FAST角点论文:《Machine learning for high-speed corner detection》
非最大值抑制英文为non maximal suppression。
原文2.3节内容如下
2.3 Non-maximal Suppression
由于分段测试不计算角点响应函数,非最大值抑制不能直接应用于得到的FAST角点。因此,必须对每一个检测到的角点计算一个评分函数
V
V
V,并对其进行非最大值抑制,以去除
V
V
V值较高的角点。
V
V
V有几个直观的定义:
- 当 p p p还是FAST角点时, n n n的最大值。 n n n表示半径为3的圆上连续多少个像素点。
- 当 p p p还是FAST角点时, t t t的最大值。 t t t表示灰度的差异。
- 连续弧上像素和中心像素之间的绝对差之和。SAD,sum of the absolute difference。
定义1和定义2是高度量化的测量,许多像素共享这些相同的测量。为了提高计算速度,使用了稍微修改过的定义3。
V
V
V由下式给出,
V
=
m
a
x
(
∑
x
∈
S
b
r
i
g
h
t
∣
I
p
→
x
−
I
p
∣
−
t
,
∑
x
∈
S
d
a
r
k
∣
I
p
→
x
−
I
p
∣
−
t
)
V = max(\sum_{x\in S_{bright}}|I_{p\rightarrow x}-I_p|-t, \sum_{x\in S_{dark}}|I_{p\rightarrow x}-I_p|-t)
V=max(x∈Sbright∑∣Ip→x−Ip∣−t,x∈Sdark∑∣Ip→x−Ip∣−t)
其中,
S
b
r
i
g
h
t
=
{
x
∣
I
p
→
x
≥
I
p
+
t
}
S_{bright}=\{x|I_{p\rightarrow x} \geq I_p+t\}
Sbright={x∣Ip→x≥Ip+t}
S
d
a
r
k
=
{
x
∣
I
p
→
x
≤
I
p
−
t
}
S_{dark}=\{x|I_{p\rightarrow x} \leq I_p-t\}
Sdark={x∣Ip→x≤Ip−t}