王仁麗　代月明

(徐州工程學院信電學院　徐州　221018)

?

基于模板核灰度的Susan特征向量匹配算法*

王仁麗代月明

(徐州工程學院信電學院徐州221018)

Susan算子是一種基于灰度的特征點獲取方法,適用于圖像中邊緣的檢測、角點的檢測,論文研究了圖像旋轉(zhuǎn),圖像平移和閾值大小對Susan特征點匹配的影響。結(jié)果表明,圖像旋轉(zhuǎn)和圖像平移對特征點的影響不大。當閾值變小時,匹配特征點的效果變佳。該方法處理圖像容易實現(xiàn),對噪聲的處理能力強。而且檢測目標的速度較快,比較適合應(yīng)用于圖像特征提取中。

Susan算子; 特征向量; 特征點匹配

Class NumberTP301.6

1　引言

圖像特征點可以應(yīng)用在計算機視覺、模式識別、三維重建等多個領(lǐng)域,圖像特征點匹配也被廣泛應(yīng)用在圖像配準、圖像拼接、圖像復原等技術(shù)中,因此,對圖像特征點的檢測與匹配的研究也就有著重要的意義[1～3]。

如圖1所示,將一全黑色填充的長方形A布置于白色底板的背景上,其中,1、2、3、4、5、6為放置于圖像不同位置的六個圓形的模板。稱每個模板的中心為模板的“核”。模板中的所有像素點的灰度都與中心核的灰度相同或灰度相似,稱這些相同或相似灰度的像素所構(gòu)成的整個區(qū)域為“USAN”。由圖1可以看出,USAN區(qū)域包含了與圖形結(jié)構(gòu)所相關(guān)的重要的信息,在灰度平坦的區(qū)域內(nèi),如圖1中模板1和6所示,模板中的所有像素點的灰度都與中心核的灰度相同,因此USAN區(qū)域取最大值。圓形模板越靠近圖形邊緣,USAN區(qū)域越小,如圖1中模板5>4>3>2。

當模板的中心位于圖像邊緣時,USAN區(qū)域為最大值的一半,如圖1中模板3,當模板靠近角點時,USAN區(qū)域進一步減小為最大值的四分之一,如圖1中模板5。圖像邊緣越尖銳,得到的USAN區(qū)域越小。因此,通過對USAN區(qū)域的大小的判斷,就可以判斷得出圖像的重要信息。尋找特定圖像的邊緣點或角點,就是反復搜索尋求一系列的小于一定的閾值的USAN極小點,即搜索最小化同化核分割相同值[4～5]。

圖1　USAN模板

2　Susan算法

首先,構(gòu)造一個用于特征點檢測的圓形模板,圓形模板一般近似用點陣來表示。例如,半徑大小為3～4個像素的圓近似用37個點的點陣表示。如圖2所示,該7×7點陣各行的像素點個數(shù)依次為{3,5,7,7,7,5,3}。用于檢測的模板除了圓形以外也可以使用矩形或者菱形表示。一般情況下,大多都采用三十七點點陣的圓形模板,如圖2所示[6～9]。

圖2　Susan圓形模板

構(gòu)造了圓形模板以后,讓圓形模板通過圖像上的所有點。通過判斷圓形模板覆蓋區(qū)域內(nèi)點的灰度與模板中心“核”的灰度的相似度,求取圖像USAN值。求相似度所采用的判式如下：

(1)

(2)

將n值和一個事先設(shè)定的固定閾值g值比較,于是,可以得到Susan算子檢測圖像邊緣的響應(yīng)值R：

(3)

為了取得更好和更穩(wěn)定的結(jié)果,將式(1)改寫為

(4)

圖3為Susan算法的流程圖。

圖3　Susan算法流程圖

3　實驗分析

圖4顯示了Susan特征點的基本特點,檢測得到的角點多數(shù)分布于圖像的邊緣。實驗中,通過對圖像進行加噪處理,研究算法的抗噪性能;同時對圖像進行了旋轉(zhuǎn)和平移,研究對特征向量匹配Susan的影響;以及閾值改變時,研究對特征向量匹配Susan的影響。

