基于改进的SUSAN算子的棋盘格亚像素角点检测算法

针对SUSAN算子在检测棋盘格角点这一特殊类型角点时出现的不足,提出了改进的SUSAN角点检测算子。改进的算子在分析原有算子仅考虑USAN区域的大小而不考虑USAN区域的形状这一局限性的基础上,通过在SUSAN圆模板内附加两个圆环模板来实现对所有棋盘格角点的有效检测。此外,鉴于棋盘格角点图像形状和灰度分布具有对称性以及灰度对比强烈的特点,采用灰度重心法对角点进行了亚像素定位。为了提高算法性能,具体操作时采用区域分离思想,将USAN区域分成内部像素区域和边缘像素区域两部分,通过对内部像素区域灰度的均值化,达到了抑制内部像素区域噪声的目的。实验结果表明,所提出的算法准确、有效,能达到亚像素级的精度。

一种基于USAN的特征点检测算法

SUSAN角点检测算子的提出是以假设待测角点是L型为前提的,这就造成了SUSAN算子在检测角点时以USAN区域的大小为判据的局限性。实际上,当USAN区域的大小等于SUSAN圆模板面积的一半的时候,常常会出现错误的检测结果。在分析图像各特征点的本质区分的基础上,在SU-SAN圆模板内,附加了一个圆环模板,并以圆环模板上灰度的跳变次数为辅助判据,来弥补SUSAN算子的不足。此外,SUSAN算子USAN区域的划分是基于固定灰度差阈值的,这对于具有不同对比度的图像的角点提取很不利。鉴于此,提出了一种基于迭代运算的灰度差阈值的计算方法,在每个像素位置,通过迭代运算计算其对应SUSAN圆模板内的灰度差阈值,得到更合理的USAN区域。所提出的算法以USAN区域大小为第一判据,再辅以圆环模板上的灰度跳变次数为第二判据,从而为特征点的检测提供了双重保障。实验结果表明,算法可以准确、可靠地提取出各种不同类型的角点。

SUSAN兴趣点检测算法的研究与实现

基于特征的遥感图像配准中,特征提取是整个配准过程的第一步,特征提取的质量对于最终的配准效果有着十分重要的影响。在目前的遥感图像配准中,点、线和面三种特征都有使用,其中点特征的使用最为频繁,这是因为使用点特征可以大大减少数据量从而提高运算的速度,而所谓的点特征一般称为兴趣点。主要介绍了SUSAN兴趣点的检测算法,并对该算法进行讨论研究,最后用IDL实现了该算法。

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整"相似性阈值"才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点。为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点。实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点。

基于MIC的快速角点提取改进算法研究

针对MIC算子不能区分部分边缘点和角点的缺陷,提出一种自适应边缘点滤除算法。在边缘清晰的情况下,使用求USAN区域的方法过滤掉边缘点;在边缘模糊的情况下,使用模板较大的插值方法在核心点邻域计算其角点响应值。实验证明,该算法能够很好地区分出边缘点和角点。