陕西黄河集团有限公司 张 巧 马文希

特征点检测算法的研究综述

陕西黄河集团有限公司 张 巧 马文希

本文在特征点检测方面进行深入研究，着重对基于灰度图像的角点检测的几种算法进行了深入剖析，分析并对比了几种算法的优缺点，具体的实现方法与步骤，通过实验验证了几种算法各自的特点。

特征点检测；灰度图像；角点检测

1 引言

目前，图像处理与计算机视觉技术的日渐成熟，由于这些技术目前已经广泛地应用在空间探索、遥感图像处理、医学图像分析、视频压缩和传输、视频的索引和检索、虚拟现实、计算机视觉、超分辨率重构、医学、气象以及军事等领域[1]，所以人们对特征点检测的研究越来越重视。

特征点是一幅图像中比较典型的特征标志之一，特征点含有显著的结构性信息[2]，一般为图像中的线条、交叉点、边界封闭区域的重心，或者为曲面的高点等。对于大多数图像来说，角点通常是最重要的特征点。本文将着重研究基于灰度图像的角点检测算法，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点的算子[3]，Moravec的角点提取算子提出用一个方形窗口来进行测量(典型的是，3×3，5×5，7×7像素)。该窗口以一个点作为中心，沿八个方向进行(水平，竖直，斜对角的四个方向)移动，灰度值的变化，就是所给定图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年提出来的一种基于信号的特征点提取算子[5]。该算子受到信号处理中自相关函数的启发。Harris角点检测算子实质是Moravec角点检测算子的改进，在Harris算子中用高斯函数代替二值窗口函数，对于离中心点越近的像素赋给的权重越大，这样就可以减少噪声的影响。Moravec算子只考虑了每隔45度的方向，Harris算子则是用Taylor展开去近似任意方向。

4 Forstner算子

Forstner算子是一种从图像中提取点(角点、圆点等)特征比较有效的算子[6]。运用Forstner算子可以提取所需数量的特征点。Forstner算子通过计算各像素的Robert梯度以及以像素为中心的窗口的灰度协方差矩阵，在图像中找出最可能小的且最接近圆形的点作为特征点，计算出各像素的兴趣值，再运用抑制局部极小点的方法提取出特征点。

5 实验分析

在Visual Studio 2010的环境下，通过编程实现Moravec、Harris以及Forstner算子，使用三种算子对同一幅图像进行特征点提取，实验的结果如表1所示。

表1 各类算子提取特征点花费时间的对比表

由表格以及通过实验所提取的特征点的特点，分析对比表明：Moravec最显著的优点就是实现简单快速。对强边缘比较敏感，不是旋转不变的，噪音比较敏感。它的计算相当的有效，所以在要求实时的和计算能力有限的应用中都有它的作为。Harris算子计算简单，操作很简单；自动化的程度很高；提取点特征比较均匀并且合理；稳定。Harris算子的缺点是，它的精度只能达到一个像素。Forstner算子的最大优点就是计算速度快，具有较好的抗噪性。缺点是需要确定阈值，而且提取的特征点效果也会受初选的差分法的阈值影响。

6 SUSAN算子

还有一种比较常用的算子就是SUSAN算子，SUSAN(Smallest Univalves Segment Assimilating Nucleus )算子有英国牛津大学的S.M.Smith，J.M.Brady在1995年首次提出来的[7]，也就是最小同值吸收核。它是一种基于统计的方法来描述的，所以与其它相比更加接近人类视觉的观察过程。

SUSAN基于一个圆形模板实现的。把模板中的每个像素点的灰度值都与中心像素点进行比较，把与中心点的灰度值相近的点构成的区域，称为“SUSAN区域”。该区域的大小反映了图像局部特征的强度，SUSAN面积越小，表明改点为角点的概率越大。

SUSAN方法本质上区别于基于梯度的提取方法[8]，该算法直接对原始图像进行统计描述，不需要求导，所以算法的抗噪声的能力比较强，圆形的SUSAN模板具有各向同性，可以抵抗图像的旋转变化，但是该算法对于若纹理图像的角点提取的效果较差。

7 总结

本文研究了目前人们常用的基于灰度图像的角点检测算法，着重分析并对比了Moravec、Harris、Forstner以及SUSAN各自的优缺点，具体的实现方法与步骤，以及各自比较适用的环境，由对比分析，得出Moravec快速简单，Harris是Moravec的改进，它简单、均匀、可定量、稳定但是精度不高，Forstner计算速度快，精度为子像素，由于这些不同所以这几种算子适用的环境也不同。文章对更进一步认识特征点检测算法有很大的帮助，特征点检测算法的任何改进，都会影响图像拼接技术、三维重建技术甚至是医学、气象、地质勘探以及军事等领域的发展，所以对角点检测算法的研究十分的有必要。

[1]章毓晋．中国图像工程[J]．中国图象图形学报,2009,14(5): 809-837．

[2]刘亚威,李见为,张小洪．一种基于边缘轮廓的LoG角点检测[J]．计算机工程与应用,2010,10(1):140-143．

[3]江铁,朱桂斌,孙奥．特征点提取算子性能分析研究[J]．科学技术与工程，2012,30(12):7924-7930，

[4]朱玉玺,周灵．基于M算子确定条件的小波图像融合算法设计[J]．佛山科学技术学院学报(自然科学版),2010,28(3): 18-22．

[5]周龙萍．基于改进的Harris算法检测角点[J]．计算机技术与发展,2013,23(2):11-14．

[6]韩斌,周增雨,王士同．改进的亚像素级快速角点检测算法[J]．江苏科技大学学报(自然科学版),2009,23(2):146-149．

[7]罗忠亮．基于改进SUSAN算子的图像边缘检测算法[J]．重庆工学院学报(自然科学版),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