3.1圖像加噪

圖5顯示了圖像加噪聲時Susan算子提取特征點的情況。因為Susan算法沒有進行微分運算,所以這種算法抗噪性能比較好。試驗也表明,在圖像加噪前后,檢測的特征點個數(shù)相差較大,說明它對噪聲比較敏感,但在多數(shù)噪聲點處,Susan算法并沒有將孤立的噪聲點當作特征點檢出,說明了它具有較好的抗噪性。

圖4　Susan特征點

3.2Susan特征向量匹配

特征向量的生成：如圖6所示,以特征點為中心取17×17像素大小的鄰域,將特征點四鄰域方向外的4個大區(qū)域總共劃分為4×4個子區(qū)域,對每個子區(qū)域利用式(5)和式(6)計算梯度方向直方圖,最后對每個子區(qū)域各自的8個方向依次排列,這樣就構(gòu)成了該特征點128維的特征向量。式(5)是梯度方向模值,式(6)是梯度方向角。

圖5　噪聲對Susan提取的影響

(5)

(6)

圖6　劃分子區(qū)域

計算兩幅圖像所有特征點的特征向量的歐式距離,求出最小距離與次小距離的比值,滿足小于閾值條件時則認為這兩個點為匹配點,同時對最小距離也做了限制,當滿足某一條件時才可以看作是匹配點。

圖7顯示了特征向量匹配法對Susan特征點匹配的情況。匹配結(jié)果見表1,可以看出,對圖像出現(xiàn)大角度旋轉(zhuǎn)的情況,特征向量匹配法對Susan特征點匹配的效果不錯。

圖7　圖像旋轉(zhuǎn)對特征向量匹配Susan的影響

從表1中,可以看出,對圖像出現(xiàn)大角度旋轉(zhuǎn),90°～180°,誤匹配率均為0。特征向量匹配法對Susan特征點匹配的效果不錯。

表1　圖像旋轉(zhuǎn)對特征向量匹配Susan的影響

3.3圖像平移

圖8顯示了圖像平移對特征向量匹配Susan特征點的影響。對圖(a)、(b)、(d)、(e)分別提取Susan特征點,其中圖(b)是圖(a)向右平移得到的,圖(e)是圖(d)右移得到的。由匹配結(jié)果可知圖像平移對特征向量匹配Susan點的影響不大。

圖8　圖像平移對特征向量匹配Susan的影響

從表2中,可以看出,對兩組圖形分別進行平移,誤匹配率均為0。特征向量匹配法對Susan特征點匹配的效果不錯。

表2　圖像平移對特征向量匹配Susan的影響

3.4不同閾值對匹配的影響

圖9顯示了閾值變化對特征向量匹配Susan特征點的影響,結(jié)果在表5中給出。由表3可知,當閾值變小時,特征向量匹配Susan特征點的效果變佳,誤匹配的點消失。最后給出了匹配不正確時圖像簡單拼接的結(jié)果和準確匹配時圖像拼接的結(jié)果。

圖9　不同閾值對特征向量匹配Susan的影響

閾值匹配正確匹配錯誤誤匹配率0.882250.6%0.580500

4　結(jié)語

實驗數(shù)據(jù)表明,Susan特征點多分布于圖像的邊緣上,是一種適合檢測邊緣拐點的算法,Susan算法檢測到的點全是在圖像邊緣,沒有局部極值的概念,在一定區(qū)域內(nèi)檢測到的特征點會比較多,特征向量匹配法在圖像發(fā)生大角度旋轉(zhuǎn)時能夠完成非常準確的匹配,Susan特征點有著較好的抗噪性,它具有方法簡單、有效、抗噪聲能力強的特點,計算速度快,適用于圖像特征提取,該算法實用和有效。

[1] 羅忠亮.基于改進SUSAN算子的圖像邊緣檢測算法[J].重慶工學院學報(自然科學版),2009,23(5)：102-106.

LUO Zhongliang. Image Edge Detection Algorithm Based on Improved SUSAN Operator[J]. Journal of Chongqing Institute of Technology(Natural Science),2009,23(5)：102-106.

[2] 郭峰,王道平,韓溟.基于改進邊緣檢測算子的圖像特征點提取算法[J].電子科技,2011,24(9)：9-11.

