角點(diǎn)檢測(cè)算法優(yōu)化研究

20卷第220113云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版JournalofYunnanUniversityofNationalities(NaturalSciences20卷第220113云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版JournalofYunnanUniversityofNationalities(NaturalSciencesl．20o．r．doi:03969/jin．1672－3．1．2角點(diǎn)檢測(cè)算法的優(yōu)化研究劉瑩張久東云南民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院摘要:在研究Harris角點(diǎn)檢測(cè)算法時(shí)發(fā)現(xiàn)檢測(cè)出的角點(diǎn)常常會(huì)受到噪聲的影響．通過(guò)優(yōu)化s角點(diǎn)響應(yīng)函數(shù)避免了角點(diǎn)響應(yīng)函數(shù)中k值的影響提高了每個(gè)目標(biāo)像素點(diǎn)的響應(yīng)值精度．把該方法運(yùn)用到人臉特征的檢測(cè)中實(shí)驗(yàn)結(jié)果表明該算法和傳統(tǒng)的as角點(diǎn)檢測(cè)算法相比抗噪能力有較大提高．關(guān)鍵詞:特征點(diǎn)檢測(cè);人臉識(shí)別;噪聲;中圖分類(lèi)號(hào):A文章編號(hào)167285132011)020136OptimizationofHarrisCornerDetectionLIUYing，ZHANGJiu-dong，ZHOUWei-(SchoolofMathematicsandComputerScience，YunnanUniversityofNationalities，KunmingAbstract:ThisresearchfocusesontheHarriscornerdetectionalgorithm，andfindsthatsomecornersareoftenin-fluencedbyne．Inthisresearch，theresponsefunctionofcornerdetectionisoptimizedtoavoidtheinfluencekTheprecisionofeachtargetxs＇featureresponsefunctionised．Whenusedtodetectfacefeatures，theexperimentalresultsshowthattheanti－noiseabilityofthisalgorithmisgreatlyenhancedifcomparedwiththeHar-riscornern．Keywords:featuredetection，facerecognition，noise，response識(shí)別等方面得到了廣泛的應(yīng)用是計(jì)算機(jī)視覺(jué)研究中的熱點(diǎn)．現(xiàn)實(shí)世界中人類(lèi)通過(guò)人眼視覺(jué)系統(tǒng)來(lái)識(shí)別物體和不同的人這個(gè)看似簡(jiǎn)單的過(guò)程對(duì)計(jì)算機(jī)來(lái)說(shuō)卻非常地困難計(jì)算機(jī)要先通過(guò)對(duì)圖像進(jìn)行數(shù)據(jù)分析然后從中提取出準(zhǔn)確穩(wěn)定的特征信息來(lái)進(jìn)行識(shí)別．所以特征點(diǎn)的提取直接影響到圖像識(shí)別的正確率和速率角點(diǎn)作為特征點(diǎn)的一種包含了大量的圖像信息．目前特征點(diǎn)提取的算法大概可以分為2種:一種是che］提出的基于輪廓線的方1Harris角點(diǎn)檢測(cè)算子是算子的改4－］．oavec算子是oavce于1977年提出的利用灰度方差提取特征點(diǎn)的算子該算法以目標(biāo)像素點(diǎn)為中心選取一個(gè)二值窗口計(jì)算0°45°90°，135°四個(gè)方向的灰度差平方和取最小值為該像素點(diǎn)的興趣值．