图像特征之SUSAN角点检测

最新推荐文章于 2022-12-27 13:28:59 发布

Senit_Co

最新推荐文章于 2022-12-27 13:28:59 发布

阅读量3.1k

点赞数 2

分类专栏： image 文章标签：图像处理计算机视觉 susan

本文链接：https://blog.csdn.net/Zachary_Co/article/details/78862221

版权

SUSAN是一种基于灰度图像和窗口模板的角点检测方法，具有噪声鲁棒性、简单和快速计算的特点。通过比较邻域像素与中心像素的灰度差值，形成USAN区域，判断角点响应值，进行非极大值抑制。关键参数包括阈值g和t，影响检测结果的尖锐程度和数量。SUSAN算子对噪声和光照变化具有较好的不变性。

摘要由CSDN通过智能技术生成

原文站点：https://senitco.github.io/2017/07/01/image-feature-susan/

SUSAN(Small univalue segment assimilating nucleus)是一种基于灰度图像以及窗口模板的特征点获取方法，适用于图像中边缘和角点的检测，对噪声鲁棒，而且具有简单、有效、计算速度快等特点。

原理概述

SUSAN算子采用一种近似圆形的滑动窗口模板，邻域窗口内的每个像素点的灰度值和中心像素作比较，若两者的灰度差值小于一定阈值，则认为该像素点与中心像素(核)具有相似的灰度值，满足这一条件的像素组成的区域称为吸收核同值区(Univalue Segment Assimilating Nucleus, USAN)。

如上图所示，当圆形模板处于灰度均匀区域(背景或目标内)，USAN区域面积最大；当模板移向图像边缘时，USAN面积逐渐变小，模板中心处于边缘位置时，USAN面积为最大值的1/2；当模板中心位于角点处时，USAN面积最小，约为最大值的1/4。因此，USAN面积越小，其中心像素为角点的概率就越大。通过计算每个像素的USAN值，并与给定阈值作比较，如果该像素的USAN值小于给定阈值，则认为是一个角点。USAN的三维显示如下图所示：