GUO Feng, WANG Daoping, HAN Ming. Algorithm for Image Interesting Point Detection Based On Improved SUSAN Operator[J]. Electronic Science and Technology,2011,24(9)：9-11.

[3] 趙志華,蔡健榮,趙杰文,等.SUSAN算子在蘋果圖像缺陷分割中的應(yīng)用研究[J].計算機工程,2004,30(15)：141-142,194.

ZHAO Zhihua, CAI Jianrong, ZHAO Jiewen, et al. Research of Defect Segmentation on Apple Image Using SUSAN Operation[J]. Computer Engineering,2004,30(15)：141-142,194.

[4] 曹新明,何榮譽.改進型SUSAN算子在零件視覺測量系統(tǒng)中的應(yīng)用[J].微計算機信息,2010,26(3)：108-109.

CAO Xinming, HE Rongyu. Research of components vision measurement system based on improved of SUSAN[J]. Microcomputer Information,2010,26(3)：108-109.

[5] 楊幸芳,黃玉美,李艷,等.基于改進的SUSAN算子的棋盤格亞像素角點檢測算法[J].中國機械工程,2010,21(21)：2541-2545.

YANG Xingfang, HUANG Yumei, LI Yan, et al. Sub-pixel Corner Detection Algorithm of Chessboard Image Based on Improved SUSAN Operator[J]. China Mechanical Engineering,2010,21(21)：2541-2545.

[6] 賀菁,李慶華,王新賽.基于方向性SUSAN算子的圖像角點特征提取[J].小型微型計算機系統(tǒng),2008,29(3)：508-510.

HE Jing, LI Qinghua, WANG Xinsai. Corner Features Extraction of Image Based on Orientation SUSAN Operator[J]. Journal of Chinese Computer Systems,2008,29(3)：508-510.

[7] 曾俊,李德華.彩色圖像SUSAN邊緣檢測方法[J].計算機工程與應(yīng)用,2011,47(15)：194-196.

ZENG Jun, LI Dehua. SUSAN Edge Detection Method for Color Image[J]. Computer Engineering and Applications,2011,47(15)：194-196.

[8] 詹曙,孫喬博,徐甲甲,等.融合SUSAN特征的醫(yī)學圖像Graph Cuts算法[J].電子測量與儀器學報,2013,27(6)：509-514.

ZHAN Shu, SUN Qiaobo, XU Jiajia, et al. Graph Cuts segmentation algorithm with SUSAN feature of medical image[J]. Journal of Electronic Measurement And Instrument,2013,27(6)：509-514.

[9] 王瑞,楊潤澤,尹曉春,等.一種改進的SUSAN算子棋盤格角點亞像素檢測算法[J]. 計算機與現(xiàn)代化,2012(1):64-66.

WANG Rui, YANG Runze, YIN Xiaochun, et al. Sub-pixel Corner Detection Algorithm of Chessboard Image Based on Improved SUSAN Operator[J]. Computers and Modernization,2012(1):64-66.

[10] 徐宇貴,沈民奮,張瓊,等.自適應(yīng)SUSAN擴散的超聲圖像去噪算法[J].電子測量與儀器學報,2012,26(4)：331-337.XU Yugui, SHEN Minfen, ZHANG Qiong, et al. Adaptive Speckle Reduction Algorithm for Ultrasound Image Based on SUSAN Diffusion[J]. Journal of Electronic Measurement and Instrument,2012,26(4)：331-337.

Matching Algorithm Based on Susan Feature Vector of Gray Template

WANG RenliDAI Yueming

(Information and Electric Engineering, Xuzhou Institute of Technology, Xuzhou221018)

Susan operator is a method of obtaining feature points based on gray,and widely used to detect the image edges and corners. The effect of image rotation,image translation and threshold size on matching of Susan feature point is studied in the paper. The results show that image rotation and translation have little effect on the matching. When the threshold becomes smaller,the matching effect becomes better. This method is simple to implement,fast processing speed,high noise immunity and so on,especially suitable for image feature extraction.

Susan operator, feature vector, feature point matching

2016年4月8日,

2016年5月28日

王仁麗，女，博士，講師，研究方向：電力電子技術(shù)及其應(yīng)用。代月明，女，碩士，教授，研究方向：信號與圖像處理。

TP301.6

10.3969/j.issn.1672-9722.2016.10.040