曲天偉　陳曉丹　曹雪棟　陳桂蘭　楊澤雪

摘 要：為了滿足交通事故現(xiàn)場圖像拼接時效性高的要求，本文提出了一種改進了Harris算法快速提取圖像角點的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點，保留候選角點，然后對候選角點采用Harris算法進行進一步的角點檢測，確定最后的角點。實驗結(jié)果表明，改進的方法不但能合理地檢測出角點，還能大大提高角點檢測速度，為交通事故現(xiàn)場圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場；圖像拼接

中圖分類號： TP391 文獻標(biāo)識碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場，最大限度保全現(xiàn)場信息是一個亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場采集的圖像進行校正和拼接來消除圖像畸變獲得一個場景更廣、信息更全的事故現(xiàn)場全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對交通事故現(xiàn)場復(fù)雜零亂和交通事故處理快速的特點，采用改進的Harris角點提取算法精確快速地提取角點并匹配，將工作的核心放在角點的正確提取和匹配上，這樣就降低了求解變換矩陣時錯誤匹配點對參與計算的概率，放松了對變換矩陣參數(shù)估計算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點提取（Corners detectionbased on Harris）

Harris角點提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點提取方法[2]。Harris算法具有較高的點重復(fù)度和較低的誤檢率，精度可達亞像素級。不足之處是對于復(fù)雜場景圖片檢測時運算量超大，對于有時效性要求的圖像處理應(yīng)

用場合原Harris角點提取不滿足實際需要。

2.1 Harris角點檢測方法簡介

Harris角點檢測方法描述為：使用水平、垂直梯度算子進行逐個像素的濾波，再求得M中四個元素值。然后，對M中元素進行高斯平滑濾波求得新的M。再使用式（2）計逐個算像素點的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點被認(rèn)為是角點。

通過描述可知，對于圖像中每個像素點都算其水平和垂直梯度，再進行高斯平滑濾波，然后計算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會加大運算量，導(dǎo)致時間效率降低。為此，本文采用預(yù)檢的方法改進Harris算法。

2.2 改進算法原理及算法描述

原Harris角點算法提取圖像中點時，對圖像中像素點逐一進行2.1中步驟（1）至步驟（2）的運算來判斷其是否為角點，而圖像中一些點的R值雖是局部鄰域中的最大值，但也非真正的角點。大量的偽角點參與運算將增加不必要的運算量。本文將在角點提取前使用預(yù)檢的方法，將大量的偽角點，如邊緣點、噪聲點、背景點等排除加快角點的提取速度。具體的做法如下：

在圖像非角點附近，像素間灰度值相差小，而在角點附近，像素間灰度值差距非常大。由此，可以設(shè)定一個灰度差值dif，當(dāng)兩個像素間差值小于dif時，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計算窗口內(nèi)每個點與中心點像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計數(shù)一次，預(yù)檢窗口內(nèi)的每個點均與中心點做灰度差值計算，并更新變量counts值?？紤]兩種極端情況：其一，當(dāng)窗口內(nèi)所有點都與中心點相近時，counts的值為最大，即為8。其二，當(dāng)窗口中所有點灰度值均不與中心點相近時，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點像素為r，模版內(nèi)除中心點外任一點像素為i，則中心點counts值計算公式如式（3）所示。

改進后的Harris算法描述為：

Step1 角點預(yù)檢：對圖像上的每個像素點以3×3預(yù)檢窗口大小按照式（3）來計算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點為候選角點，同時將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來標(biāo)記像素點（i，j）為候選角點。

Step3 計算梯度矩陣：計算圖像中所有候選角點的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對M中的四個元素進行高斯平滑濾波求得新的M。

Step5 計算候選角點的相應(yīng)函數(shù)值：對標(biāo)記的候選角點按照式（2）進行R值的計算。

Step6 角點確認(rèn)：候選角點的R值大于給定的閾值T并且該候選角點的R值在其鄰域內(nèi)呈極大特性時，此候選角點被確定為真角點。

3 實驗結(jié)果（Experimental results）

為了證明改進后算法的效果，在MATLAB中進行了仿真實驗驗證本算法的時效性和有效性。實驗中使用100幅圖像先后用原始Harris算法和本文改進的算法來提取圖像中的角點。分別從角點提取所用時間、提取的角點數(shù)目兩方面比較兩種算法的性能。表1為從其中任選五幅圖像來展示改進前后算法性能。從中以看出改進后提取角點的數(shù)目基本沒有改變，角點檢測的時間卻大大減少，提高了角點提取的時效性。