a(chǎn)s在此基礎(chǔ)上提出了用高斯函數(shù)代替二值窗口函數(shù)對(duì)每一個(gè)目標(biāo)像素點(diǎn)用aor展開(kāi)去近似任意方向以此得出興趣值．假設(shè)目標(biāo)像素點(diǎn)的坐標(biāo)為(xy)在x方向上和在y方向上移動(dòng)的距離分別是u和v那么該像素點(diǎn)的灰度變換度:法另一種就是基于圖像灰度值的方法 Harris檢測(cè)算法不受攝像機(jī)姿態(tài)以及光照的影響是效果比較好的一種算法是它對(duì)噪聲卻比較敏感收稿日期201011基金項(xiàng)目:云南省教育廳研究生科學(xué)研究基金(09J0061，2010J071)作者簡(jiǎn)介:劉瑩(1983女碩士研究生．主要研究方向:數(shù)字圖像處理通訊作者:周衛(wèi)紅(1969－男碩士副教授．主要研究方向:數(shù)字圖像處理 Harris2的函數(shù)與M2個(gè)特征向量λ1λ2有關(guān)． E x)uyx)M標(biāo)像素點(diǎn)的自相關(guān)矩 2個(gè)特征值λ1∑222xy)+v)(λ2 0如果滿(mǎn)足條件λ1λ2那么R Harris2的函數(shù)與M2個(gè)特征向量λ1λ2有關(guān)． E x)uyx)M標(biāo)像素點(diǎn)的自相關(guān)矩 2個(gè)特征值λ1∑222xy)+v)(λ2 0如果滿(mǎn)足條件λ1λ2那么Rxy= –12的值趨于0而且有01II+xx x12)xy)和特征多項(xiàng)式λ－M有關(guān)且IIR=λ1－xyxy2－4λ traceM2－4detM．假=u112 v(R*=0R*1R*的表達(dá)式4dettraceM22=ex+y)/σI為圖像灰度函數(shù)I為一般定義為R=．(x*I)y以(5)式作為檢測(cè)時(shí)的響應(yīng)函數(shù)時(shí)→的無(wú)窮小量．矩陣M是目標(biāo)像素點(diǎn)的自相關(guān)矩陣它主曲率成正比．當(dāng)2個(gè)特征值均較小時(shí)表明目標(biāo)點(diǎn)附;方向的移動(dòng)均將導(dǎo)致灰度的劇烈變化．由此而得到Harris的角點(diǎn)響應(yīng)函數(shù)R:時(shí)該點(diǎn)可以判斷為角點(diǎn);當(dāng)R*0時(shí)該點(diǎn)緣點(diǎn)．但是這個(gè)表達(dá)式仍存在一些缺陷在2個(gè)特征值相等和不相等的時(shí)候R*值是不同的．為了避免這個(gè)問(wèn)題通常會(huì)在分母部分加上一個(gè)參數(shù)得到個(gè)更穩(wěn)健的表達(dá)式如下 4det 4λ1 R*==·(traceMε+++2R=det(M)–k(trace(M))( 其中ε為任意小的正數(shù)式(6)中沒(méi)有k值避免了因k值選擇的隨機(jī)性對(duì)響應(yīng)函數(shù)的影響0那么R也將趨于0;如果2個(gè)λ1M其中det(M)表示矩 的行列式trace(Mλ1+λ2表示矩陣的跡k的取值范圍是~006當(dāng)目標(biāo)像素點(diǎn)的R值大于給值比較接近而且都比較小R值仍然趨于2如果Harris算法雖然較Moravec算子是有所改進(jìn)但是仍然存在以下不足8－］:①角點(diǎn)提取的質(zhì)量和數(shù)量很大程度上取決于閾值的設(shè)定閾值大會(huì)丟失一部分角點(diǎn)閾值小會(huì)降低角點(diǎn)的質(zhì)量同時(shí)對(duì)噪聲也比較敏感;②檢測(cè)過(guò)程中高斯平滑函數(shù)的窗口大小不易控制窗口過(guò)小受噪聲的影響就大窗口大則會(huì)使角點(diǎn)的位置產(chǎn)生偏移增加算法的計(jì)算量;若為了降低噪聲的影響用無(wú)限光滑的高斯函數(shù)做RStep2:計(jì)算每個(gè)像素點(diǎn)的角點(diǎn)響應(yīng)值;Step3:在高斯窗口內(nèi)尋找極大值若R*(6)代替原s中的角點(diǎn)響應(yīng)函數(shù)，(4)不僅不改變R值與每個(gè)像素點(diǎn)的自相關(guān)保留了原算法的優(yōu)點(diǎn)而且同一個(gè)目標(biāo)點(diǎn)優(yōu)化后這一特使本文的算法在進(jìn)行角點(diǎn)檢測(cè)時(shí)找到了之前漏檢當(dāng)有噪聲干擾時(shí)弱化了噪聲對(duì)目標(biāo)像素點(diǎn)2Harris角點(diǎn)檢測(cè)算法存在的不足可以通過(guò)優(yōu)化公式4)來(lái)改進(jìn)公式4)中的k值有一個(gè)取值k角點(diǎn)響應(yīng)函數(shù)仍然在使用是因?yàn)槿绻鹝恰當(dāng)?shù)脑捤惴ㄒ部梢赃_(dá)到很好的效果．