图像局部特征学习（笔记1之SUSAN角点检测）

SUSAN（smallest univalue segment assimilating nucleus最小核值相似区）

SUSAN是角点检测的一种，其原理跟Harris很相像，Harris是利用一个固定尺寸的正方形窗口的滑动，检测其滑动前后窗口内灰度变化来进行角点的检测判断。而SUSAN简单而言就是是利用一个固定尺寸的圆形窗口，但是其没有滑动，直接比较圆形窗口内像素与中心像素（Nucleus）的灰度差异，统计整个圆形窗口内灰度差异情况，利用阈值判断进行角点检测。

其中两个术语需要知道;
1.Nucleus,核，指的是圆形窗口中心像元
2.USAN，核值相似区，圆形窗口内与中心像元相似的像素的个数或者面积

比较简单列一下SUSAN检测子涉及到的几个公式:
1.相似性比较公式：这是一个简单的方波函数。带来问题就是相似度函数容易在边界发生突变，因而一般用下式替换：


2.USAN计算公式：
3.角点响应公式：

SUSAN角点检测的特点：

• 对拒不噪声不敏感，抗干扰能力强，因为SUSAN算子中不涉及微分运算
• SUSAN算子的角点检测效果，涉及两个参数，一个是相似度比较公式中的t，那决定了角点的对比度，另外一个是角点响应公式中的阈值判断g，他决定了角点的尖锐程度。