角点检测技术研究进展

这种方法的特点是通过各种方法计算边缘某点处的曲率， 找出局部极值，再通过阈值技术来进行角点检测。
瞄ｔｃｈｅｎ ａｎｄ Ｒｏｓｅｍｌｄｌｌ ｏ采用目标边缘梯度方向的曲率变化 率来检测角点：
ｍ∽＝丛艺筹等争必 ㈥
Ｋ（石，ｙ）表示垂直与图像函数梯度方向的平面曲线的曲率。 Ｋ（戈，ｙ）ｌ越大，表明角点存在的可能性就越大，通过阈值
点口］。Ｐｏｎｃｅ ａｎｄ Ｂｒａｄｖ利用图像，（石，ｙ）对ｚ、ｙ的偏导数来寻找 角点ｎ…。Ｈｓｉｎ—ｔｅｎｇ ａＪｌｄ Ｈｕ则使用多边形近似边界链，然后把 两边的交点作为角点ｕ“。
这类方法由于依赖于前期的区域分割，由于图像分割本身 是一个很复杂的工作，涉及到复杂的浮点运算和区域支持的选 择，这样使得角点检测算法的复杂度更大，并且在图像分割中出 现的任何错误都有可能影响角点的检测。 ３．２．２基于边界曲率的角点检测
了这个算法。
ＨａＩＴｉｓ ａＩｌｄ ｓｔｅｐｈｅｎｓＨｏ算法是在Ｈ．Ｍｏｍ、，ｅｃ算法基础上通过
自相关矩阵来检测角点，其后很多人又改进了这个算法。Ｈａｒｒｉｓ
算法又称Ｐｌｅｓｓｅｙ算法，算法过程如下：
在每个像素点计算２×２自相关矩阵：Ａ＝伽＋Ｉ（ｖ，）（ｖ，）’
Ｉ（训是高斯平滑模版），假如这个矩阵的两个特征值足够大，就
ｌ厶厶
，
、
△＝１日（ｘ，ｙ）ｌ＝ｌ
（５）
’
ｌ厶厶
通过计算这个行列式的局部极值来检测角点，这在当时是
一种较为实用的角点检测技术，然而该算法在角点的一边表现
为一种标记，在另一边则是相反的标记，在真正感兴趣的点上并
没有给出标记，所以精度差，但它给出了所有方向上的亮度变
化，稳定性好。随后ＤｅＩｉｃｈｅ ａｎｄ Ｇｉｍｕｄｏｎ采用ｈｐｌａｃｉａｎ变换改善
Ａｂｓ们ｃｔ：Ｃｏｍｅｒ ｉｓ ａ ｓｉｇｌ血ｃａＪｌｔ ｌｏｃａｌ ｆｅａｔｕｒｅ ｏｆ ｉｍａｇｅｓ．Ｃｏｍｅｒ ｄｅｔｅｅｔｉｏｎ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｍｅｔｌｌｏｄ ｉｎ ｌｏｗ—ｌｅｖｅｌ ｉｍａｇｅ ｐｍｃｅｓｓｉｎｇ．Ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ
ｈａｖｅ ｂｅｅｎ ｕｓｅｄ ｉｎ ｏｐｔｉｃａｌⅡｏｗ ｃｏｍｐｕｔａｔｉｏｎ，ｍｏｔｉｏｎ ｅｓｔｉｌｎａｔｅ，ｏｂｊｅｃｔ ｔｍｃｌ（ｉｎｇ，ｓｈ印ｅ ａｎａ】ｙｓｉｓ，ｃａｍｅｒａ ｃａｌｉｂｍｔｉｏｎ，３Ｄ ｒｅｃｏｎｓｔｍｃｔｉｏｎ，ｌｏｃａ— ｔｉｏｎ ａｎｄ ｍｅａｓｕｒｅ ｏｆ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ．Ｉｎ ｔｋｓ ｐａｐｅｒ，ｔｈｅ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ ａ【ｇｏ打ｔ｝１ｒｎｓ ａｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｔ１１ｒｅｅ ｃｌａｓｓｅｓ：ｔｅｌＴｌｐｌａｔｅ—ｂａｓｅｄ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ，ｂｏｕｎｄａｒｙ—ｂａｓｅｄ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ，ａｎｄ ｉｎｔｅｌｌｓｉｔｙ ｃｈａｌｌｇｅ—ｂａｓｅｄ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ ａｃｃｏｒｄｊｎｇ ｔｏ ｄｉ］舱ｒｅｎｔ ｒｅａｌｉｚａｔｉｏｌｌｓ，ａｓ ＷｅＵ ａｓ
