特征點檢測算法的研究綜述

陜西黃河集團(tuán)有限公司 張 巧 馬文希

特征點檢測算法的研究綜述

陜西黃河集團(tuán)有限公司 張 巧 馬文希

本文在特征點檢測方面進(jìn)行深入研究，著重對基于灰度圖像的角點檢測的幾種算法進(jìn)行了深入剖析，分析并對比了幾種算法的優(yōu)缺點，具體的實現(xiàn)方法與步驟，通過實驗驗證了幾種算法各自的特點。

特征點檢測；灰度圖像；角點檢測

1 引言

目前，圖像處理與計算機(jī)視覺技術(shù)的日漸成熟，由于這些技術(shù)目前已經(jīng)廣泛地應(yīng)用在空間探索、遙感圖像處理、醫(yī)學(xué)圖像分析、視頻壓縮和傳輸、視頻的索引和檢索、虛擬現(xiàn)實、計算機(jī)視覺、超分辨率重構(gòu)、醫(yī)學(xué)、氣象以及軍事等領(lǐng)域[1]，所以人們對特征點檢測的研究越來越重視。

特征點是一幅圖像中比較典型的特征標(biāo)志之一，特征點含有顯著的結(jié)構(gòu)性信息[2]，一般為圖像中的線條、交叉點、邊界封閉區(qū)域的重心，或者為曲面的高點等。對于大多數(shù)圖像來說，角點通常是最重要的特征點。本文將著重研究基于灰度圖像的角點檢測算法，包括Harris、Moravec、Forstner以及SASAN算法。

2 Moravec算子

Moravec是1977年提出的利用灰度方差提取特征點的算子[3]，Moravec的角點提取算子提出用一個方形窗口來進(jìn)行測量(典型的是，3×3，5×5，7×7像素)。該窗口以一個點作為中心，沿八個方向進(jìn)行(水平，豎直，斜對角的四個方向)移動，灰度值的變化，就是所給定圖像的像素的灰度方差之和[4]。

3 Harris算子

Harris算子是C.Harris和J.Stephens在1988年提出來的一種基于信號的特征點提取算子[5]。該算子受到信號處理中自相關(guān)函數(shù)的啟發(fā)。Harris角點檢測算子實質(zhì)是Moravec角點檢測算子的改進(jìn)，在Harris算子中用高斯函數(shù)代替二值窗口函數(shù)，對于離中心點越近的像素賦給的權(quán)重越大，這樣就可以減少噪聲的影響。Moravec算子只考慮了每隔45度的方向，Harris算子則是用Taylor展開去近似任意方向。

4 Forstner算子

Forstner算子是一種從圖像中提取點(角點、圓點等)特征比較有效的算子[6]。運(yùn)用Forstner算子可以提取所需數(shù)量的特征點。Forstner算子通過計算各像素的Robert梯度以及以像素為中心的窗口的灰度協(xié)方差矩陣，在圖像中找出最可能小的且最接近圓形的點作為特征點，計算出各像素的興趣值，再運(yùn)用抑制局部極小點的方法提取出特征點。

5 實驗分析

在Visual Studio 2010的環(huán)境下，通過編程實現(xiàn)Moravec、Harris以及Forstner算子，使用三種算子對同一幅圖像進(jìn)行特征點提取，實驗的結(jié)果如表1所示。

表1 各類算子提取特征點花費(fèi)時間的對比表

由表格以及通過實驗所提取的特征點的特點，分析對比表明：Moravec最顯著的優(yōu)點就是實現(xiàn)簡單快速。對強(qiáng)邊緣比較敏感，不是旋轉(zhuǎn)不變的，噪音比較敏感。它的計算相當(dāng)?shù)挠行?，所以在要求實時的和計算能力有限的應(yīng)用中都有它的作為。Harris算子計算簡單，操作很簡單；自動化的程度很高；提取點特征比較均勻并且合理；穩(wěn)定。Harris算子的缺點是，它的精度只能達(dá)到一個像素。Forstner算子的最大優(yōu)點就是計算速度快，具有較好的抗噪性。缺點是需要確定閾值，而且提取的特征點效果也會受初選的差分法的閾值影響。

