基于SUSAN原理的黄河模型角点检测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
点的ＵＡ Ｓ Ｎ区域 大小 可用 下式表示 ：
Ｓ Ｓ Ｎ算法 是 由 Ｓ ｔ ＵＡ ｍｉ ｈ和 Ｂ ｙ首 先 提 出的 Ｊ ＝ａ 。其算
法的基本依据是 图像 中同一特 征 区域 的内部 特征 （ 常指 通
灰度值 ） 是一致或相 近 的。在介 绍 Ｓ Ｓ Ｎ方 法前首 先介绍 ＵＡ
收 稿 日期 ：０ １ ｌ ２ ２ １ 一ｌ 一 Ｏ
征匹配的第 一步 ， 为后续的物体识别与三维重建提供 了重要
信 息。为此 ， 我们在岸上或 是水里放 置方 形的标 示物 ， 用距 离河岸一定距离并在 同一 直线上 的两摄像 机拍摄左 右两 张
图片。为了测量水 深 ， 就要 测量 河 岸或水 面 到摄 像机 的距 离， 为此我们把标示物 上的角点 作为特 征点来检 测 和匹配 ， 就能实现测量 目的。经典的检 测方 法如 Ｒ ｂａ ｏｅ，Ｃ ｎ ｏｅ ，Ｓｂｌ ａ－ ｎ 等 方法 ， ｙ 都是对原始图像中像素 的小邻域 构造检测 算子 ， 进行微分运算 ， 得梯 度最 大值或二 阶导数 的过零点 ， 求 最后
基金 项 目： 省部 共建项 目“ 模型黄河 网络 图像 监测与处理 系统” 项 目编号 ：Ｂ Ｊ９ ６ １ ， Ｓ Ｇ ｏ Ｏ０ 作者简介 ： 李贺林（ ９ ８ ， 河南镇平县人 ， １７ ．） 男， 硕士研 究生 ， 主要研 究方向为 图像处理技术。 赵 建军（ ９４ ， 河南确山县人 ， １５ ．） 男， 教授 ， 主要研 究方 向为 图像处理与模式识别 ， 电力 系统及 自动化 。
ｒ ， ， ，）一 （０Ｙ ）Ｉ １ 矿ｌ（ Ｙ Ｉ ，ｏ
…
ｌ Ｓ ＡＮ 算 法 ＵＳ
１１ Ｓ Ａ ． ＵＳ Ｎ特征检测基本原理
。 。ｏ ‘ ｉ ，一 ，） Ｉ （ ， ） ００Ｉ ‘ ， ） ｙ ＞
式 （） ｃ Ｙ 为模 板 内属 于 Ｕ Ａ 区域 的像 素的判 １ 中 （ ，） ＳＮ 别 函数 ；（ Ｙ ） ，‰，ｏ 是模板 中心 像素 （ ） 核 的灰度值 ；（ Ｙ 为 ， ，） 模板 内其任意像素的灰 度值 ； 是灰度 差门 限。图像中每 一 ｔ
山西 电子技 术 ２１ ０２年第 １期
文 章 编 号 ：６ ４４ ７ （０ ２ ０ －０ ６ ０ １７ —５８ ２ １ ） １０ ４ ・２
பைடு நூலகம்
应 用 实践
基 于 Ｓ Ｓ Ｎ原 理 的 河模 型 角 点检 测 ＵＡ 黄
李贺林 ，赵建军
（ 南大 学先进控 制与 智 能信 息处理研 究所 ， 南 开封 ４ ５０ ） 河 河 ７０ １
摘 要 ： 分析了 Ｓ Ｓ Ｎ算法进行 角点检测的原理和有效性 ， ＵＡ 在此基础上提 出了一种采用改进 了的 Ｓ Ｓ Ｎ算法 ＵＡ
来提 取黄 河模型 图像的 角点特征 。利 用 自适 应 的选取灰 度差 阈值的 方法 ； 再采 用利 用设 定几 何 阈值 的上 下限方
法． 实现 了黄河模 型角点的 自动识 别和检 测。 实验 表 明， 方法提取 的 角点抗噪 性能好 ， 该 清晰真 实， 致 ， 细 定位精
