基于小波变换多尺度harris角点检测算法awavelet-basedmulti-scale.pdfVIP

电子发烧友 电子技术论坛 基于小波变换多尺度 Harris 角点检测算法 刘睿，王锋 （河南工业大学 郑州 450001） 摘要: 提出一种新的基于小波变换的 Harris 多尺度角点检测算法，可以在不同的尺度下获 取角点，克服了单一尺度的 Harris 角点检测算法可能存在的角点信息丢失和易受噪声影响 而检测出伪角点等缺点，测试实验表明，与传统 Harris 角点检测方法比较，本方法有角点 检测率高,不易受噪声影响，检测到的角点具有较高的重复率等优点。 关键字：角点检测；小波变换；多尺度；重复率 中国法分类号：TP391 文献标识码：A A wavelet-based multi-scale Harris corner detection algorithm LIU Rui, WANG Feng (Henan University of Technology, ZhengZhou 450001, China) Abstract: A novel wavelet-based multi-scale Harris corner detection algorithm is proposed. It can detect image feature points in different scales and overcome the drawbacks of the traditional Harris corner detector, which often miss significant corners or extract false corners due to noise factor. The experimental results show that the proposed algorithm has a high corner detection rate and a good anti-noise performance. Moreover, comparing with the traditional algorithms, it has a higher repeatability of detected feature points. Key words: Feature points detection; Wavelet transform; Multi-scale ；Repetition rate 1 引言 特征点检测是机器视觉的一个重要研究内容。多数视觉处理任务,如摄像机标定、目标 检测、三维重建等,都是基于特征点的检测,且特征点检测质量能够直接影响视觉处理效果。 在视觉处理任务中，人们通常选择角点作为图像中目标的特征点。在一个场景中，角 点往往就是边缘的端点，它们通常可以定义出不同目标之间的边界或者同一个物体的不同部 分。角点的检测方法大致可分为两类:基于图像边界信息的方法和直接分析图像局部灰度值 的方法。前者需要首先检测图像的边缘,将图像边缘看作二维曲线,曲线上曲率最大的点为角 点；此类方法中具代表性的有基于小波变换模极大值的角点检测算法[2]和基于边界链码的角 点检测算法[3]等。直接分析图像局部灰度值的方法直接对图像上的每一像素点进行计算,并 检测每个像素点的计算结果是否满足一定的阈值条件来判断点是否为特征点，此类方法中具 [4] [5] [6] 代表性的有 Moravec 算法 ，Harris 算法和 SUSAN 算法等。它避免了边缘检测的步骤,从 而大大减少了运算量。 在基于图像边界信息的方法中，图像的边缘轮廓容易用多尺度技术[7]来分析；但角点对 边缘线依赖性较强，如果边缘线发生中断，则会对检测结果造成影响。直接分析图像局部灰 度值的方法的主要缺点是定位精度较差,可能漏检一些实际的角点，对噪声比较敏感，并且 难以实现多尺度的角点检测。本文提出了一种基于小波变换的多尺度 Harris 角点检测算法， 该方法通过引入小波变换，可以实现多尺度角点检测，并提高了角点的定位