基于多方向结构张量积的快速角点检测算法

针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。

基于多尺度多方向Gabor滤波器的角点检测

在角点检测中,由于未验证二维Gabor特征对角点的区分能力,且像素邻域特征的描述存在缺陷,致使其检测到的角点鲁棒性差,且定位准确性较低。为解决上述问题,利用二维Gabor滤波器实部的方向导数提取各个角点模型的强度变化差异,并结合多方向结构张量积、多尺度筛选机制,提出新的角点检测算法。首先,利用二维Gabor滤波器实部的方向导数平滑测试图像,提取各个方向上的灰度变化信息;其次,综合目标像素在各个方向上的灰度变化信息构建多方向结构张量积,并生成相应的角点测度;最后,利用非极大值抑制进行初步筛选,再结合多尺度筛选机制确定最终角点。将提出的算法与7个经典的角点检测器在图像仿射变换和噪声干扰条件下进行特征鲁棒性比较,在基于标定角点的匹配实验中进行定位精度比较,实验结果表明:该算法定位精度高且鲁棒性强。