李正大，蔣燕

成都理工大學(xué)

提高Shi-Tomasi角點(diǎn)檢測(cè)精度的方法研究

李正大，蔣燕

成都理工大學(xué)

針對(duì)Shi-Tomasi角點(diǎn)檢測(cè)在檢測(cè)時(shí)出現(xiàn)的錯(cuò)檢和漏檢問(wèn)題，提出對(duì)圖像進(jìn)行高斯等濾波和sobel邊緣檢測(cè)的預(yù)處理，以提高圖像在角點(diǎn)位置的矩陣特征值，進(jìn)而提高其檢測(cè)精度。經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，在預(yù)處理之后有效提高了精度。

角點(diǎn)檢測(cè)；高斯濾波；sobel；特征值

1 引言

角點(diǎn)檢測(cè)是計(jì)算機(jī)視覺(jué)系統(tǒng)中用來(lái)獲得圖像特征的一種方法，廣泛應(yīng)用于運(yùn)動(dòng)檢測(cè)、圖像匹配、視頻跟蹤、三維建模和目標(biāo)識(shí)別等領(lǐng)域中，也稱(chēng)為特征點(diǎn)檢測(cè)。角點(diǎn)通常被定義為兩條邊的交點(diǎn)，但是更嚴(yán)格的說(shuō)，角點(diǎn)的局部鄰域應(yīng)該具有兩個(gè)不同區(qū)域的不同方向的邊界。

2 Shi-Tomasi角點(diǎn)檢測(cè)原理與測(cè)試效果

Shi-Tomasi算法是Harris算法的改進(jìn)，在Harris算法中，是根據(jù)協(xié)方差矩陣M的兩個(gè)特征值的組合來(lái)判斷是否為角點(diǎn)[2]。而在Shi-Tomasi算法中，是根據(jù)較小的特征值是否大于閾值來(lái)判斷是否為角點(diǎn)[3]。

協(xié)方差矩陣M如下表示：

在具體的角點(diǎn)檢測(cè)測(cè)試中，采用基于visual studio 2012+ OpenCV的實(shí)驗(yàn)環(huán)境和包含60個(gè)角點(diǎn)的標(biāo)準(zhǔn)角點(diǎn)檢測(cè)圖，直接應(yīng)用Shi-Tomasi算法對(duì)圖像進(jìn)行角點(diǎn)檢測(cè)，在此條件下得到的角點(diǎn)檢測(cè)數(shù)為89個(gè)。

3 提高精度的理論分析

Shi-Tomasi算法是Harris算法的改進(jìn)，此算法最原始的定義是將矩陣M的行列式與M的跡相減，在將差值同預(yù)先給給定的閾值進(jìn)行比較。而Shi-Tomasi算法是把利用兩個(gè)特征值中的較小的一個(gè)與最小閾值進(jìn)行比較，若大于則會(huì)得到一個(gè)強(qiáng)角點(diǎn)。

定義角點(diǎn)響應(yīng)函數(shù)R為：

Harri角點(diǎn)檢測(cè)算法就是對(duì)角點(diǎn)響應(yīng)函數(shù)R進(jìn)行閾值處理：R＞threshold，即提取R的局部極大值。而Shi-Tomasi角點(diǎn)檢測(cè)主要是利用橢圓形式中的λ1、λ2其中的最小值和閾值進(jìn)行比較，以此來(lái)得到對(duì)角點(diǎn)的判斷。因此為了提高Shi-Tomasi檢測(cè)的精度應(yīng)設(shè)法提高圖像中角點(diǎn)的一階導(dǎo)數(shù)的值。對(duì)于一階導(dǎo)數(shù)即梯度在數(shù)字圖像處理中定義為下式：

從一階導(dǎo)數(shù)的定義式可以得出，為了提高其在圖像角點(diǎn)處的數(shù)值。應(yīng)盡量拉大圖像中邊緣與背景的灰度值的差，以此來(lái)得到較大的一階導(dǎo)數(shù)數(shù)值從而提高檢測(cè)精度。對(duì)于梯度的檢測(cè)，分別采用sobel算子來(lái)進(jìn)行，以此達(dá)到對(duì)圖像邊緣的加強(qiáng)，再進(jìn)行角點(diǎn)檢測(cè)[4]。對(duì)于梯度邊緣檢測(cè)精度，分別采用中值、均值、高斯濾波器對(duì)圖像進(jìn)行預(yù)處理，去除圖像中的噪聲從而提高角點(diǎn)檢測(cè)的精度。

4 測(cè)試結(jié)果

經(jīng)過(guò)對(duì)比可以得出，sobel算子是先邊緣化在檢測(cè)角點(diǎn)最理想的算子，但是其依然比60個(gè)標(biāo)準(zhǔn)角點(diǎn)多出很多。造成上述情況主要是由于圖像噪聲影響邊緣檢測(cè)效果，從而間接影響了角點(diǎn)的檢測(cè)精度。對(duì)圖像分別用濾波器進(jìn)行預(yù)處理后的效果如下圖：

圖1 不同濾波器預(yù)處理后效果圖

表1 檢測(cè)效果對(duì)比

經(jīng)過(guò)對(duì)比得出中值濾波器處理之后是最理想的，比標(biāo)準(zhǔn)角點(diǎn)多出5個(gè)，比原圖檢測(cè)的89個(gè)提高了很多。

5 結(jié)論

如上所述，先通過(guò)對(duì)原始圖像進(jìn)行中值濾波處理，減少圖像的噪聲影響，然后在利用sobel算子進(jìn)行邊緣檢測(cè)，得出梯度圖從而使圖像邊緣與背景的灰度差拉大，最后利用Shi-Tomasi算法進(jìn)行角點(diǎn)檢測(cè)進(jìn)，可以明顯提高其檢測(cè)的精度。但是在對(duì)圖像進(jìn)行邊緣檢測(cè)時(shí)由于參數(shù)的不同會(huì)影響角點(diǎn)的識(shí)別，有可能不能識(shí)別有些正確的角點(diǎn)，所以在提高精度的同時(shí)也會(huì)誤刪一些正確的角度點(diǎn)，這也是預(yù)處理所存在的不足之處。

[1]Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理[M].第三版.阮秋琦等.北京：電子工業(yè)出版社，2011：450-466

[2]劉博超，趙建，孫強(qiáng).基于邊緣改進(jìn)的Harris角點(diǎn)檢測(cè)方法[J].液晶與顯示，2013，28（3）：939-942

[3]毛星云，冷雪飛等.OpenCV3編程入門(mén)[M].北京：電子工業(yè)出版社，2015：154-261

[4]陳長(zhǎng)偉.基于角點(diǎn)檢測(cè)與SIFT算法的快速匹配方法[J].計(jì)算機(jī)應(yīng)用與軟件，2014，31（7）：214-220

Aiming at the problem of error detection and missed detection in Shi-Tomasi corner detection,we propose a preprocess?ing of Gaussian and sobel edge detection to improve the image eigen?values of the image at the corner position,Its detection accuracy.Af?ter the experimental test,the pretreatment effectively improve the ac?curacy.

corner detection；Gaussian filtering；sobel；eigenvalue