基于改进边缘检测算子的图像特征点提取算法

2011-05-08王道平

电子科技 2011年9期

郭峰，王道平，韩溟

(第二炮兵工程学院电工电子技术教研室，陕西西安 710025)

目前，关于兴趣点并没有统一的定义[1-3]，如:两条或两条以上边缘相交的点;边缘上具有局部最大曲率并且曲率大于一定阈值的点;图像中梯度值和梯度变化都很大的点;各个方向亮度变化均足够大的点。正是因为对于兴趣点有不同的理解和定义，才造成了兴趣点检测算法的多样性[4]。典型的几种兴趣点有SUSAN兴趣点检测算法、CSS兴趣点检测算法、PCD兴趣点检测算法等。

1 SUSAN兴趣点检测算法

SUSAN[5](Smallest Univalue Segment Assimilating Nucleus)算法由Smith和Brady于1996年提出。算法是基于同核分割USAN概念提出来的。同核分割USAN(Univalue Segment Assim-ilating Nucleus)是指在一个圆形区域内，与圆心像素的灰度值相同的像素组成的区域。该算法假设在一个相对小的圆形区域内属于同一目标的像素具有相对统一的灰度，算法统计USAN区域的像素的个数，当USAN区域的像素个数为局部最小值并满足某种约束时，相应掩模的中心判为兴趣点。SUSAN可以用于直线和边缘的检测。图1显示了一个在白色背景下黑色的长方形，图中a，b，c，d，e共5个位置分别是5个圆形的模板在图像中不同位置，窗口的中心被称为“核”。窗口中所有具有与核相同或相似灰度的像素，把这些像素构成的区域称为USAN。

由图1可以看出，USAN区域包含了重要的图形结构信息，在灰度平坦的区域内，USAN区域取得最大值，越靠近边缘，USAN区域越小。