【文章內(nèi)容簡介】 的一種重要局部特征 ,角點(diǎn)在保留了圖像中物體的重要特征信息的同時(shí)有效地減少了信息的數(shù)據(jù)量 ,使得對(duì)圖像處理時(shí)運(yùn)算量大大減少 . 由于角點(diǎn)集中了圖像上的很多重要的形狀信息 ,角點(diǎn)具有旋轉(zhuǎn)不變性 ,因此角點(diǎn)幾乎不受光照條件的影響 . 在基于特征的圖像配準(zhǔn)、圖像理解及模式識(shí)別等領(lǐng)域中 ,角點(diǎn)提取具有十分重要的意義 . 在基于角點(diǎn)檢測的圖像配準(zhǔn)中的關(guān)鍵技術(shù)就是精確的檢測出需要配準(zhǔn)的每幅圖像中的角點(diǎn) ,即角點(diǎn)檢測技術(shù) .其在三維場景重建、運(yùn)動(dòng)估計(jì)、目標(biāo)跟蹤、目標(biāo)識(shí)別、圖像配準(zhǔn) 與匹配等計(jì)算機(jī)視覺領(lǐng)域起著 非常重要的作用 。 角點(diǎn)檢測算法 目前的角點(diǎn)檢測算法可歸納為 3 類 ： ：基于梯度；基于模板；基于模板梯度組合。 。 。 9 第三章 角點(diǎn)檢測的理論基礎(chǔ) 常用角點(diǎn)檢測簡介 基于邊緣的角點(diǎn)檢測： 基于邊緣的方法先提取物體的邊緣信息并 以鏈碼形式表示，然后尋找具有最大曲率的點(diǎn)作為角點(diǎn)。 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于復(fù)雜 , 且檢測結(jié)果很大程度上依賴于邊緣特征的提取。 基于灰度的角點(diǎn)檢測：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)。這類算法速度快 , 實(shí)時(shí)性強(qiáng) , 但定位精度不夠 , 還可能漏掉一些真實(shí)的角點(diǎn) 。 角點(diǎn)檢測的標(biāo)準(zhǔn) 準(zhǔn)確性：在角點(diǎn)檢測的過程中，可以減小噪聲對(duì)角點(diǎn)檢測的 影響，即使細(xì)小的角點(diǎn)也可以檢測，即漏提取和誤提取的角點(diǎn)越少越好。 精確性：在角點(diǎn)檢測的過程中，提取到的角點(diǎn)的坐標(biāo)應(yīng)盡可能的準(zhǔn)確，應(yīng)盡可能的接近角點(diǎn)的實(shí)際位置，即提取到的角點(diǎn)應(yīng)盡可能是角點(diǎn)的真實(shí)位置 。 復(fù)雜性：角點(diǎn)檢測的目的是為匹配和三維重建用的，角點(diǎn)檢測的速度關(guān)系到后續(xù)工作的效率 ，所以，角點(diǎn)檢測算法應(yīng)簡單，程序運(yùn)行速度越快越好，減少人工干預(yù)，提高程序的自動(dòng)化要求，滿足實(shí)時(shí)性的要求。 基于模板的角點(diǎn)檢測 基于模板的角點(diǎn)檢測： 模板是根據(jù)需要建立的一個(gè)具有某種特性的小的 10 二維矩陣，是根據(jù)角點(diǎn)在圖像邊緣中的局部特征來建立的，反映了圖像邊緣局部點(diǎn)陣組合的特性 。 該算法具有很好的抗燥能力和魯棒性。模板的半徑越大，能夠檢測到得角度類型越多，定位越準(zhǔn)確，同時(shí)計(jì)算量也越大 。 角點(diǎn)檢測原理 角點(diǎn)檢測的原理是 :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)出大量模板來匹配所有類型的角點(diǎn) . 所以 ,當(dāng)用于角點(diǎn)檢測的圖像過于復(fù)雜 , 或是待檢測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)致所檢測的角點(diǎn)不夠全面 ,以致會(huì)影響到下一部的分析結(jié)果。 ???????????????444554554 11 第四章 Harris 角點(diǎn)檢測算法 算子特 征 Harris 算子是一種有效的點(diǎn)特征提取算子 ,其優(yōu)點(diǎn)總結(jié)起來有 : ① 計(jì)算簡單 :Harris 算子中只用到灰度的一階差分以及濾波 ,操作簡單。 ② 提取的點(diǎn)特征均勻而且合理 :Harris 算子對(duì)圖像中的每個(gè)點(diǎn)都計(jì)算其興趣值 ,然后在鄰域中選擇最優(yōu)點(diǎn)。 ③ 穩(wěn)定 :Harris 算子的計(jì)算公式中只涉及到一階導(dǎo)數(shù)，因此對(duì)圖像旋轉(zhuǎn)、灰度變化、噪聲影響和視點(diǎn)變換不敏感 ,它也是比較穩(wěn)定的一種點(diǎn)特征提取算子。 Harris 算子的局限性有： ① 它對(duì)尺度很敏感，不具有尺度不變性。 ② 提取的角點(diǎn)是像素級(jí)的 H。 角點(diǎn)檢測性質(zhì) 旋轉(zhuǎn)不變性：橢圓轉(zhuǎn)過一定角度但是其形狀保持不變（特征是保持不變） ； 對(duì)于圖像灰度的仿射變化具有部分的不變性 ； 對(duì)于圖像幾何尺度變化不具有不變性 ； 隨尺度變化， Harris 角點(diǎn)檢測的性能下降 。 角點(diǎn)檢測原理 Harris 角點(diǎn)檢測原理是對(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。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。 arris 算子是一種簡單的點(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。 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)。 角點(diǎn)檢測算法 Harris 算子是 是 和 在 1988 年提出的一種基于信號(hào)的點(diǎn)特征提取算法，也稱為 Plessey 角點(diǎn)檢測算法。整個(gè)算法是受到信號(hào)處理中自相關(guān)函數(shù)的啟發(fā)，引入與自相關(guān)函數(shù)相聯(lián)系的矩陣 M。該算法通過建立與圖像 X 方向一階導(dǎo)數(shù)和 Y 方向一階導(dǎo)數(shù)自相關(guān)函數(shù)相聯(lián)系的對(duì)稱矩陣 M，求取 M 的兩個(gè)特征值， 而 M 陣的特征值是自相關(guān)函數(shù)的一階曲率，若兩個(gè)曲率值都很高，則說明自相關(guān)函數(shù)呈尖頂形，表示該處為圖像的角點(diǎn) 。 對(duì)于一幅圖像，角點(diǎn)和自相關(guān)函數(shù)的曲率特性有關(guān)。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)檢測只是涉及到簡單的矩陣和一階導(dǎo)數(shù)運(yùn)算，能夠根據(jù)閾值提取出局部“興趣點(diǎn)”。 )()( BAMtra c e ?? k 通常取 ~ 之間。當(dāng) R(x,y)超過給定的閾值，則認(rèn)為該點(diǎn)為圖像的角點(diǎn)。 假設(shè) L1 和 L2 是矩陣 M 的特征值，可以表示某一點(diǎn)的圖像灰度自相關(guān)函數(shù)的極值曲率，它們成比例關(guān)系。若 M 的特征值 L1 和 L2 都相對(duì)較大，則證明在該店的圖像灰度自相關(guān) 函數(shù)的兩個(gè)正交方向上的曲率極值比較大，進(jìn)一步確認(rèn)該點(diǎn)就是角點(diǎn)。 具體判定方法，可以通過判斷特征值 L1 和 L2 來確定角點(diǎn)的位置： 如果兩個(gè)曲率值都很小，則證明局部自相關(guān)函數(shù)很平坦，檢測區(qū)域?yàn)槠教箙^(qū)域； 如果兩個(gè)曲率中一個(gè)較大，另一個(gè)較小時(shí)，則說明 E（ x,y）垂直山脊的變化很大，而沿著山脊的變化很小，此處為一個(gè)邊沿，即局部自相關(guān)函數(shù)呈現(xiàn)山脊?fàn)睿? 如果兩個(gè)曲率都很大，則說明局部自相關(guān)函數(shù)有一個(gè)尖峰，此處為一個(gè)角點(diǎn)。 SUSAN 檢測算法 直接利用圖像灰度相似性的比較，而不需計(jì)算梯度，具有算 法簡單、定位準(zhǔn)確、抗噪聲能力強(qiáng)等特點(diǎn)。因此，非常適于含噪圖像或低對(duì)比度灰度圖像的邊緣檢測。無論對(duì)直線，還是曲線邊緣， SUSAN 算法基本上可以檢測出 14 所有的邊緣，檢測結(jié)果