孫亮

摘要：安全監(jiān)控是防護工程中重要的組成部分，在安全監(jiān)控中，角點檢測具有重要意義， 它決定了監(jiān)控圖像中目標的形狀和特征。該文詳細闡述了幾種經(jīng)典的角點檢測方法，對不同方法逐一進行歸納分析， 并基于仿真結果對各種檢測算法在防護工程中的應用效果給出了評價。并進一步探討了未來的研究方向。

關鍵詞：安全監(jiān)控；防護工程；灰度值；角點檢測

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）34-8275-02

在防護工程視頻監(jiān)控中，圖像處理是一個非常重要的步驟。角點是圖像重要的局部特征，它體現(xiàn)了圖像中大量的特征信息。它不僅可以減少處理過程中的計算量，而且可以削弱外界因素的影響，對噪聲干擾、灰度變換、圖像形變等都有較好的適應能力[1-4]。

目前，角點檢測的算法主要有基于圖像邊緣輪廓特征和基于圖像灰度變化兩種，其中第一種方法計算量較大且易受外界環(huán)境的干擾，故其使用范圍有限。該文主要對實際應用中比較廣泛的幾種基于灰度的角點檢測算法進行歸納分析， 并對各算法在防護工程中的應用效果給出了評價。

1 角點檢測算法簡介

1.1 Harris角點檢測算法

Harris算法是機器視覺領域的一種經(jīng)典算法。它簡單穩(wěn)定，并能得到比較理想的結果，從而得到了廣泛應用。Harris角點檢測算法主要計算模板窗口沿各個方向進行移動后的灰度變化[5-6]。設以像素點（x y）為中心的模板在X方向上移動u，Y方向上移動v，則可以得出灰度變化的表達式為：

1.2 SUSAN角點檢測算法

SUSAN算法是在1997年提出了一種新的檢測算法，又稱最小核值相似區(qū)算法。算法將離散的圓形窗口中心點所對應的待檢測的像素點稱之為核，以其他像素點和核像素灰度值之差將鄰域劃分為兩部分，一部分是鄰域像素點灰度值相似于核像素點的區(qū)域，即核相似區(qū)（USAN），另一部分即為核不相似區(qū)[7-8]。一般認為當USAN區(qū)域為最大值的四分之一時，即可認為該點為角點。

為了進行角點檢測，需要將模板內各個像素點灰度值與核像素點的灰度值進行比較，公式（5）為應用中常用的灰度比較函數(shù)：

1.3 MIC角點檢測算法

MIC 角點檢測算法是一種基于最小亮度變化的快速角點檢測算法，它由Miroslav Trajkovic和Mark Hedley在1998年提出，它通過比較模板內的亮度值變化，從而能夠快速檢測出角點[9-10]。

假設任意一條穿過模板中心的直線與圓模板的交點為p1和p2，則算法初始角點響應函數(shù)定義如下：

2 算法比較與仿真

2.1 算法比較

Harris算法是角點檢測中最常使用的算法，它有多項優(yōu)點：1） 計算方便，Harris算子中只用到灰度的一階差分。2） 提取的點特征均勻且合理，且數(shù)量比較多。3） 可以定量的提取特征點，Harris算子最后一步是對所有點的響應值進行排序，因此可以根據(jù)需要定量的提取最優(yōu)點。4） 穩(wěn)定，Harris算子的計算公式只涉及一階導數(shù)，因此對外部環(huán)境變換并不敏感。

但是，它也有一些缺點。首先，Harris的定位精度相對較差，很容易產(chǎn)生一定的角點偏移。其次，閾值只能根據(jù)圖像特征使用一個經(jīng)驗值，很難適用于整個圖像。最后，Harris角點檢測算子沒有尺度不變性。

SUSAN算法避免了梯度計算， 且不依賴于前期圖像處理，直接對像素的鄰域灰度值比較即可檢測出角點，計算相對簡單。此外，算法檢測精度高，一般不會出現(xiàn)角點偏移現(xiàn)象。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。

MIC算法具有精度高，運算速度快，穩(wěn)定性好，對噪聲具有魯棒性的優(yōu)點，但在圖像的量化處理上，插值法不能達到很好的效果，致使有些邊緣點和角點區(qū)分不出來，使用大的模板進行CRF運算，會遺漏很多角點，并會造成角點定位不夠準確。同時，在多格法中，當圖像分辨率變化時，必將丟失一部分角點。