图 １中 ４ ； ） 当模板 中心 处于边 缘时 ， Ｓ Ｎ区域很小 （ ＵＡ 如图 １
中的 ３ ； ） 当模板的 中心位于角点时 ， Ｓ Ｎ区域最 小（ 图 １ ＵＡ 如
中的 ５ 。通过计算 图像 中每一 个像 素 的 Ｕ Ａ ） Ｓ Ｎ值 ， 设定 一 个 ＵＡ Ｓ Ｎ阈值 ， 查找小于阈值的像素点 ， 即可确定角点 。
件 的像素组成 的 区域称 为吸 收核值 相 似 区 Ｕ Ａ 。 图像 中 ＳＮ 平 坦区域像 素点 Ｕ Ａ Ｓ Ｎ面积最大 ， 边缘点次之 ， 角点处 最小 。 其 中角点越尖 ， Ｓ Ｎ区域面积越 小。可 以看出 当圆形模板 ＵＡ
完全处在 图像 或背 景 中时 ， Ｓ Ｎ区域 面积最 大 （ 图 １中 ＵＡ 如 的 １和 ２ ； ） 当模板 移向图像边缘 时 ， Ｓ Ｎ区域逐渐变小 （ ＵＡ 如
度 。角点作为输入可应用 ３ Ｊ Ｄ建模 ， 尤其在实 时处理 中有
很高 的应用价值 。在实体黄河模型的实验中 ， 河深 的测 量是 其 中重要的一个方面 ， 度测量 实现 的关键技术在于特 征提 深 取 和特 征匹配 ， 对黄河模型来 说 ， 测量河 面到测 量点 的距 要
离， 第一步就是要在河面上提取体特 征和特征匹配 ； 因此 ， 河 面的边缘特 征提 取成 了研究 的重点 。而 角点又 是边缘 的特 殊点 ， 边缘检测是 图像 处理 的最基 本 内容 ， 是提 取特征 和特
确 。为下一步 立体 匹配和三 维重构打 下了基础 。
关 键 词 ： 河 模 型 ；角 点检 测 ；Ｓ Ｓ Ｎ；阈值 选取 黄 ＵＡ
中图分类号 ：Ｐ ９ Ｔ３１
文献标识码 ： Ａ ＵＡ Ｓ Ｎ区域定义。 如图１ 示， 所 用一个 圆形 模板 在 图像 上移 动 ， 模板 内 若
角点特征是图像的重要 特征 ， 以定 义为 ： 可 两条或 多条 边 界的链 接点。在各 种图像特 征中 ， 角点具有旋转不变和不
图１ ＳＳ Ｕ ＡＮ特 征 检 测 原 理
选取适 当的阈值来提取 。算法涉及梯度的运算 ， 因此均 存在
对噪声敏感 ， 计算量复杂等缺点。在 实践 中， 发现 Ｓ Ｓ Ｎ算 ＵＡ 法只基 于对周边像 素的灰度 比较 ， 全不涉 及梯 度运算 ， 完 对 局部 噪声不敏感 ； 具有算法简单 ， 定位准确 ， 噪能力强等特 抗
随光照条件变化改变而变化的优点。用角点作 为特征点 ， 不
像素灰度与模板 中心像素 （ 为核） 度的差值 小于一 定 阈 称 灰
但减少 了参与计 算 的数据 量 ， 而且 又不 丢失 图像 的灰 度信 息 。利用 角 点特 征 进 行 匹 配 可 以 大 大 提 高 匹 配 的速
值， 就认为该点 与核具有相同或相 近的灰度。由满足 这样 条
１２ Ｓ Ｓ 算法 ． Ｕ Ａ Ｎ
对整幅图像 中的所有 像素 ， 圆形模板进行扫描 ， 用 比较 模板 内每一像素与 中心像 素的灰 度值 ，通过 与给定 的 阈值 比较 ， 来判别该像素是否属于 Ｕ Ａ 区域 ，如下式 ： ＳＮ
， 、
