SUSAN算法详解._第1页
SUSAN算法详解._第2页
SUSAN算法详解._第3页
SUSAN算法详解._第4页
SUSAN算法详解._第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、SUSAN角点提取算法 目录 1. 角点提取算法 2. SUSAN算法 3. SUSAN算法改进 4. 结论 1.角点提取算法 1. Kitchen-Rosenfeld算法 2.Harris算法 3.KLT算法 4.SUCAN算法 2.SUSAN算法 SUSAN算法选用圆形模板。将位于圆形窗口模板中心等待检测的像素点成 为核心点。 核心点的领域被划分成两个区域：亮度值相似于核心点亮度的区域相似于核心点亮度的区域即核值 相似区和亮度值不相似于核心点亮度的区域不相似于核心点亮度的区域 核心点 2.SUSAN算法 模板在图像上移动时核相似区（Univalue SegmentAs-similating

2、Nueleus,USAN） 会产生如下图所示的四种典型情况： (a) 模板在同一区域 (b) 核心在区域中 (c) 核心在区域边缘 (d) 核心在区域角点 2.SUSAN算法 SUSAN算法的实现步骤： （1）在图像上放置一个圆形模板，模板在图像上滑动，依次比较模板内各 个像素点的灰度于模板核的灰度，判断是否属于USAN区域。判别函数如下： 2.SUSAN算法 （2）统计圆形模板中和核心点有相似灰度值的像素的个数 （3）使用如下角点响应函数确定角点 2.SUSAN算法 （4）使用非极大值抑制来获取去除一些错误的角点 通过计算USAN区域的重心，然后计算重心和模板中心的距离，如 果距离较小则是错

3、误的角点，否则是正确角点。 2.SUSAN算法 （1）在用SUSAN算子对边缘和角点进行检测时不需要计算微分，这使得 SUSAN算子对噪声更加鲁棒。 1. SUSAN算法优点 2. SUSAN算法缺点 （2）SUSAN检测算子能提供不依赖于模板尺寸的边缘精度。 （3）控制参数的选择很简单，且任意性小，容易实现自动化选取。 （1）对每一个点灰度值会进行多次计算，效率不高。 （2）对于一些特殊灰度的图形，可能会漏掉一些角点，例如T型，X型等 图形。 3.SUSAN算法改进 采用环形作为检测模板。如下图 这样图像中可能会有多段和核心点P灰度值类似的点，然后把至少存在n个连 续的像素点，比P的灰度值都大或者比P的灰度值都小的点记为角点。n是提 取的阈值，至少要大于提取像素点的一半。 3.SUSAN算法改进 经典SUSAN算法 改进后SUSAN算法 4.总结 在众多角点检测算法中。SUSAN 算法是一个原理相对来说较为简 单和易于使用的算法。通过控制 参数t和g，可以对不同对比度， 不同形状的图像进行较好的角点

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论