[发明专利]一种自适应阈值的Harris角点检测方法

说明书

技术领域

本发明涉及一种图像检测方法，尤其是一种自适应阈值的检测方法。

背景技术

角点在数学上并没有十分明确的数学定义，但人们普遍认为角点是二维图像中亮度变化剧烈的点，或图像边缘曲线上曲率极大值的点。

角点在保留图像图形特征的同时，可以有效的减少信息的数据量。传统Harris角点检测算法中，在提取角点时需要人为设置较为合适的阈值，而不同的阈值则会产生不同的检测结果，所以选取合适的阈值是十分必要的。

传统Harris角点检测算法是通过计算图像在水平、垂直两个方向上的梯度以及两者的乘积，得到M矩阵中四个元素的元素值，M矩阵的计算公式如下：

M=Ix2IxIyIxIyIy2---(1)]]>

其中，I_x为图像在水平方向的梯度，I_y为图像在竖直方向的梯度，再对M矩阵中的各个元素进行高斯平滑滤波，然后计算各个点的兴趣值，即R值，R值的计算公式如下：

R={Ix2×Iy2-(IxIy)2}-0.04{Ix2+Iy2}---(2)]]>

传统的Harris角点检测算法认为，如果某点的的R值大于设定的阈值，则该点为角点，否则不是角点。如果阈值选取过高，则会出现漏检，如果阈值选取过低，则会有众多的伪角点出现。所以，合适阈值的选取，便成为决定角点检测效果优略的决定性因素。而本方法采用自适应迭代选取阈值的思路，实现了阈值的自动选取，不需要在角点提取前人工给定阈值，并能达到较好的检测效果。

发明内容

为了克服现有技术的不足，解决传统Harris角点检测算法中，在提取角点时需要人为设置较为合适的阈值问题，特提出一种自适应阈值的Harris角点检测算法。

本发明采取一种方法，对每个像素点的兴趣值，即R值，通过使用自适应迭代阈值算法的策略，求取针对图像来讲最合适的阈值T_out，避免人工对阈值的设置，能使角点分布的更加均匀，提高角点检测的精确性，避免了角点聚簇以及伪角点的产生。

本发明解决其技术问题所采用的技术方案是：