一种自适应的Harris角点检测算法.PDFVIP

34卷第10 Jtl] 计算机工程 2008年5月 VoL34 No．10 Computer Engineering May 2008 ·人工智能及识别技术· 文章编号t loo肛羽28(2∞8)1m珈212一13 文献标识码：A 中田分类号；TP391 一种自适应的Harris角点检测算法 赵万金，龚声蓉，刘纯平，沈项军 (苏州大学计算机科学与技术学院，苏州215006) 摘要：分析Harris角点检测算子的实现原理及其不足，提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法，检症 测出的角点均匀分布，有效避免了角点聚簇现象。实验结果表明，该算法检测出的角点分布更均匀合理，能很好地适应图像拼接等实际 应用。 关健词：角点检测；Harris算予；特征提取 Adaptive Harris Corner Detection Algorithm ZHAO Wan-jin，GONG Sheng-tong，LIU Chun-ping，SHEN Xiang-jun (School of Computer ScienceTechnology,Soochow University,Suzhou 215006) [Abstractl This paper analyzes the theory of Harris operator,and points out its disadvantage．It proposes an auto-adaptive Harris operator based on the ideology of image break and neighboring point eliminating method．It makes the comers are well—proportioned distributing，and avoids tOOmany comers stay together effectively．Experimental results show that the algorithm can detect comer more reasonable，and call be used in image mosaics well． [Key wordsI corner detection；Harris operator；fcamre extraction 1概述 角点是二维图像亮度变化剧烈或图像边缘曲线上曲率极 大值的点，它决定了目标的轮廓特征，被广泛应用于摄像机 标定、虚拟场景重建、运动估计、图像配准等计算机视觉处 理任务中?，这些点在保留图像图形重要特征的同时，可以 有效地减少信息的数据量，使得实时处理成为可能。 目前，角点检测方法主要分为2类：基于图像边缘的方 法Iz’和基于图像灰度的方法pJ。前者往往需要对图像边缘进 行编码，这在很大程度上依赖于图像的分割和边缘提取，具 有相当大的难度和计算量，且一旦待检测目标局部发生变化， 很可能导致操作的失败，因此，这种方法的使用范围很小。 基于图像灰度的方法主要通过计算点的曲率及梯度来检测角 点，避开了这些缺陷，目前此类方法主要有Harris算子口J、 Moravec算子一1及Susan算子D1等。 Schmidl61对Harris，Moravec等基于图像灰度的角点检测 方法从重复率和角点周围的局部区域所包含的信息量2个方 面进行了对比。实验结果表明，Harris角点检测法具有最好 的效果。但在实际应用中，Harris角点检测算法须人为给出 一个阈值丁才能得到较理想的角点，即在角点检测程序运行 过程中，当算法计算出图像中的局部极值点后，提示用户给 出一个闰值，算法根据用户提供的阈值最终确定检测出的角 点。而丁的取值依赖于图像的属性，特别是颜色深浅不同， 难以确定，使得用户在设定具体阈值时比较盲目，只能多次 设定比较后才能获得相对理想的角点。另外，往往特征值较 大的点只集中在某些区域，这样可能导致检测出的角点分布 不均匀；而如果降低丁，尽管角点分布总体上趋于均匀和合 理，但同时又导致角点紧挨在一起，产生角点聚簇的现象， 这都影响了后期的分析和处理，如图像匹配中的图像几何映 一2l各一 像关系的充分描述等。 2 Harris角点检测 2．1检测原理 Harris角点检测算法是一种基于信号的点特征提取算 子‘31，其原理是将所处理的图像窗I：1 w(一般为矩形区域)向任 意方向移动微小位移(‘y)，则其灰度改变量可定义为 E．，；∑K，，【J。∥，一j。r= · ∑％，[xX+yY+O(x2,Y2)r= H．V 触2+2C砂+By2= (石，y)M(x，)，)1 (1) 其中，x和y是一阶灰度梯度，可对图像求卷积得 x：_d／：lO(-