J].InternationalJaurnalofComputerVision,1997,23(1):4578

      2SHENF,WNAGH.Realtimegraylevelcomerdetector[J].PatternRectionitionLetters,2002,23(8):1—6

      3MORAVECHP.Towardsautomaticvisualobstacleavoidance[A].ProceedingofInternationalJointConferenceonArtificialIntelligence[C].Cambrige,Britain,1997

      4何凱[D].角點特征提取及匹配方法研究.碩士.河海大學,2005.6.1

      5楊莉,張弘,李玉山[J].一種快速自適應RSUSAN角點檢測算法.計算機科學,2004(5):198-200

      6邵澤明,朱劍英,王化明[J].基于SUSAN算法的分層快速角點檢測.華南理工大學學報(自然科學版),2006(7):65-58

      7D.Hanselman,B.Littlefield.精通Matlab6[M]北京:清華大學出版社,2002.6

      8姚敏等.數字圖像處理[M].北京:機械工業出版社,2006.1

      国产亚洲美女精品久久久| 伊人久久亚洲综合影院| 亚洲乱码卡三乱码新区| 亚洲av中文无码乱人伦在线咪咕| 亚洲高清视频一视频二视频三| 国产成人人综合亚洲欧美丁香花| 亚洲午夜无码毛片av久久京东热| 77777亚洲午夜久久多喷| 亚洲伦理中文字幕| 国产日本亚洲一区二区三区| 国产成人精品亚洲日本在线 | 亚洲国产视频一区| 亚洲精品国产肉丝袜久久| 色噜噜综合亚洲av中文无码| 亚洲视频在线观看| 亚洲综合综合在线| 亚洲成aⅴ人在线观看| 亚洲国产夜色在线观看| 亚洲人成综合在线播放| 国产精品亚洲精品青青青| 男人天堂2018亚洲男人天堂| 91大神亚洲影视在线| 久久亚洲sm情趣捆绑调教| 亚洲精品国产电影午夜| 亚洲AV无码一区二区三区人| 久久精品亚洲AV久久久无码| 亚洲中文字幕久久精品无码A| 亚洲一卡2卡三卡4卡无卡下载| 亚洲综合偷自成人网第页色| 亚洲色在线无码国产精品不卡| 亚洲日本VA午夜在线影院| 久久亚洲中文字幕无码| 亚洲 小说区 图片区 都市| 国产成人精品久久亚洲| 国产成人无码综合亚洲日韩| 国产精品亚洲综合一区| 亚洲毛片αv无线播放一区| 亚洲第一中文字幕| 亚洲欧洲另类春色校园网站| 亚洲成a∧人片在线观看无码 | 亚洲精品线在线观看|