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

摘要提出了一種改進(jìn)的susan角點(diǎn)檢測算法，在原有的SUSAN算子的基礎(chǔ)上，針對(duì)原算子需要人為的提供閾值的不便，提出了一種自動(dòng)閾值的檢測方法。同時(shí)，在角點(diǎn)檢測完成后，根據(jù)角點(diǎn)的形狀特點(diǎn)，進(jìn)一步的對(duì)角點(diǎn)進(jìn)行了判斷，提高了角點(diǎn)的識(shí)別效果。

關(guān)鍵詞角點(diǎn)檢測；SUSAN算法；角點(diǎn)形狀；自適應(yīng)閾值

0引言

SUSAN算法是1997年英國牛津大學(xué)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(diǎn)相關(guān)的局部區(qū)域具有相同的亮度。下面介紹SUSAN角點(diǎn)檢測準(zhǔn)則。

1SUSAN算子

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

(a)核心點(diǎn)在USAN內(nèi)(b)核心點(diǎn)是邊緣點(diǎn)(c)核心點(diǎn)是角點(diǎn)

圖(1)

由圖(1)可以清楚的看到，當(dāng)核心點(diǎn)位于USAN區(qū)域內(nèi)時(shí)，USAN區(qū)域面積最大；當(dāng)核心點(diǎn)位于邊緣時(shí)，USAN區(qū)域相當(dāng)于整個(gè)領(lǐng)域面積的一半；當(dāng)核心點(diǎn)的USAN區(qū)域最小時(shí)，核心點(diǎn)是角點(diǎn)。利用這個(gè)原理，Smith等人提出了最小核心值相似區(qū)域(SUSAN，SmallestUnivalueSegmentAssimilatingNucleus)的角點(diǎn)檢測算法。

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

圖(2)SUSAN圓形模板

將模板中的各點(diǎn)亮度與核心點(diǎn)的亮度利用下面的函數(shù)進(jìn)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(shù)。模板中所有的像素都用這個(gè)函數(shù)進(jìn)行比較，然后計(jì)算出函數(shù)C的和值n。

(2)

和值n就是USAN(univaluesegmentassimilatingnucleus)區(qū)域的像素個(gè)數(shù)，就是USAN區(qū)域的面積，然后把這個(gè)面積和幾何閾值進(jìn)行比較，得到最后的響應(yīng)函數(shù)：

(3)

上式中，R為響應(yīng)函數(shù)，g為閾值，通常在探測角點(diǎn)時(shí)取值為1/2模板的像素個(gè)數(shù)，當(dāng)采用7×7的模板時(shí)，g=37×1/2。

2SUSAN算子的改進(jìn)算法

通常在實(shí)際的應(yīng)用中，對(duì)于比較函數(shù)我們通常采用下面的比較函數(shù)：

(4)

采用這個(gè)函數(shù)可以使比較函數(shù)具有更好的穩(wěn)定性，當(dāng)圖像中的像素亮度值有很小的變化后，對(duì)于c的取值不會(huì)產(chǎn)生很大的影響。

灰度差別閾值t能夠體現(xiàn)出算法檢測到的角點(diǎn)的最小對(duì)比度，同時(shí)該值也是忽略噪聲的最大值。它的大小決定了在不同的對(duì)比度圖像中提取特征值的多少，因此，對(duì)于不同的對(duì)比度和噪聲的圖像，取值t應(yīng)該不同，從而達(dá)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(yīng)提取算法，其提取公式如下：

(5)

上式中，l為采用大律法計(jì)算圖像的閾值，Ii為圖像的灰度值。

3角點(diǎn)的進(jìn)一步篩選

角點(diǎn)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(diǎn)的形狀

定義如圖(4)所示的模板，如果中心點(diǎn)在a、b、c、d的四個(gè)方向上只有一個(gè)方向灰度值變化不大，那么該點(diǎn)則肯定不是角點(diǎn)，應(yīng)該排除在外。應(yīng)用這個(gè)原理，對(duì)上面找出的角點(diǎn)進(jìn)行進(jìn)一步的篩選，可以提高角點(diǎn)的準(zhǔn)確性。可以利用式(6)進(jìn)行篩選。

圖(4)角點(diǎn)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(jìn)行的檢測試驗(yàn)，因此圖像的原點(diǎn)定義在圖像的左上角。通過試驗(yàn)證明，采用該方法，可以進(jìn)一步的提高角點(diǎn)的檢測精度。

參考文獻(xiàn)

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(diǎn)特征提取及匹配方法研究.碩士.河海大學(xué)，2005.6.1

5楊莉，張弘，李玉山[J].一種快速自適應(yīng)RSUSAN角點(diǎn)檢測算法.計(jì)算機(jī)科學(xué),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(diǎn)檢測.華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）,2006(7):65-58

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

8姚敏等.數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2006.1