Harris角点检测

Harris角点检测2014.1.14特征提取图像特征局部特征全局特征方差...颜色直方图局部特征最初的研究是从角点开始的本质区别：特征提取的空间范围不同边缘点拐点...角点角点•局部窗口沿各方向移动，均产生明显变化的点•图像局部曲率突变的点角点检测好的角点检测算法需具备以下几点：•检测出图像中“真实的角点”；•准确的定位功能；•很高的重复检测率（稳定性好）；•具有对噪声的鲁棒性；•具有较高的计算效率；Harris角点检测平坦区域：任意方向移动无灰度变化边缘：沿着边缘方向移动无灰度变化角点：沿任意方向移动灰度明显变化Harris角点检测2,,,,),(yxIvyuxIyxwvuEyx高斯窗口(x,y)移动(u,v)后的灰度值(x,y)处的灰度值将图像窗口平移[u,v]产生灰度变化E(u,v)Harris角点检测22,,vuOvIuIyxIvyuxIyx222,,,,vuOvIuIyxwvuEyxyxvuIIIIIIvuvIuIyyxyxxyx222因为所以又图像在x方向的曲率图像在y方向的曲率误差项Harris角点检测vuMvuvuE,其中M是22矩阵，可由图像的导数求得:22,,yyxyxxyxIIIIIIyxwM于是对于局部微小的移动量[u,v]，可以近似得到下面的表达:对于矩阵M,将其对角化后，特征值λ1、λ2分别代表了x和y方向的灰度变化率。2100MHarris角点检测“Edge”1221Edge21Corner1和2都较大且数值相当1~2;图像窗口在所有方向上移动都产生明显灰度变化Edge12Flat0021如果1和2都很小，图像窗口在所有方向上移动都无明显灰度变化通过M的两个特征值的大小对图像点进行分类:Harris角点检测定义角点响应函数R(k–empiricalconstant,k=0.04-0.06)2dettrMkMR21detM21trMHarris角点检测“Edge”1221EdgeR0CornerR0Flat|R|smallEdgeR0R只与M的特征值有关1.角点：R为大数值正数2.边缘：R为大数值负数3.平坦区：R为小数值Harris角点检测对角点响应函数R进行阈值处理Rthreshold当大于时，则定义为角点，最后对所有提取出的角点进行非极大值抑制，提取R的局部极大值。Harris角点的性质1.旋转不变性：角点响应函数R对于图像的旋转具有不变性Harris角点的性质2.对于图像灰度的变化具有部分的不变性只使用了图像导数=对于灰度平移变化不变:II+bRx(imagecoordinate)阈值Rx(imagecoordinate)对于图像灰度的尺度变化:IaIHarris角点的性质3.对于图像几何尺度变化不具有不变性：边缘点角点总结vuMvuvuE,2dettrMkMR1.沿方向[u,v]的平均灰度变化可以表达成以下形式：2.使用M的特征值表达图像点局部灰度变化的情况，定义角点响应函数：3.一个好的角点沿着任意方向移动都将导致明显的图像灰度变化，即：R具有大的正数值。参考••