6 SUSAN算子

還有一種比較常用的算子就是SUSAN算子，SUSAN(Smallest Univalves Segment Assimilating Nucleus )算子有英國牛津大學(xué)的S.M.Smith，J.M.Brady在1995年首次提出來的[7]，也就是最小同值吸收核。它是一種基于統(tǒng)計的方法來描述的，所以與其它相比更加接近人類視覺的觀察過程。

SUSAN基于一個圓形模板實現(xiàn)的。把模板中的每個像素點的灰度值都與中心像素點進(jìn)行比較，把與中心點的灰度值相近的點構(gòu)成的區(qū)域，稱為“SUSAN區(qū)域”。該區(qū)域的大小反映了圖像局部特征的強(qiáng)度，SUSAN面積越小，表明改點為角點的概率越大。

SUSAN方法本質(zhì)上區(qū)別于基于梯度的提取方法[8]，該算法直接對原始圖像進(jìn)行統(tǒng)計描述，不需要求導(dǎo)，所以算法的抗噪聲的能力比較強(qiáng)，圓形的SUSAN模板具有各向同性，可以抵抗圖像的旋轉(zhuǎn)變化，但是該算法對于若紋理圖像的角點提取的效果較差。

7 總結(jié)

本文研究了目前人們常用的基于灰度圖像的角點檢測算法，著重分析并對比了Moravec、Harris、Forstner以及SUSAN各自的優(yōu)缺點，具體的實現(xiàn)方法與步驟，以及各自比較適用的環(huán)境，由對比分析，得出Moravec快速簡單，Harris是Moravec的改進(jìn)，它簡單、均勻、可定量、穩(wěn)定但是精度不高，F(xiàn)orstner計算速度快，精度為子像素，由于這些不同所以這幾種算子適用的環(huán)境也不同。文章對更進(jìn)一步認(rèn)識特征點檢測算法有很大的幫助，特征點檢測算法的任何改進(jìn)，都會影響圖像拼接技術(shù)、三維重建技術(shù)甚至是醫(yī)學(xué)、氣象、地質(zhì)勘探以及軍事等領(lǐng)域的發(fā)展，所以對角點檢測算法的研究十分的有必要。

[1]章毓晉．中國圖像工程[J]．中國圖象圖形學(xué)報,2009,14(5): 809-837．

[2]劉亞威,李見為,張小洪．一種基于邊緣輪廓的LoG角點檢測[J]．計算機(jī)工程與應(yīng)用,2010,10(1):140-143．

[3]江鐵,朱桂斌,孫奧．特征點提取算子性能分析研究[J]．科學(xué)技術(shù)與工程，2012,30(12):7924-7930，

[4]朱玉璽,周靈．基于M算子確定條件的小波圖像融合算法設(shè)計[J]．佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版),2010,28(3): 18-22．

[5]周龍萍．基于改進(jìn)的Harris算法檢測角點[J]．計算機(jī)技術(shù)與發(fā)展,2013,23(2):11-14．

[6]韓斌,周增雨,王士同．改進(jìn)的亞像素級快速角點檢測算法[J]．江蘇科技大學(xué)學(xué)報(自然科學(xué)版),2009,23(2):146-149．

[7]羅忠亮．基于改進(jìn)SUSAN算子的圖像邊緣檢測算法[J]．重慶工學(xué)院學(xué)報(自然科學(xué)版),2009,23(5):102-106．

[8]Stephen M．Smith,J．Michael Brady．SUSAN-A New Approach to Low Level Image Processing[J]．International Journal of Computer Vision．1997,45-78．

Reviewed Research Of Feature Point Detection Rlgorithms

Qiao Zhang,Xiwen Ma
（SHAANXI HUANGHE GROUP CO.,LTD.）

In terms of the feature point detection,this paper focuses on researching several corner detection algorithms which based on gray image. The advantages and disadvantages of these several algorithms,specific implementation methods and steps were analyzed and compared,their features are verified by experiment.

feature point detection;gray image;corner detection