点 。适于含噪 图像边 缘 和角 点 检测 ， 以本 文选 择 了 Ｓ ． 所 Ｕ Ｓ Ｎ算法来提取黄河模型的角点信息。 Ａ
Ｓ Ｓ Ｎ算法 是 由 Ｓ ｔ ＵＡ ｍｉ ｈ和 Ｂ ｙ首 先 提 出的 Ｊ ＝ａ 。其算
法的基本依据是 图像 中同一特 征 区域 的内部 特征 （ 常指 通
灰度值 ） 是一致或相 近 的。在介 绍 Ｓ Ｓ Ｎ方 法前首 先介绍 ＵＡ
收 稿 日期 ：０ １ ｌ ２ ２ １ 一ｌ 一 Ｏ
征匹配的第 一步 ， 为后续的物体识别与三维重建提供 了重要
信 息。为此 ， 我们在岸上或 是水里放 置方 形的标 示物 ， 用距 离河岸一定距离并在 同一 直线上 的两摄像 机拍摄左 右两 张
图片。为了测量水 深 ， 就要 测量 河 岸或水 面 到摄 像机 的距 离， 为此我们把标示物 上的角点 作为特 征点来检 测 和匹配 ， 就能实现测量 目的。经典的检 测方 法如 Ｒ ｂａ ｏｅ，Ｃ ｎ ｏｅ ，Ｓｂｌ ａ－ ｎ 等 方法 ， ｙ 都是对原始图像中像素 的小邻域 构造检测 算子 ， 进行微分运算 ， 得梯 度最 大值或二 阶导数 的过零点 ， 求 最后
基金 项 目： 省部 共建项 目“ 模型黄河 网络 图像 监测与处理 系统” 项 目编号 ：Ｂ Ｊ９ ６ １ ， Ｓ Ｇ ｏ Ｏ０ 作者简介 ： 李贺林（ ９ ８ ， 河南镇平县人 ， １７ ．） 男， 硕士研 究生 ， 主要研 究方向为 图像处理技术。 赵 建军（ ９４ ， 河南确山县人 ， １５ ．） 男， 教授 ， 主要研 究方 向为 图像处理与模式识别 ， 电力 系统及 自动化 。
ｒ ， ， ，）一 （０Ｙ ）Ｉ １ 矿ｌ（ Ｙ Ｉ ，ｏ
…
ｌ Ｓ ＡＮ 算 法 ＵＳ
１１ Ｓ Ａ ． ＵＳ Ｎ特征检测基本原理
。 。ｏ ‘ ｉ ，一 ，） Ｉ （ ， ） ００Ｉ ‘ ， ） ｙ ＞
式 （） ｃ Ｙ 为模 板 内属 于 Ｕ Ａ 区域 的像 素的判 １ 中 （ ，） ＳＮ 别 函数 ；（ Ｙ ） ，‰，ｏ 是模板 中心 像素 （ ） 核 的灰度值 ；（ Ｙ 为 ， ，） 模板 内其任意像素的灰 度值 ； 是灰度 差门 限。图像中每 一 ｔ
山西 电子技 术 ２１ ０２年第 １期
文 章 编 号 ：６ ４４ ７ （０ ２ ０ －０ ６ ０ １７ —５８ ２ １ ） １０ ４ ・２
பைடு நூலகம்
应 用 实践
基 于 Ｓ Ｓ Ｎ原 理 的 河模 型 角 点检 测 ＵＡ 黄
李贺林 ，赵建军
（ 南大 学先进控 制与 智 能信 息处理研 究所 ， 南 开封 ４ ５０ ） 河 河 ７０ １
摘 要 ： 分析了 Ｓ Ｓ Ｎ算法进行 角点检测的原理和有效性 ， ＵＡ 在此基础上提 出了一种采用改进 了的 Ｓ Ｓ Ｎ算法 ＵＡ
来提 取黄 河模型 图像的 角点特征 。利 用 自适 应 的选取灰 度差 阈值的 方法 ； 再采 用利 用设 定几 何 阈值 的上 下限方
法． 实现 了黄河模 型角点的 自动识 别和检 测。 实验 表 明， 方法提取 的 角点抗噪 性能好 ， 该 清晰真 实， 致 ， 细 定位精