k值的選取要經(jīng)過(guò)大量的實(shí)驗(yàn)進(jìn)行調(diào)試驗(yàn)證．要避免上述問(wèn)題需要找到一個(gè)不受k值影(4)．公式(4)中的響應(yīng)函數(shù)R是關(guān)于自相關(guān)矩陣3仿真實(shí)驗(yàn)Matlab70的環(huán)境下運(yùn)行是原始圖片檢測(cè)到的特征點(diǎn)左邊是文獻(xiàn)［3］中Harris算法結(jié)果右邊是本文算法結(jié)果云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版20少而加入噪聲之后角點(diǎn)的數(shù)目急劇增加．經(jīng)過(guò)改進(jìn)后受噪聲的影響率沒(méi)有超過(guò)0．3這比原Harris算法的影響率已云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版20少而加入噪聲之后角點(diǎn)的數(shù)目急劇增加．經(jīng)過(guò)改進(jìn)后受噪聲的影響率沒(méi)有超過(guò)0．3這比原Harris算法的影響率已經(jīng)降低了很多本文采用的角點(diǎn)響應(yīng)函數(shù)，使每個(gè)目標(biāo)點(diǎn)的R值降低了因加入噪聲而大幅度波動(dòng)2加入噪Harris算法得到了更多穩(wěn)定的角點(diǎn)加入噪聲加入噪聲加入噪聲Harris算0.8751.0411.020為了檢測(cè)算法的抗噪性值為方差為0．01;均值為0方差為0．02的高斯0.1160.2520.184聲以及疊加密度為004的椒鹽噪聲之后用這2種法對(duì)加入噪聲后的圖片進(jìn)行角點(diǎn)檢測(cè)．圖2為原Harris算法檢測(cè)到的角點(diǎn)圖3為本文算法檢測(cè)到的角點(diǎn)．4干擾已經(jīng)不能滿(mǎn)足要求．怎樣得到大量的且不聲影響的特征點(diǎn)就顯得很重要．本文通過(guò)改進(jìn)角點(diǎn)響應(yīng)函數(shù)提高在檢測(cè)時(shí)每個(gè)目標(biāo)點(diǎn)的精度特征點(diǎn)判定時(shí)降低了噪聲的影響一定程度了解決了上述問(wèn)題．［1］KITCHENL，ROSENFELDAGraylevelcornerJ．Letter198［2］SMITHSM，BRADYMAnewapproachtolowlevelim-ageprocessingJInternationalJournalofComputerVi-sion，1997，23(1):45－8［3］HARRISC，STEPHENSMAcombinedcornerandedgedetector［C］//FourthAlveyVisionfre．1998:147–1［4］毛雁明蘭美輝．一種改進(jìn)的基于Harris的角點(diǎn)檢測(cè)方法J．計(jì)算機(jī)技術(shù)與發(fā)展2009551279．surfac．versity1989．［6］李霞趙宇明．基于特征的人臉?lè)诸?lèi)算法研究J．微型電腦應(yīng)用2010264):604［7］邱建國(guó)張建國(guó)李凱HarrisSift算法的圖像匹J．4［8］何應(yīng)輝蔡光程．角點(diǎn)檢測(cè)的一種新方法J．云南民族大學(xué)學(xué)報(bào)自然科學(xué)版2007161):457［9］解洪勝王連國(guó)基于DTCWT和SVM的人臉圖像集成分類(lèi)方法J．云南民族大學(xué)學(xué)報(bào)自然科學(xué)版，2010195):313－6．［10］何應(yīng)輝蔡光程黃曉昆改進(jìn)的基于模板的角點(diǎn)檢測(cè)算法J．云南民族大學(xué)學(xué)報(bào):自然科學(xué)版，2010，19(4):309－