可以判断角点的存在。 因为此法严重依赖二阶导数，所以对噪声很敏感，另外这种
算法不能处理ｘ、Ｙ、ｚ型三维图像的角点，而且不稳定。 ｚｕ血ｇａ—Ｈ眦Ｉｌｉｃｋｂｌ采用最小二乘法用三次多项式曲面拟合
数字图像。先检测出边界点，然后计算该点的梯度方向角在梯 度方向的变化率，大于某阀值时，则认为该边界点是角点。 ｗａｎｇ ａＩｌｄ Ｂｒａｄｙ［１列先利用高斯滤波器卷积原始图像，然后计算图 像的表面曲率，最后通过阈值技术来检测角点。Ｍｅｄｉ耐ａｎｄ
该方法引进了一个角点响应函数（ｃＲＦ）：
凰＝－咖（（‘一厶）２＋（办一厶）２）
其中：Ⅳ为核心点，工是ｐ点处的灰度值。
图３（ａ）核心在Ｕ鼢ＬＮ区域内，（ｂ）核心是边缘点， （ｃ）核心是角点
如图３，考虑上述３种情况：对于图ａ，核心点在ｕＳＡＮ区域 内，至少有一条直线，它的ｐ和Ｐ７都属于ｕＳＡＮ区，因此，ｃＲＦ值 很小；对于图ｂ，只有一条直线，它的ｐ和ｐ７都属于ｕ勖蛾区，它 的ｃＲＦ值也很小；对于图ｃ核心为角点的情况，任何通过核心的 直线，它的ｐ和Ｐ７都至少有一点不属于ｕＳＡＮ区，因此它的ＣＲＦ 值很大。所以用ＣＲＦ来检测角点的基本原理就是：在规定的圆
把该像素检测为角点。为了避免Ａ矩阵特征值的分解，就定义
角点响应函数ｃＲＦ为：ｄｅｔ（Ａ）一｜｜｝（ｔ础（Ａ））２，％是给定的常量
０．０４。这个算法很稳定，但由于采用了高斯滤波器使得该算法
复杂、费时。
汹“”ｏ等人提出了一种低层次图像处理小核值相似区的
方法（即舢丑ｌｌ ｕ血ｖａｌｕｅ ｓｅ舯ｅｎｔ ａｓｓｉ枷ｌ撕ｎｇ ｎｕｃｌｅｌｌｓ，简称ｓｕＳＡＮ算
曼！鬯盟
《自动化技术与应用：｝２００５年第２４卷第５期
３．３基于亮度变化的角点检测
这类方法的特点是不依赖于目标的其它局部特征，利用角
点本身的特点直接提取角点，实验证明这类算法速度快、实时性
强。
Ｂｅａｕｄｅｔ【２ ｏ通过对图像函数二阶导数的泰勒展开，得到Ｈｅｓ．
ｓｉａｎ矩阵Ｈ（菇，＇，），该矩阵具有旋转不变性，可以直接对灰度图 像进行操作提取角点，
对于角点目前还没有统一的定义，一般认为：角点产生于两 条或多条相对直线交叉的区域。不同的检测方法对角点有不同
＊国家自然科学基金项目（编号：１０２７２０３３） 广东省自然科学基金项目（编号：４１０５３８６） 收稿日期：２００４—０８—０９
万方数据
的定义。Ａ．Ｒｏｓｅｎｆｅｌｄ ａｎｄ Ｅ．ＪｏｈＩｌｓｔｏｎ提出，利用曲线上某点前后 臂的夹角的余玄值来估算该点的曲率，并将局部曲率最大点定
小波变换的角点检测的大致过程是：首先用边缘检测提取 目标边缘，计算目标轮廓线平滑后的方向角函数声（ｉ）。然后在 不同尺度下（后＝ｏ，１／２，ｌ，３／２Ｌ）对≠（；）进行小波变换，当某一位 置在多尺度下都出现模极大值时，把这一点检测为候选角点，最 后根据阈值技术除去伪角点，提取真正的角点。
万方数据
综述
Ｙ舢ｏｔｏ＿１４０利用曰一样条拟合边界的方法来检测角点，把计算
得到的曲率最大值的点检测为角点。这类方法依赖图像目标边 缘，操作起来很麻烦。 ３．２．３基于小波变换的角点检测
小波变换是分析信号和图像的数学工具，其对图像局部特 征分析十分有效，被称为“数学显微镜”。在过去的十年中，基于 小波变换的角点检测十分流行。利用多尺度下的低通和高通滤 波，小波变换可以把一个输入信号分解为平滑的和详细的两个 部分，这样局部的偏差很容易在详细的分解区域中获得阳Ｊ。