將本文算法應(yīng)用于待拼接的圖像角點的提取，再進行角點歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來校正圖像，最后進行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進行提取角點后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對Harris角點提取算法運算量大、時效性差的問題，提出了一種預(yù)檢的Harris角點檢測算法。本方法在算法的執(zhí)行效率上進行了改進。在圖像進行Harris角點檢測前，先進行預(yù)檢從而剔出大量的偽角點，只有疑似真角點的少量像素點參與進一步的Harris角點判斷。實驗證明改進的Harris角點檢測犯法提高了角點的檢測速度。并將此方法用于交通事故現(xiàn)場圖像拼接中，取得了很好的實驗拼接效果，并將提高現(xiàn)場圖像數(shù)據(jù)處理的速度，具有很好的實用性。

參考文獻（References）

[1] 楊陽，王民，王稚慧.道路交通現(xiàn)場中改進的圖像拼接方法[J].計算機技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點檢測理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計算機應(yīng)用，2010（7）：1849-1851.

作者簡介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計算機視覺，軟件工程.endprint

摘 要：為了滿足交通事故現(xiàn)場圖像拼接時效性高的要求，本文提出了一種改進了Harris算法快速提取圖像角點的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點，保留候選角點，然后對候選角點采用Harris算法進行進一步的角點檢測，確定最后的角點。實驗結(jié)果表明，改進的方法不但能合理地檢測出角點，還能大大提高角點檢測速度，為交通事故現(xiàn)場圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場；圖像拼接

中圖分類號： TP391 文獻標(biāo)識碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場，最大限度保全現(xiàn)場信息是一個亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場采集的圖像進行校正和拼接來消除圖像畸變獲得一個場景更廣、信息更全的事故現(xiàn)場全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對交通事故現(xiàn)場復(fù)雜零亂和交通事故處理快速的特點，采用改進的Harris角點提取算法精確快速地提取角點并匹配，將工作的核心放在角點的正確提取和匹配上，這樣就降低了求解變換矩陣時錯誤匹配點對參與計算的概率，放松了對變換矩陣參數(shù)估計算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點提取（Corners detectionbased on Harris）

Harris角點提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點提取方法[2]。Harris算法具有較高的點重復(fù)度和較低的誤檢率，精度可達亞像素級。不足之處是對于復(fù)雜場景圖片檢測時運算量超大，對于有時效性要求的圖像處理應(yīng)

用場合原Harris角點提取不滿足實際需要。

2.1 Harris角點檢測方法簡介

Harris角點檢測方法描述為：使用水平、垂直梯度算子進行逐個像素的濾波，再求得M中四個元素值。然后，對M中元素進行高斯平滑濾波求得新的M。再使用式（2）計逐個算像素點的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點被認(rèn)為是角點。

通過描述可知，對于圖像中每個像素點都算其水平和垂直梯度，再進行高斯平滑濾波，然后計算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會加大運算量，導(dǎo)致時間效率降低。為此，本文采用預(yù)檢的方法改進Harris算法。

2.2 改進算法原理及算法描述

原Harris角點算法提取圖像中點時，對圖像中像素點逐一進行2.1中步驟（1）至步驟（2）的運算來判斷其是否為角點，而圖像中一些點的R值雖是局部鄰域中的最大值，但也非真正的角點。大量的偽角點參與運算將增加不必要的運算量。本文將在角點提取前使用預(yù)檢的方法，將大量的偽角點，如邊緣點、噪聲點、背景點等排除加快角點的提取速度。具體的做法如下：