為了對本文所闡述的幾種經(jīng)典進行進一步歸納分析，并檢驗各種檢測算法在防護工程中的應用效果。該文使用了一張防護工程視頻監(jiān)控圖像，并使用三種算法進行處理。得到的結果如圖1所示。

由圖1（b）可以看出，使用Harris角點對圖像進行檢測，所得的角點多，分布均勻，并且對對灰度變化、噪聲影響和視點變換并不敏感。但是它定位精度比較差，有一定的偏移。因此Harris角點檢測算法適用于圖像比較大，要求檢測點數(shù)目較多，對圖像精度要求并不太高的情況。

由圖1（c）可以看出SUSAN算子檢測精度高，計算復雜度低。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。其適用于精度要求比較高，計算要求比較高的高對比度圖像。

由圖1（d）可以看出，MIC算子計算速度快，穩(wěn)定性好，對噪聲具有魯棒性。但在部分角點處出現(xiàn)了角點聚集現(xiàn)象。因此適用于噪聲環(huán)境，要求速度比較快的情況。

3 結論

本文對現(xiàn)有的幾種基于灰度的角點檢測方法進行了分類概述，并且基于實際需求，使用了一張防護工程監(jiān)控圖像進行仿真，從角點檢測的快速性、準確性、魯棒性等方面出發(fā)，進行檢測效果對比。分析并得出了各種角點檢測算法在防護工程應用中的優(yōu)缺點和各算法的適用范圍。

參考文獻：

[1] 王崴，唐一平，任娟莉，等.一種改進的 Harris 角點提取算法[J].光學精密工程，2008，16（10）：1995-2001.

[2] 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（8）.

[3] Trajkovi M，Hedley M.Fast corner detection[J].Image and vision computing，1998，16（2）：75-87.

[4] 龔平，劉相濱，周鵬.一種改進的Harris角點檢測算法[J].計算機工程與應用，2010，46（011）：173-175.

[5] 趙潔.聯(lián)合Harris特征點與Hu不變矩的圖像區(qū)域復制篡改盲取證[J].微電子學與計算機，2013（11）：15-17.

[6] Desheng X，Guihua L. FPGA Realization of Multi-scale Harris Corner Detection[J].Communications Technology，2013，45 （11）：85-86.

[7] 劉博，仲思東.一種基于自適應閾值的 SUSAN 角點提取方法[J].紅外技術，2006，28（6）：331-333.

[8] Zhang H， Xu D. A fast detection algorithm of Harris apparent corners based on the local features[C]//Intelligent Control and Automation （WCICA），2011 9th World Congress on.IEEE，2011：965-969.

[9] 趙開春，褚金奎.一種新的快速魯棒性角點檢測算法[J].計算機工程，2006，31（23）：159-161.

[10] 夏桂華，李志綱.基于MIC角點檢測的改進算法[J].應用科技，2011（9）：41-46.endprint

摘要：安全監(jiān)控是防護工程中重要的組成部分，在安全監(jiān)控中，角點檢測具有重要意義， 它決定了監(jiān)控圖像中目標的形狀和特征。該文詳細闡述了幾種經(jīng)典的角點檢測方法，對不同方法逐一進行歸納分析， 并基于仿真結果對各種檢測算法在防護工程中的應用效果給出了評價。并進一步探討了未來的研究方向。

關鍵詞：安全監(jiān)控；防護工程；灰度值；角點檢測

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）34-8275-02

在防護工程視頻監(jiān)控中，圖像處理是一個非常重要的步驟。角點是圖像重要的局部特征，它體現(xiàn)了圖像中大量的特征信息。它不僅可以減少處理過程中的計算量，而且可以削弱外界因素的影響，對噪聲干擾、灰度變換、圖像形變等都有較好的適應能力[1-4]。

目前，角點檢測的算法主要有基于圖像邊緣輪廓特征和基于圖像灰度變化兩種，其中第一種方法計算量較大且易受外界環(huán)境的干擾，故其使用范圍有限。該文主要對實際應用中比較廣泛的幾種基于灰度的角點檢測算法進行歸納分析， 并對各算法在防護工程中的應用效果給出了評價。