文献［１１］、［１２］提出了角点检测的三个标准：（１）一致性要 求，包括算法的稳定和对噪声的敏感性；（２）准确性要求，就是算 法所检测到的角点要尽可能的接近物体真实位置；（３）复杂性要 求，就是算法的运行速度、复杂性要满足实时任务的需要。
‘自动化技术与应用＞２００５年第２４卷第５期
综！ｉ鲞
塾型盟
蕊ｑｉａｎｇ ｚｈｅｎｇ【”３等人提出了检测、定位、稳定性、复杂性四条标
最小；在ｂ位置，核心点在边缘线上时，ｕＳＡＮ区域面积接近最大
值的一半；在ｃ、ｄ位置，核心点处于黑色矩形区域之内，ｕｓＡＮ区
域面积接近最大值。因此，可以根据ｕｓＡＮ区的面积大小检测
出角点。
ＳＵｓＡＮ算法的步骤如下：
（（１２））用使圆用形公模式板。遍（历 ；图，像等；）：。一（华）ｅ（ｔ是区分特征目标
与背景的一个重要阈值），计算每个像素点为核心的ｕ蚋ＬＮ区的 像素塾型型
形窗口内寻找最小的灰度变化（即ｃＲＦ值），若此ｃＲＦ值仍然大 于某一规定的阈值，检测此点为角点，否则不是角点。
万方数据
圈１简单图像中不同位置的４个圆形模板
图２不同位置圆形模板的ＵｓＡＮ区域 （３）设置一个阈值（其值小于边缘检测的值），利用等式
Ｒ（等）：｛ｇ一忍（等）假如忍（等）＜ｇ
（６）
Ｌ
０
其它
（ｇ是抑制噪声的几何阈值），提取出ｕｓＡＮ区域，产生角点
强度图像；
（４）通过寻找ｕＳＡＮ区域的质心及其邻接像素来测试伪角
综
述
墨！竺型
《自动化技术与应用》２００５年第２４卷第５期
角 点检测 技术研究进展＊
陈乐１，吕文阁１，丁少华２ （１．广东工业大学机电工程学院，广东广州５１００９０；２．深圳市视觉龙科技有限公司，广东深圳５１８１２７）
摘要：角点是图像目标的重要的局部特征，角点检测是低层次图像处理的一个重要方法。角点检测在光流计算、运动估计、形状分 析、相机标定和３Ｄ重建、视觉的定位和测量等方面都有重要的应用；根据实现方法不同可将角点检测算法分为：基于模板的 方法、基于边缘的方法、基于亮度变化的方法，并将现有的角点检测方法作了较为详细的分析、比较。
［；； ｊ４ ｊ４］、［二： 三４ 二：］ ｃ·，
３．２基于边缘的角点检测
．ｓ＊＝虮。ｌＩｌ＂∑瓠
（２）
￡２＝ｍ瓤｛ｆ：占。＋ｅ＋。．Ｉ∈（一△，△），Ｖ １≤ｕ≤￡｝
颤为递增曲率，Ｄ＝ａｒｃ切ｎ了≮，｜｜｝：距离ｉ点的步长，Ｊｓ：给定
阈值，默认％＝５，．ｓ＝１５００ 假如．ｓ。值超出了给定的阈值ｓ，就把ｉ点检测为角点。 ｃｏｏｐｅｒ利用链码处像素坐标估计最大曲率值来寻找角
’
点；
（５）使用非最大值抑制来寻找角点。
ＳＵＳＡＮ角点检测存在不足有：（１）采用固定阈值不适合一般
的情况，需要自适应阈值来改进此算法；（２）图像中的噪声对所 提取的特征有较大影响，实验表明此算法可靠性稍差。
最小亮度变化（ｒＩｌｉｍｍｕｒｎ ｉｎｔｅｎｓｉｔｙ ｃｈａＩｌｇｅ，简称Ⅷｃ）是 ｒＩｈｊｋｏｖｉｃ｜＿１２１等人在角点响应函数（ｃＲＦ）的基础上提出的一种新 的角点检测算法。
ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｔｈｅｓｅ ａＩｇｏｒｉｔｌｌｒＩｌｓ． Ｋｅｙ ｗｏｒｄｓ：Ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ；Ｆｅａｔｕｒｅ ｅｘⅡａｃｔｉｏｎ；／Ｕｇｏｒｉ山ｍ ｒｅｓｅａｒｃｈ