在圖像非角點附近，像素間灰度值相差小，而在角點附近，像素間灰度值差距非常大。由此，可以設(shè)定一個灰度差值dif，當(dāng)兩個像素間差值小于dif時，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計算窗口內(nèi)每個點與中心點像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計數(shù)一次，預(yù)檢窗口內(nèi)的每個點均與中心點做灰度差值計算，并更新變量counts值?？紤]兩種極端情況：其一，當(dāng)窗口內(nèi)所有點都與中心點相近時，counts的值為最大，即為8。其二，當(dāng)窗口中所有點灰度值均不與中心點相近時，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點像素為r，模版內(nèi)除中心點外任一點像素為i，則中心點counts值計算公式如式（3）所示。

改進后的Harris算法描述為：

Step1 角點預(yù)檢：對圖像上的每個像素點以3×3預(yù)檢窗口大小按照式（3）來計算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點為候選角點，同時將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來標(biāo)記像素點（i，j）為候選角點。

Step3 計算梯度矩陣：計算圖像中所有候選角點的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對M中的四個元素進行高斯平滑濾波求得新的M。

Step5 計算候選角點的相應(yīng)函數(shù)值：對標(biāo)記的候選角點按照式（2）進行R值的計算。

Step6 角點確認(rèn)：候選角點的R值大于給定的閾值T并且該候選角點的R值在其鄰域內(nèi)呈極大特性時，此候選角點被確定為真角點。

3 實驗結(jié)果（Experimental results）

為了證明改進后算法的效果，在MATLAB中進行了仿真實驗驗證本算法的時效性和有效性。實驗中使用100幅圖像先后用原始Harris算法和本文改進的算法來提取圖像中的角點。分別從角點提取所用時間、提取的角點數(shù)目兩方面比較兩種算法的性能。表1為從其中任選五幅圖像來展示改進前后算法性能。從中以看出改進后提取角點的數(shù)目基本沒有改變，角點檢測的時間卻大大減少，提高了角點提取的時效性。

將本文算法應(yīng)用于待拼接的圖像角點的提取，再進行角點歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來校正圖像，最后進行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進行提取角點后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對Harris角點提取算法運算量大、時效性差的問題，提出了一種預(yù)檢的Harris角點檢測算法。本方法在算法的執(zhí)行效率上進行了改進。在圖像進行Harris角點檢測前，先進行預(yù)檢從而剔出大量的偽角點，只有疑似真角點的少量像素點參與進一步的Harris角點判斷。實驗證明改進的Harris角點檢測犯法提高了角點的檢測速度。并將此方法用于交通事故現(xiàn)場圖像拼接中，取得了很好的實驗拼接效果，并將提高現(xiàn)場圖像數(shù)據(jù)處理的速度，具有很好的實用性。

參考文獻（References）

[1] 楊陽，王民，王稚慧.道路交通現(xiàn)場中改進的圖像拼接方法[J].計算機技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點檢測理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計算機應(yīng)用，2010（7）：1849-1851.

作者簡介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計算機視覺，軟件工程.endprint

摘 要：為了滿足交通事故現(xiàn)場圖像拼接時效性高的要求，本文提出了一種改進了Harris算法快速提取圖像角點的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點，保留候選角點，然后對候選角點采用Harris算法進行進一步的角點檢測，確定最后的角點。實驗結(jié)果表明，改進的方法不但能合理地檢測出角點，還能大大提高角點檢測速度，為交通事故現(xiàn)場圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場；圖像拼接

中圖分類號： TP391 文獻標(biāo)識碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場，最大限度保全現(xiàn)場信息是一個亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場采集的圖像進行校正和拼接來消除圖像畸變獲得一個場景更廣、信息更全的事故現(xiàn)場全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對交通事故現(xiàn)場復(fù)雜零亂和交通事故處理快速的特點，采用改進的Harris角點提取算法精確快速地提取角點并匹配，將工作的核心放在角點的正確提取和匹配上，這樣就降低了求解變換矩陣時錯誤匹配點對參與計算的概率，放松了對變換矩陣參數(shù)估計算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點提?。–orners detectionbased on Harris）

Harris角點提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點提取方法[2]。Harris算法具有較高的點重復(fù)度和較低的誤檢率，精度可達亞像素級。不足之處是對于復(fù)雜場景圖片檢測時運算量超大，對于有時效性要求的圖像處理應(yīng)