1 角點檢測算法簡介

1.1 Harris角點檢測算法

Harris算法是機器視覺領域的一種經(jīng)典算法。它簡單穩(wěn)定，并能得到比較理想的結果，從而得到了廣泛應用。Harris角點檢測算法主要計算模板窗口沿各個方向進行移動后的灰度變化[5-6]。設以像素點（x y）為中心的模板在X方向上移動u，Y方向上移動v，則可以得出灰度變化的表達式為：

1.2 SUSAN角點檢測算法

SUSAN算法是在1997年提出了一種新的檢測算法，又稱最小核值相似區(qū)算法。算法將離散的圓形窗口中心點所對應的待檢測的像素點稱之為核，以其他像素點和核像素灰度值之差將鄰域劃分為兩部分，一部分是鄰域像素點灰度值相似于核像素點的區(qū)域，即核相似區(qū)（USAN），另一部分即為核不相似區(qū)[7-8]。一般認為當USAN區(qū)域為最大值的四分之一時，即可認為該點為角點。

為了進行角點檢測，需要將模板內各個像素點灰度值與核像素點的灰度值進行比較，公式（5）為應用中常用的灰度比較函數(shù)：

1.3 MIC角點檢測算法

MIC 角點檢測算法是一種基于最小亮度變化的快速角點檢測算法，它由Miroslav Trajkovic和Mark Hedley在1998年提出，它通過比較模板內的亮度值變化，從而能夠快速檢測出角點[9-10]。

假設任意一條穿過模板中心的直線與圓模板的交點為p1和p2，則算法初始角點響應函數(shù)定義如下：

2 算法比較與仿真

2.1 算法比較

Harris算法是角點檢測中最常使用的算法，它有多項優(yōu)點：1） 計算方便，Harris算子中只用到灰度的一階差分。2） 提取的點特征均勻且合理，且數(shù)量比較多。3） 可以定量的提取特征點，Harris算子最后一步是對所有點的響應值進行排序，因此可以根據(jù)需要定量的提取最優(yōu)點。4） 穩(wěn)定，Harris算子的計算公式只涉及一階導數(shù)，因此對外部環(huán)境變換并不敏感。

但是，它也有一些缺點。首先，Harris的定位精度相對較差，很容易產(chǎn)生一定的角點偏移。其次，閾值只能根據(jù)圖像特征使用一個經(jīng)驗值，很難適用于整個圖像。最后，Harris角點檢測算子沒有尺度不變性。

SUSAN算法避免了梯度計算， 且不依賴于前期圖像處理，直接對像素的鄰域灰度值比較即可檢測出角點，計算相對簡單。此外，算法檢測精度高，一般不會出現(xiàn)角點偏移現(xiàn)象。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。

MIC算法具有精度高，運算速度快，穩(wěn)定性好，對噪聲具有魯棒性的優(yōu)點，但在圖像的量化處理上，插值法不能達到很好的效果，致使有些邊緣點和角點區(qū)分不出來，使用大的模板進行CRF運算，會遺漏很多角點，并會造成角點定位不夠準確。同時，在多格法中，當圖像分辨率變化時，必將丟失一部分角點。

為了對本文所闡述的幾種經(jīng)典進行進一步歸納分析，并檢驗各種檢測算法在防護工程中的應用效果。該文使用了一張防護工程視頻監(jiān)控圖像，并使用三種算法進行處理。得到的結果如圖1所示。

由圖1（b）可以看出，使用Harris角點對圖像進行檢測，所得的角點多，分布均勻，并且對對灰度變化、噪聲影響和視點變換并不敏感。但是它定位精度比較差，有一定的偏移。因此Harris角點檢測算法適用于圖像比較大，要求檢測點數(shù)目較多，對圖像精度要求并不太高的情況。

由圖1（c）可以看出SUSAN算子檢測精度高，計算復雜度低。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。其適用于精度要求比較高，計算要求比較高的高對比度圖像。

由圖1（d）可以看出，MIC算子計算速度快，穩(wěn)定性好，對噪聲具有魯棒性。但在部分角點處出現(xiàn)了角點聚集現(xiàn)象。因此適用于噪聲環(huán)境，要求速度比較快的情況。

3 結論

本文對現(xiàn)有的幾種基于灰度的角點檢測方法進行了分類概述，并且基于實際需求，使用了一張防護工程監(jiān)控圖像進行仿真，從角點檢測的快速性、準確性、魯棒性等方面出發(fā)，進行檢測效果對比。分析并得出了各種角點檢測算法在防護工程應用中的優(yōu)缺點和各算法的適用范圍。

參考文獻：

[1] 王崴，唐一平，任娟莉，等.一種改進的 Harris 角點提取算法[J].光學精密工程，2008，16（10）：1995-2001.

