【正文】 ame=39。 SUSAN 角點(diǎn)檢測(cè)算法是一種直接利用圖像灰度信息的檢測(cè)算法，由于不需要進(jìn)行求導(dǎo)和梯度運(yùn)算，具有很強(qiáng)的抗干擾能力，能夠使檢測(cè)過(guò)程不依賴于前期分割結(jié)果。 缺點(diǎn)： 定位性能差，在需要精確定位時(shí)不能滿足要求 。 (3)門(mén)限 t， g的確定 門(mén)限 g 決定了邊緣點(diǎn)的 USAN 區(qū)域的最 大值，即只要圖像中的象素的 USAN值小于 g，該點(diǎn)就被判定為邊緣點(diǎn)。雖然實(shí)驗(yàn)中沒(méi)有達(dá)到一個(gè)象素的精度，但這主要是因?yàn)閷?duì)邊緣的兩側(cè)都應(yīng)用了 SUSAN 算法，對(duì)具體的實(shí)際應(yīng)用，可以對(duì)背景不再應(yīng)用 SUSAN 算法，這樣不但可以達(dá)到細(xì)化邊緣的目的，而且運(yùn)算量也大大減少 。 )()( BAMtrac e ?? k 通常取 ~。在角點(diǎn)處，圖像窗口的偏移將造成自相關(guān)函數(shù)（圖像灰度的平均變化）的顯著變化。 角點(diǎn)檢測(cè)原理 角點(diǎn)檢測(cè)的原理是 :確定一個(gè)給定的 n n模板與 圖像中所有 n n區(qū)域的相關(guān)性和相似性 . B retschi提供了這樣一套模板 : ???????????????444454555 在理想的情況下 , 運(yùn)用這套模板能夠檢測(cè)出所有角點(diǎn) ,但是因?yàn)榻屈c(diǎn)擁有大量的特征 (點(diǎn)度、內(nèi)角度、邊緣的梯度 ) , 因此我們不可能設(shè)計(jì)出大量模板來(lái)匹配所有類型的角點(diǎn) . 所以 ,當(dāng)用于角點(diǎn)檢測(cè)的圖像過(guò)于復(fù)雜 , 或是待檢測(cè)的圖像中擁有大量不同種類或形狀的角點(diǎn)時(shí) , 用這種基于模板的是不可行的 ,會(huì)導(dǎo)致所檢測(cè)的角點(diǎn)不夠全面 ,以致會(huì)影響到下一部的分析結(jié)果。 基于灰度的角點(diǎn)檢測(cè)：直接對(duì)原圖像進(jìn)行處理 , 利用角點(diǎn)本身的特點(diǎn)提取角點(diǎn)。具有旋轉(zhuǎn)不變和不隨光照條件變化而改變的優(yōu)點(diǎn)，因此在圖像匹配、攝像機(jī)標(biāo)定、三維重建、運(yùn)動(dòng)物體的跟蹤及模式識(shí)別等諸多領(lǐng)域有著重要應(yīng)用。 角點(diǎn)是兩條及兩條以上邊緣的交點(diǎn) 。同時(shí)這類算法的計(jì)算復(fù)雜度很高。角點(diǎn)特征是影像的重要特征。圖像特征是由于拍攝場(chǎng)景的物理與幾何特性使圖像中局部 的灰度產(chǎn)生明顯變化而形成的。 M 陣的特征值是自相關(guān)函數(shù)的一個(gè)階曲率，如果兩個(gè)曲率值都高，那么久認(rèn)為該點(diǎn)是特征點(diǎn)。 1 基于角點(diǎn)檢測(cè)的圖像處理方法研究 摘 要 ： 本文主要研究了圖像的角點(diǎn)檢測(cè)方法，在計(jì)算機(jī)視覺(jué)中，機(jī)器視覺(jué)和圖像處理后總，特征提取都是一個(gè)重要的方向。 harris 算子是一種簡(jiǎn)單的點(diǎn)特征提取算子，這種算子受信號(hào)處理中自相關(guān)函數(shù)的啟發(fā)，給出與自相關(guān)函數(shù)相聯(lián)系的矩陣 M。特征提取是圖像分析和圖像配準(zhǔn)的基礎(chǔ)，也是運(yùn)動(dòng)物體跟蹤的關(guān)鍵步驟之一。 圖像角點(diǎn)檢測(cè)是完成視覺(jué)處理的基本任務(wù)之一，也是圖像處理基本任務(wù)。 研究背景 早期的角點(diǎn)檢測(cè)方法是首先對(duì)圖像進(jìn)行區(qū)域分割，通過(guò)鏈碼提邊界，然后再邊界上尋找方向變化較快的點(diǎn)，這種方法在很大程度上依賴于圖像分割的效果，而后者本身就是一項(xiàng)比較復(fù)雜的工作。 7 第二章 角點(diǎn)檢測(cè) 角點(diǎn)概念及特征 . 目前關(guān)于角點(diǎn)的具體定義和描述主要有如下幾種： 角點(diǎn)是一階導(dǎo)數(shù)（即灰度的梯度）的局部最大所對(duì)應(yīng)的像素點(diǎn) 。一般認(rèn)為角點(diǎn)式二維圖像亮度變化最劇烈或圖像邊緣曲線上曲率值最大的像素點(diǎn)，能很好地被區(qū)分出來(lái)。 