用場合原Harris角點提取不滿足實際需要。

2.1 Harris角點檢測方法簡介

Harris角點檢測方法描述為：使用水平、垂直梯度算子進行逐個像素的濾波，再求得M中四個元素值。然后，對M中元素進行高斯平滑濾波求得新的M。再使用式（2）計逐個算像素點的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點被認(rèn)為是角點。

通過描述可知，對于圖像中每個像素點都算其水平和垂直梯度，再進行高斯平滑濾波，然后計算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會加大運算量，導(dǎo)致時間效率降低。為此，本文采用預(yù)檢的方法改進Harris算法。

2.2 改進算法原理及算法描述

原Harris角點算法提取圖像中點時，對圖像中像素點逐一進行2.1中步驟（1）至步驟（2）的運算來判斷其是否為角點，而圖像中一些點的R值雖是局部鄰域中的最大值，但也非真正的角點。大量的偽角點參與運算將增加不必要的運算量。本文將在角點提取前使用預(yù)檢的方法，將大量的偽角點，如邊緣點、噪聲點、背景點等排除加快角點的提取速度。具體的做法如下：

在圖像非角點附近，像素間灰度值相差小，而在角點附近，像素間灰度值差距非常大。由此，可以設(shè)定一個灰度差值dif，當(dāng)兩個像素間差值小于dif時，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計算窗口內(nèi)每個點與中心點像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計數(shù)一次，預(yù)檢窗口內(nèi)的每個點均與中心點做灰度差值計算，并更新變量counts值。考慮兩種極端情況：其一，當(dāng)窗口內(nèi)所有點都與中心點相近時，counts的值為最大，即為8。其二，當(dāng)窗口中所有點灰度值均不與中心點相近時，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點像素為r，模版內(nèi)除中心點外任一點像素為i，則中心點counts值計算公式如式（3）所示。

改進后的Harris算法描述為：

Step1 角點預(yù)檢：對圖像上的每個像素點以3×3預(yù)檢窗口大小按照式（3）來計算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點為候選角點，同時將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來標(biāo)記像素點（i，j）為候選角點。

Step3 計算梯度矩陣：計算圖像中所有候選角點的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對M中的四個元素進行高斯平滑濾波求得新的M。

Step5 計算候選角點的相應(yīng)函數(shù)值：對標(biāo)記的候選角點按照式（2）進行R值的計算。

Step6 角點確認(rèn)：候選角點的R值大于給定的閾值T并且該候選角點的R值在其鄰域內(nèi)呈極大特性時，此候選角點被確定為真角點。

3 實驗結(jié)果（Experimental results）

為了證明改進后算法的效果，在MATLAB中進行了仿真實驗驗證本算法的時效性和有效性。實驗中使用100幅圖像先后用原始Harris算法和本文改進的算法來提取圖像中的角點。分別從角點提取所用時間、提取的角點數(shù)目兩方面比較兩種算法的性能。表1為從其中任選五幅圖像來展示改進前后算法性能。從中以看出改進后提取角點的數(shù)目基本沒有改變，角點檢測的時間卻大大減少，提高了角點提取的時效性。

將本文算法應(yīng)用于待拼接的圖像角點的提取，再進行角點歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來校正圖像，最后進行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進行提取角點后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對Harris角點提取算法運算量大、時效性差的問題，提出了一種預(yù)檢的Harris角點檢測算法。本方法在算法的執(zhí)行效率上進行了改進。在圖像進行Harris角點檢測前，先進行預(yù)檢從而剔出大量的偽角點，只有疑似真角點的少量像素點參與進一步的Harris角點判斷。實驗證明改進的Harris角點檢測犯法提高了角點的檢測速度。并將此方法用于交通事故現(xiàn)場圖像拼接中，取得了很好的實驗拼接效果，并將提高現(xiàn)場圖像數(shù)據(jù)處理的速度，具有很好的實用性。

參考文獻（References）

[1] 楊陽，王民，王稚慧.道路交通現(xiàn)場中改進的圖像拼接方法[J].計算機技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點檢測理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計算機應(yīng)用，2010（7）：1849-1851.

作者簡介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計算機視覺，軟件工程.endprint