[2] 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（8）.

[3] Trajkovi M，Hedley M.Fast corner detection[J].Image and vision computing，1998，16（2）：75-87.

[4] 龔平，劉相濱，周鵬.一種改進的Harris角點檢測算法[J].計算機工程與應用，2010，46（011）：173-175.

[5] 趙潔.聯(lián)合Harris特征點與Hu不變矩的圖像區(qū)域復制篡改盲取證[J].微電子學與計算機，2013（11）：15-17.

[6] Desheng X，Guihua L. FPGA Realization of Multi-scale Harris Corner Detection[J].Communications Technology，2013，45 （11）：85-86.

[7] 劉博，仲思東.一種基于自適應閾值的 SUSAN 角點提取方法[J].紅外技術，2006，28（6）：331-333.

[8] Zhang H， Xu D. A fast detection algorithm of Harris apparent corners based on the local features[C]//Intelligent Control and Automation （WCICA），2011 9th World Congress on.IEEE，2011：965-969.

[9] 趙開春，褚金奎.一種新的快速魯棒性角點檢測算法[J].計算機工程，2006，31（23）：159-161.

[10] 夏桂華，李志綱.基于MIC角點檢測的改進算法[J].應用科技，2011（9）：41-46.endprint

摘要：安全監(jiān)控是防護工程中重要的組成部分，在安全監(jiān)控中，角點檢測具有重要意義， 它決定了監(jiān)控圖像中目標的形狀和特征。該文詳細闡述了幾種經(jīng)典的角點檢測方法，對不同方法逐一進行歸納分析， 并基于仿真結果對各種檢測算法在防護工程中的應用效果給出了評價。并進一步探討了未來的研究方向。

關鍵詞：安全監(jiān)控；防護工程；灰度值；角點檢測

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）34-8275-02

在防護工程視頻監(jiān)控中，圖像處理是一個非常重要的步驟。角點是圖像重要的局部特征，它體現(xiàn)了圖像中大量的特征信息。它不僅可以減少處理過程中的計算量，而且可以削弱外界因素的影響，對噪聲干擾、灰度變換、圖像形變等都有較好的適應能力[1-4]。

目前，角點檢測的算法主要有基于圖像邊緣輪廓特征和基于圖像灰度變化兩種，其中第一種方法計算量較大且易受外界環(huán)境的干擾，故其使用范圍有限。該文主要對實際應用中比較廣泛的幾種基于灰度的角點檢測算法進行歸納分析， 并對各算法在防護工程中的應用效果給出了評價。

1 角點檢測算法簡介

1.1 Harris角點檢測算法

Harris算法是機器視覺領域的一種經(jīng)典算法。它簡單穩(wěn)定，并能得到比較理想的結果，從而得到了廣泛應用。Harris角點檢測算法主要計算模板窗口沿各個方向進行移動后的灰度變化[5-6]。設以像素點（x y）為中心的模板在X方向上移動u，Y方向上移動v，則可以得出灰度變化的表達式為：

1.2 SUSAN角點檢測算法

SUSAN算法是在1997年提出了一種新的檢測算法，又稱最小核值相似區(qū)算法。算法將離散的圓形窗口中心點所對應的待檢測的像素點稱之為核，以其他像素點和核像素灰度值之差將鄰域劃分為兩部分，一部分是鄰域像素點灰度值相似于核像素點的區(qū)域，即核相似區(qū)（USAN），另一部分即為核不相似區(qū)[7-8]。一般認為當USAN區(qū)域為最大值的四分之一時，即可認為該點為角點。

為了進行角點檢測，需要將模板內各個像素點灰度值與核像素點的灰度值進行比較，公式（5）為應用中常用的灰度比較函數(shù)：

1.3 MIC角點檢測算法

MIC 角點檢測算法是一種基于最小亮度變化的快速角點檢測算法，它由Miroslav Trajkovic和Mark Hedley在1998年提出，它通過比較模板內的亮度值變化，從而能夠快速檢測出角點[9-10]。