图 １中 ４ ； ） 当模板 中心 处于边 缘时 ， Ｓ Ｎ区域很小 （ ＵＡ 如图 １
中的 ３ ； ） 当模板的 中心位于角点时 ， Ｓ Ｎ区域最 小（ 图 １ ＵＡ 如
中的 ５ 。通过计算 图像 中每一 个像 素 的 Ｕ Ａ ） Ｓ Ｎ值 ， 设定 一 个 ＵＡ Ｓ Ｎ阈值 ， 查找小于阈值的像素点 ， 即可确定角点 。
件 的像素组成 的 区域称 为吸 收核值 相 似 区 Ｕ Ａ 。 图像 中 ＳＮ 平 坦区域像 素点 Ｕ Ａ Ｓ Ｎ面积最大 ， 边缘点次之 ， 角点处 最小 。 其 中角点越尖 ， Ｓ Ｎ区域面积越 小。可 以看出 当圆形模板 ＵＡ
完全处在 图像 或背 景 中时 ， Ｓ Ｎ区域 面积最 大 （ 图 １中 ＵＡ 如 的 １和 ２ ； ） 当模板 移向图像边缘 时 ， Ｓ Ｎ区域逐渐变小 （ ＵＡ 如
度 。角点作为输入可应用 ３ Ｊ Ｄ建模 ， 尤其在实 时处理 中有
很高 的应用价值 。在实体黄河模型的实验中 ， 河深 的测 量是 其 中重要的一个方面 ， 度测量 实现 的关键技术在于特 征提 深 取 和特 征匹配 ， 对黄河模型来 说 ， 测量河 面到测 量点 的距 要
离， 第一步就是要在河面上提取体特 征和特征匹配 ； 因此 ， 河 面的边缘特 征提 取成 了研究 的重点 。而 角点又 是边缘 的特 殊点 ， 边缘检测是 图像 处理 的最基 本 内容 ， 是提 取特征 和特
确 。为下一步 立体 匹配和三 维重构打 下了基础 。
关 键 词 ： 河 模 型 ；角 点检 测 ；Ｓ Ｓ Ｎ；阈值 选取 黄 ＵＡ
中图分类号 ：Ｐ ９ Ｔ３１
文献标识码 ： Ａ ＵＡ Ｓ Ｎ区域定义。 如图１ 示， 所 用一个 圆形 模板 在 图像 上移 动 ， 模板 内 若
角点特征是图像的重要 特征 ， 以定 义为 ： 可 两条或 多条 边 界的链 接点。在各 种图像特 征中 ， 角点具有旋转不变和不
图１ ＳＳ Ｕ ＡＮ特 征 检 测 原 理
选取适 当的阈值来提取 。算法涉及梯度的运算 ， 因此均 存在
对噪声敏感 ， 计算量复杂等缺点。在 实践 中， 发现 Ｓ Ｓ Ｎ算 ＵＡ 法只基 于对周边像 素的灰度 比较 ， 全不涉 及梯 度运算 ， 完 对 局部 噪声不敏感 ； 具有算法简单 ， 定位准确 ， 噪能力强等特 抗
随光照条件变化改变而变化的优点。用角点作 为特征点 ， 不
像素灰度与模板 中心像素 （ 为核） 度的差值 小于一 定 阈 称 灰
但减少 了参与计 算 的数据 量 ， 而且 又不 丢失 图像 的灰 度信 息 。利用 角 点特 征 进 行 匹 配 可 以 大 大 提 高 匹 配 的速
值， 就认为该点 与核具有相同或相 近的灰度。由满足 这样 条
１２ Ｓ Ｓ 算法 ． Ｕ Ａ Ｎ
对整幅图像 中的所有 像素 ， 圆形模板进行扫描 ， 用 比较 模板 内每一像素与 中心像 素的灰 度值 ，通过 与给定 的 阈值 比较 ， 来判别该像素是否属于 Ｕ Ａ 区域 ，如下式 ： ＳＮ
， 、
点 。适于含噪 图像边 缘 和角 点 检测 ， 以本 文选 择 了 Ｓ ． 所 Ｕ Ｓ Ｎ算法来提取黄河模型的角点信息。 Ａ