[发明专利]基于模板边缘的自适应Harris角点检测方法

权利要求书

1.一种基于模板边缘的自适应Harris角点检测方法，其特征在于：具体步骤如下，

101～建立潜在角点区域库，通过运用3×3大小的两个相邻区域的灰度值之均值和的差值大小来比较，判别该区域是否有角点存在；

102～对潜在角点区域库使用自适应阈值Harris检测算法进行角点检测；在利用Harris算法对潜在角点区域库进行角点提取时，阈值的选择是根据每个潜在角点区域的灰度值的变化来确定的，先对Harris算法中的CRF进行非极大值抑制，保留大于阈值t、大于公式(1)中的可变阈值T₁且为局部极大值的点，作为角点；

103～对角点集中的每一个角点，通过评估中心点与模板边缘领域的像素点的灰度变化情况，对角点集进行提纯,过滤掉伪角点。

2.根据权利要求1所述的基于模板边缘的自适应Harris角点检测方法，其特征在于：所述的步骤101中，具体判别公式如下：

其中：(x₀,y₀)与(x₁,y₁)表示一个模板的中心点的位置，表示一个模板的像素灰度值之均值和，表示相邻的另一个模板区域的像素灰度值之均值和，T₁为给定的阈值，采用可变阈值若两个区域的灰度变化之差Δp大于阈值T₁，就认为该

区域可能存在角点，设定为潜在角点区域，反之，则为平坦区域。

3.根据权利要求2所述的基于模板边缘的自适应Harris角点检测方法，其特征在于：所述的步骤102中，根据式(2)计算：

CRF(i,j)＞tCRF_max&&CRF(i.j)＞T₁&&CRF(i.j)＞CRF(i-1,j-1)&&CRF(i,j)＞CRF(i-1,j)&&CRF(i,j)＞CRF(i-1,j+1)&&CRF(i,j)＞CRF(i,j-1)&&CRF(i,j)＞CRF(i,j+1)&&CRF(i,j)＞CRF(i+1,j-1)&&CRF(i,j)＞CRF(i+1,j)&&CRF(i,j)＞CRF(i+1,j+1)(2)

其中，t为动态变化的阈值，变化范围在0.009～0.02之间，CRF为Harris算法的角点响应函数，T₁为式(1)中的可变阈值。

4.根据权利要求3所述的基于模板边缘的自适应Harris角点检测方法，其特征在于：

自适应Harris角点提取步骤为：

1)利用模板w(x,y)生成的高斯窗口[9,3]，在图像上移动产生灰度变化E(u,v)；

2)根据式(6)对E(u,v)进行变化，并得到矩阵M；

3)计算矩阵M的λ₁和λ₂；

4)根据式(4)的角点响应函数CRF进行角点判别，K取常值0.04，

根据式(2)对CRF进行非极大值抑制，保留大于阈值T、可变阈值T₁且为局部极大值的点，作为初角点，

CRF＝detM-k(trM)²＝λ₁λ₂-k(λ₁+λ₂)² (4)。

5.根据权利要求4所述的基于模板边缘的自适应Harris角点检测方法，其特征在于：所述步骤103中，具体操作如下：

1)利用模板M在图像上移动，当中心点的像素m₀移动至提取的初角点时，根据公式(5)计算中心点与模板边缘像素灰度方差V；

M表示模板，模板中的像素用m∈M表示，中心点的像素为m₀，模板边缘的

像素点分别用m₁,m₂...,m₂₀表示，在图像内移动模板，用V表示模板边缘像素灰度方差；

2)根据公式(6)对方差V进行判别，更新N(m_k)；

3)根据公式(7)的角点响应函数C判断模板中心点m₀是否符合条件，若满足，则此初角点为最优角点，保留此初角点；若不满足，则将此初角点舍去；

其中，若C为1，则判断模板中心点m₀为最终角点，反之，则舍去；

4)判断完一个初角点之后，继续移动模板M至下一个初角点继续进行步骤3)，直到所有的初角点判别完毕。