图像角点检测配准的研究

王博杨

摘要： 本文主要研究两种角点检测定位角点坐标的方法，以及通过SAD配准方法进行角点匹配的具体过程，为单应矩阵的精确求解奠定基础。

Abstract： In this paper， we mainly study the method of detecting the corner coordinates of two corner points and the specific process of corner matching by SAD registration method， which lays the foundation for the exact solution of thehomography matrix.

关键词： 单应矩阵；角点；SAD配准

Key words： homography matrix；corner point；SAD registration

中图分类号：TP317.4 文献标识码：A 文章编号：1006-4311（2017）04-0195-02

0 引言

图像拼接技术能够将多目视频图像融合成同一图像，继而实现更广域的无畸变视频采集，因此应用领域广泛。其中单应矩阵的求解是图像拼接重要步骤之一，为了使求解更加精确，必须找到一种高效稳定的特征点定位与配准方法。本文在研究相关算法的同时，力求克服传统逐点扫描配准的低效弊端，找到一种逐区域寻点配准的优化办法，提高系统整体运算效率，为流畅的高清视频拼接奠定技术基础。

1 角点检测算法的研究

角点检测有多种类型方法，视频图像拼接一般应用的灰度值进行角点检测，本文主要研究两种方法：一是Moravec角點检测算法，二是Harris角点检测算法。

1.1 Moravec角点检测算法

Moravec角点检测算法在1981年由Moravec提出，是一种能实现角点检测功能的基本算法，它通过检测窗口在不同方向的平移（一般为0°、45°、90°、135°四个方向）计算灰度方差，选取其中的最小值作为角点响应值（Corner Response Function），再通过局部非极大值抑制来判断该检测点是否为角点。

在实际应用中发现该算法存在以下不足：第一，该算法使用的是二值窗口，导致抗噪性不高。第二，Moravec角点检测算法在通常情况下只检测四个方向，可能会出现错捡、漏检的情况，为了完善检测方向，我们还可以进行优化，比如增加检测方向，让算法在0°、45°、90°、135°、180°、225°、270°、315°等八个方向进行检测，相应的平移向量（u，v）也增加至（1，0）、（1，1）、（0，1）、（-1，1）、（-1，0）、（-1，-1）、（0，-1）、（-1，-1）八个向量，这样检测结果更加准确，但同时也大大的增加了计算量。第三由于该算法使用的是方形窗口，图像旋转后的角点将发生改变，稳定性差。

1.2 Harris角点检测算法

矩阵M的两个特征值分别是？姿1和？姿2，那么在检测的过程中一共分四种情况：一是？姿1和？姿2都非常小（？姿1<？着且？姿2<？着），此时检测窗口正处于图像平坦区域；二是？姿1比？姿2大很多（？姿1>>？姿2），此时检测窗口正处于图像横边；三是？姿2比？姿1大很多（？姿2>>？姿1），此时检测窗口正处于图像纵边；四是？姿1和？姿2都非常大，则此时检测窗口正处于图像的角点。图像配准只需要角点检测，因此我们使用以下角点响应函数：R=Det（M）-k（TrM）2=AB-C2-k（A+B）2（5）

上述函数中k是一个固定参数，通常取值为k=0.04～0.06，当R的计算结果为较大的正整数时，说明检测窗口正处于图像的角点。

如图2就是使用Harris角点检测算法在实际画面中计算的得到的图像角点，输入图像分辨率为640×480，共提取特征点462个，运行时间5.373秒，运算效率符合实际需求。但特征点提取冗余，需要采用非极大值抑制的方法，进一步优化特征点的提取位置与数量。

2 基于Harris角点检测算法的SAD配准

特征点的位置和数量确定以后，我们就可以采用SAD配准公式进行配准，因为不同特征点高斯窗口中的灰度和也不同，反之即使是不同图像，相同点高斯窗口中的灰度和在理论上也应该一致，因此可以运用以下公式进行精确配准：

当两个待配准点的SAD值非常小甚至为0时，我们就可以认为它们匹配成功。传统的SAD配准效率不高，应根据本文的应用目的予以改进。

当角点邻域窗口灰度和全部计算完毕以后，首先配准4对特征点。配准成功后求出初始单应矩阵，而后通过单应矩阵来确定寻点窗口，寻点窗口仍旧采用高斯窗口，这样就可以极大的提高匹配效率，如图3所示，图像1中的点想与图像2中的点匹配，先以单应矩阵求出点A在图像2中的对应点O，以O为中心设定高斯窗口。确定窗口后以中心向四周的方式寻点，最终点A与点A′匹配成功。随着更多的特征点匹配成功还需要实时运用RANSAC算法不断的进行优化，得到更为精确的单应矩阵后，也要相应缩小寻点窗口半径，提高配准效率，进而完成全图配准。

3 结束语

如图4是完全基于Harris角点检测算法的SAD配准，即使简单的图像也可以计算出很多角点，并进行精确配准，而且系统响应很快，稳定性较高，符合使用需求，但是在配准的过程中会出现一些错误匹配，为了使单应矩阵求解更加精确，需要使用RANSAC算法进行优化。

参考文献：

[1]XU Jian.Fast Harris Corner Detection Algorithm Based on Image Compression and Block.2015.

[2]B. Pailthorpe， N. Bordes， W. Bleha， S. Reinsch， and J. Moreland. High resolution display with uniform illumination， Proceedings Asia Display IDW， 1295-1298，2001.

[3]Nicole Bordes， Bernard Pailthorpe. High Resolution Scalable Displays：Manufacturing and Use， Proceedings of the 2004 Australasian symposium on Information Visualization-Volume 35， page 151-156， 2004.

[4]Aditi Majumder， Rick Stevens.Color Non-Uniformity in Projection BasedDisplays： Analysis and Solutions， IEEE Transactions on Visualization andComputer Graphics， Vol. 10， 2003.

[5]Aditi Majumder. A Practical Framework to Achieve Perceptually SeamlessMulti-Projector Displays， 2003.

[6]Aditi Majumder， Rick Stevens. Perceptual Photometric Seamlessness inProjection-Based Tiled Displays， ACM Transactions on Graphics， Vol. 24， No.1 January 2005.

[7]賈莹.基于Harris角点检测算法的图像拼接技术研究[D].吉林大学，2010.

[8]曾琦.Image registration method based on improved Harris corner detector.2010.

[9]Mark Hereld， Ivan R. Judson， and Rick Stevens. A Measurement Engine for Aligning Multi-Projector Display Systems， Argonne National Laboratory preprint ANL/MCSP958-0502， 2002.

[10]Ramesh Raskar， Michael S. Brown， Ruigang Yang， Wei-Chao Chen， Herman Towles， Brent Scales， and Henry Fuchs. Multi-Projector Displays Using CameraBased Registration， IEEE Visualization， 1999.

[11]Liang Sun.An Improved Harris Corner Detection Algorithm For Low Contrast Image.2014.

[12]赵振刚.图像角点检测算法的研究[D].西安电子科技大学，2013.

[13]陈利军.图像角点检测和匹配算法的研究[J].通信与信息系统，2005.