一种改进的SUSAN角点检测算法(2)

             (5)

    上式中，l为采用大律法计算图像的阈值，I_i为图像的灰度值。

    角点的形状大致可以分为以下几种：L型，T型，Y型，X型等等，如图(3)所示。        

     

L型         T型         Y型         X型

图(3) 角点的形状

    定义如图(4)所示的模板，如果中心点 在a、b、c、d的四个方向上只有一个方向灰度值变化不大，那么该点则肯定不是角点，应该排除在外。应用这个原理，对上面找出的角点进行进一步的筛选，可以提高角点的准确性。可以利用式(6)进行筛选。

    上式中，I 表示图像中像素的灰度值， t为阈值。由于本例是采用Matlab进行的检测试验，因此图像的原点定义在图像的左上角。通过试验证明，采用该方法，可以进一步的提高角点的检测精度。

1 SMITH S M，BRADY M ．SUSAN——A new approach to low level image processing[J]．International Jaurnal of Computer Vision，1997，23(1)：4578

2 SHEN F，WNAG H．Real time gray level comer detector[J]．Pattern Rectionition Letters，2002，23(8)：1—6

3 MORAVEC H P．Towards automatic visual obstacle avoidance[A]．Proceeding of International Joint Conference on Artificial Intelligence[C]．Cambrige，Britain，1997

4 何  凯[D].角点特征提取及匹配方法研究.硕士.河海大学，2005.6.1

5 杨莉，张弘， 李玉山[J].一种快速自适应RSUSAN角点检测算法.计算机科学,2004(5):198-200

6 邵泽明, 朱剑英, 王化明[J]. 基于SUSAN算法的分层快速角点检测.华南理工大学学报（自然科学版）,2006(7):65-58

7 D.Hanselman,B.Littlefield.精通Matlab 6[M] 北京：清华大学出版社，2002.6

8 姚敏等.数字图像处理[M].北京：机械工业出版社，2006.1