這類方法的優(yōu)點(diǎn)是易于實(shí)現(xiàn) , 并能得到角點(diǎn)的順序關(guān)系 , 但算法和處理步驟過(guò)于復(fù)雜 , 且檢測(cè)結(jié)果很大程度上依賴于邊緣特征的提取。模板的半徑越大，能夠檢測(cè)到得角度類型越多，定位越準(zhǔn)確，同時(shí)計(jì)算量也越大 。 角點(diǎn)檢測(cè)原理 Harris 角點(diǎn)檢測(cè)原理是對(duì)于一副圖像，角點(diǎn)于自相關(guān)函數(shù)的曲率特性有 12 關(guān)，自相關(guān)函數(shù)描述了局部局部圖像灰度的變化程度。自相關(guān)函數(shù)描述了局部圖像灰度的變化 : 自相關(guān)函數(shù)如下： E(x,y)= ? ??????????????xyvuVYUXvu vuMxyIIw 2, , 其中矩陣 M 為的近似 Hessian矩陣，其表達(dá)式如下 : ??????? ),(),( ),(),( yxByxC yxCyxAM ),(),( 2 yxGIyxA X ?? ),(),( 2 yxGIyxB Y ?? ),(),( yxGIyxC XY ?? 13 Harris算子 R(x,y)定義為： Harris 角點(diǎn)檢測(cè)只是涉及到簡(jiǎn)單的矩陣和一階導(dǎo)數(shù)運(yùn)算，能夠根據(jù)閾值提取出局部“興趣點(diǎn)”。無(wú)論對(duì)直線，還是曲線邊緣， SUSAN 算法基本上可以檢測(cè)出 14 所有的邊緣，檢測(cè)結(jié)果較好。本文實(shí)驗(yàn)中均采用的是 5 5的模板。 16 第五章 圖片實(shí)現(xiàn)及結(jié)論 基于 Harris 角點(diǎn)的圖片實(shí)現(xiàn) 圖 1（ harris 角點(diǎn)檢測(cè)） 圖 2（ harris 角點(diǎn)檢測(cè)） 17 圖 3（ harris 角點(diǎn)檢測(cè)） 檢測(cè)結(jié)果為 ： 優(yōu)點(diǎn)： 從上圖我們可以看到 Harris算法直接從原始圖像中檢測(cè)特征點(diǎn)，能夠在圖像發(fā)生灰度變化、旋轉(zhuǎn)、和干擾噪聲等情況下檢測(cè)興趣點(diǎn) 。相對(duì)于 Moravec 算法，在抗噪能力有了很大提高， 20 而 且兼顧了效率和精度兩方面的要求，誤檢測(cè)率低。close all。 f=X。0 0 0。 Ix2 = Ix.^2。 Ix2 = filter2(h,Ix2)。 for i = 1:height for j = 1:width M = [Ix2(i,j) Ixy(i,j)。 for i = 2:height1 for j = 2:width1 if R(i,j) *Rmax amp。 R(i,j) R(i,j1) amp。 R(i,j) R(i+1,j+1) result(i,j) = 1。 corners1(i,2)=k。r+39。 在進(jìn)行 susan算法的圖片實(shí)現(xiàn)時(shí)，先打開(kāi)上面的程序，再打開(kāi)下面的程序。 imshow(image,[]) 24 第六章 結(jié)語(yǔ) 角點(diǎn)檢測(cè)之所以受到如此多的關(guān)注 , 是因?yàn)榻屈c(diǎn)包含了圖像 中的重要信息 , 在圖像匹配、運(yùn)動(dòng)物體的跟蹤、目標(biāo)識(shí)別及攝像機(jī)標(biāo)定等方面有著廣泛的應(yīng)用。 25 參考文獻(xiàn) [1]朱玉艷等。北京：北京郵電大學(xué)出版社， 20xx [7] 何凱 .角點(diǎn)特征提取及匹配方法研究 [D].天津 :河海大學(xué)， 20xx. [8] 陳利軍 .圖像角點(diǎn)檢測(cè)和匹配算法研究 [M].西安 :西安電子科技大學(xué) .20xx. [9] ZHOU Dongxiang, LIU Yunhui, CAI Xuanping. An efficient and robust~detection algorithm[C]//Intelligent Control and Automation,1519 June, 20xx :40204024. [10] Tang B A B,Bogdan J efficient feature based matching algorithm for stereo images[J].Proceedings of the Geometric Modeling and Imaging IEEE,20xx， 90（ 4）： 7275. 26 答 謝 本文是在李娟和劉勇老師的悉心指導(dǎo)下完成的。祝福你們身體健康，一切順利。本人完全意識(shí)到本聲明的法律后果由本人承