假設任意一條穿過模板中心的直線與圓模板的交點為p1和p2，則算法初始角點響應函數(shù)定義如下：

2 算法比較與仿真

2.1 算法比較

Harris算法是角點檢測中最常使用的算法，它有多項優(yōu)點：1） 計算方便，Harris算子中只用到灰度的一階差分。2） 提取的點特征均勻且合理，且數(shù)量比較多。3） 可以定量的提取特征點，Harris算子最后一步是對所有點的響應值進行排序，因此可以根據(jù)需要定量的提取最優(yōu)點。4） 穩(wěn)定，Harris算子的計算公式只涉及一階導數(shù)，因此對外部環(huán)境變換并不敏感。

但是，它也有一些缺點。首先，Harris的定位精度相對較差，很容易產(chǎn)生一定的角點偏移。其次，閾值只能根據(jù)圖像特征使用一個經(jīng)驗值，很難適用于整個圖像。最后，Harris角點檢測算子沒有尺度不變性。

SUSAN算法避免了梯度計算， 且不依賴于前期圖像處理，直接對像素的鄰域灰度值比較即可檢測出角點，計算相對簡單。此外，算法檢測精度高，一般不會出現(xiàn)角點偏移現(xiàn)象。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。

MIC算法具有精度高，運算速度快，穩(wěn)定性好，對噪聲具有魯棒性的優(yōu)點，但在圖像的量化處理上，插值法不能達到很好的效果，致使有些邊緣點和角點區(qū)分不出來，使用大的模板進行CRF運算，會遺漏很多角點，并會造成角點定位不夠準確。同時，在多格法中，當圖像分辨率變化時，必將丟失一部分角點。

為了對本文所闡述的幾種經(jīng)典進行進一步歸納分析，并檢驗各種檢測算法在防護工程中的應用效果。該文使用了一張防護工程視頻監(jiān)控圖像，并使用三種算法進行處理。得到的結果如圖1所示。

由圖1（b）可以看出，使用Harris角點對圖像進行檢測，所得的角點多，分布均勻，并且對對灰度變化、噪聲影響和視點變換并不敏感。但是它定位精度比較差，有一定的偏移。因此Harris角點檢測算法適用于圖像比較大，要求檢測點數(shù)目較多，對圖像精度要求并不太高的情況。

由圖1（c）可以看出SUSAN算子檢測精度高，計算復雜度低。但它漏檢度比較高，在低對比度區(qū)域效果并不理想。其適用于精度要求比較高，計算要求比較高的高對比度圖像。

由圖1（d）可以看出，MIC算子計算速度快，穩(wěn)定性好，對噪聲具有魯棒性。但在部分角點處出現(xiàn)了角點聚集現(xiàn)象。因此適用于噪聲環(huán)境，要求速度比較快的情況。

3 結論

本文對現(xiàn)有的幾種基于灰度的角點檢測方法進行了分類概述，并且基于實際需求，使用了一張防護工程監(jiān)控圖像進行仿真，從角點檢測的快速性、準確性、魯棒性等方面出發(fā)，進行檢測效果對比。分析并得出了各種角點檢測算法在防護工程應用中的優(yōu)缺點和各算法的適用范圍。

參考文獻：

[1] 王崴，唐一平，任娟莉，等.一種改進的 Harris 角點提取算法[J].光學精密工程，2008，16（10）：1995-2001.

[2] 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（8）.

[3] Trajkovi M，Hedley M.Fast corner detection[J].Image and vision computing，1998，16（2）：75-87.

[4] 龔平，劉相濱，周鵬.一種改進的Harris角點檢測算法[J].計算機工程與應用，2010，46（011）：173-175.

[5] 趙潔.聯(lián)合Harris特征點與Hu不變矩的圖像區(qū)域復制篡改盲取證[J].微電子學與計算機，2013（11）：15-17.

[6] Desheng X，Guihua L. FPGA Realization of Multi-scale Harris Corner Detection[J].Communications Technology，2013，45 （11）：85-86.

[7] 劉博，仲思東.一種基于自適應閾值的 SUSAN 角點提取方法[J].紅外技術，2006，28（6）：331-333.

[8] Zhang H， Xu D. A fast detection algorithm of Harris apparent corners based on the local features[C]//Intelligent Control and Automation （WCICA），2011 9th World Congress on.IEEE，2011：965-969.

[9] 趙開春，褚金奎.一種新的快速魯棒性角點檢測算法[J].計算機工程，2006，31（23）：159-161.

[10] 夏桂華，李志綱.基于MIC角點檢測的改進算法[J].應用科技，2011（9）：41-46.endprint