王慧勇

(1.上海交通大学电子信息与电气工程学院，上海 200240;2.上海电视广播集团，上海 200070)

角点是一种重要的图像特征点，其在各个方向梯度变化较大，或在边缘曲线上具有曲率极大值，包含了重要的图像特征信息。所以在物体识别、图像配准、全景拼接等方面具有十分重要的意义［1-3］。准确并快速地提取到角点，能有效地降低信息处理量，大幅提高处理效率。

目前角点检测方法通常基于图像灰度信息，这种方法主要通过测算点的曲率及梯度来检测角点。此类方法应用最广泛的是Harris算法［4］，通过计算像素点所在位置的梯度来检测角点。实验结果表明，Harris角点检测法具有良好的检测效果，但该算法对图像中的每个点都计算其响应值，然后在邻域中选择最优点，计算量大，难以满足实时性要求。而Edward Rosten and Tom Drummond提出的FAST角点检测法实时性好，但对边缘易产生伪响应。同时传统的检测算法处理不同图片，需要人为给出一个经验阈值才能得到较理想的角点。

本文结合Harris算法和FAST算法的优势，提出了一种快速自适应Harris角点检测算法。该方法能有效地自适应提取角点，并满足实时性要求。

1 Harris算法原理

Harris角点检测算法［5-8］是C.Harris和MJ.Stephens提出的，是Moravec算法的改进。Moravec算法将像素点周边的一个邻域作为一个图像块，并检测这个图像块经过少量偏移和原图像块的相关性。如图1所示，假设像素点(x，y)的灰度值为f(x，y)，则图像中每个像素点 (x，y)移动(a，b)后，灰度变化强度表示为

式中:(a，b)可以取(0，1)，(-1，1)，(-1，0)，(-1，-1)，(0，-1)，(1，-1)，(1，0)，(1，1)这 8 个基本方向。于是可以得到8个灰度变化强度值。……