《表1 Harris算法角点检测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《相似像素的Harris角点检测改进算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Harris算法为提高抗噪性能采用高斯滤波器对图像进行滤波操作，而滤波器尺度的选择并不容易，易使角点偏离正确的位置，而对于定位性要求较高的应用，如相机标定，显然并不理想。当尺度改变时，在某一尺度下提取的角点位置会发生偏移（表1）。在SUSAN算法中，首先计算圆形模板上与目标像素相似的像素数目，即核值相似区（univalue segment assimilating nucleus，USAN）的大小，然后构造角点响应函数，最后进行非极大抑制来提取角点。而如果将小于几何阈值的USAN值的倒数代替SUSAN算法的角点响应函数，所得角点检测结果与SUSAN算法一致，如图2所示。SUSAN算法角点定位准确度高[17]，且不需进行滤波操作，避免了滤波器尺度选择问题，因此将其与Harris算法进行融合，能够改善Harris算法角点定位存在偏差以及对尺度变化敏感的问题。为减少计算量，选择8邻域模板代替SUSAN算法中的圆形模板。因此，本文将候选角点的相似像素数目的倒数定义为角点响应函数改正因子P，利用该改正因子P改进角点响应函数CRF得到新的角点响应函数NCRF，如式（7）、式（8）所示。