王富平, 陈鹏博, 刘卫华, 何敬鲁

(西安邮电大学通信与信息工程学院, 710121, 西安)

图像角点特征包含了图像重要特征和信息,广泛应用于各个领域,如农业杂草密度[1]和小麦穗数[2]检测、医学血管支架轮廓分割和颈椎角点检测[3]、遥感图像目标检测[4]、目标识别[5]、图像配准、光场相机标定[6]、场景检测[7]和交通标志分离等。目前,角点检测算法主要分为基于模板的角点检测[8-12]、基于边缘轮廓的角点检测[13-19]和基于强度的角点检测[20-28]共3大类。

基于模板的角点检测算法通过使用预先定义的模型拟合图像的部分区域来检测角点。Smith等提出了SUSAN角点检测算法,通过比较模板中每个像素点与模板中心像素灰度值的大小来确定角点[8];Rosten等在SUSAN算子基础上分别利用圆环和双圆环模板来检测角点,提升了角点检测效率和一致性[9-10];Abramenko等使用亮度函数的代数矩进行亚像素精度的角点检测[11];Meng提出了基于图像逐块移动搜索的快速X角点检测算法,并使用邻域方差和中心对称约束来排除异常角点[12]。

基于边缘轮廓的角点检测算法通过提取图像边缘并分析轮廓形状来检测角点。Mokhtarian等提出了基于曲率尺度空间(CSS)的角点检测算法[13];He等在CCS基础上利用自适应曲率阈值完成角点检测,实现了自适应阈值选择[14];Awrangjeb等利用弦点距离累加(CPDA)技术估计曲率并检测角点,该算法对噪声鲁棒性好[15];Lin等用线性归一化替换了CPDA中使用的极大值归一化,弥补了CPDA算法的不足[16];Shui等利用各向异性高斯方向导数(ANDD)滤波……