圖像角點檢測配準的研究

王博楊

摘要： 本文主要研究兩種角點檢測定位角點坐標的方法，以及通過SAD配準方法進行角點匹配的具體過程，為單應矩陣的精確求解奠定基礎。

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.

關鍵詞： 單應矩陣；角點；SAD配準

Key words： homography matrix；corner point；SAD registration

中圖分類號：TP317.4 文獻標識碼：A 文章編號：1006-4311（2017）04-0195-02

0 引言

圖像拼接技術能夠將多目視頻圖像融合成同一圖像，繼而實現更廣域的無畸變視頻采集，因此應用領域廣泛。其中單應矩陣的求解是圖像拼接重要步驟之一，為了使求解更加精確，必須找到一種高效穩定的特征點定位與配準方法。本文在研究相關算法的同時，力求克服傳統逐點掃描配準的低效弊端，找到一種逐區域尋點配準的優化辦法，提高系統整體運算效率，為流暢的高清視頻拼接奠定技術基礎。

1 角點檢測算法的研究

角點檢測有多種類型方法，視頻圖像拼接一般應用的灰度值進行角點檢測，本文主要研究兩種方法：一是Moravec角點檢測算法，二是Harris角點檢測算法。

1.1 Moravec角點檢測算法

Moravec角點檢測算法在1981年由Moravec提出，是一種能實現角點檢測功能的基本算法，它通過檢測窗口在不同方向的平移（一般為0°、45°、90°、135°四個方向）計算灰度方差，選取其中的最小值作為角點響應值（Corner Response Function），再通過局部非極大值抑制來判斷該檢測點是否為角點。

在實際應用中發現該算法存在以下不足：第一，該算法使用的是二值窗口，導致抗噪性不高。第二，Moravec角點檢測算法在通常情況下只檢測四個方向，可能會出現錯撿、漏檢的情況，為了完善檢測方向，我們還可以進行優化，比如增加檢測方向，讓算法在0°、45°、90°、135°、180°、225°、270°、315°等八個方向進行檢測，相應的平移向量（u，v）也增加至（1，0）、（1，1）、（0，1）、（-1，1）、（-1，0）、（-1，-1）、（0，-1）、（-1，-1）八個向量，這樣檢測結果更加準確，但同時也大大的增加了計算量。第三由于該算法使用的是方形窗口，圖像旋轉后的角點將發生改變，穩定性差。

1.2 Harris角點檢測算法

矩陣M的兩個特征值分別是？姿1和？姿2，那么在檢測的過程中一共分四種情況：一是？姿1和？姿2都非常小（？姿1<？著且？姿2<？著），此時檢測窗口正處于圖像平坦區域；二是？姿1比？姿2大很多（？姿1>>？姿2），此時檢測窗口正處于圖像橫邊；三是？姿2比？姿1大很多（？姿2>>？姿1），此時檢測窗口正處于圖像縱邊；四是？姿1和？姿2都非常大，則此時檢測窗口正處于圖像的角點。圖像配準只需要角點檢測，因此我們使用以下角點響應函數：R=Det（M）-k（TrM）2=AB-C2-k（A+B）2（5）

上述函數中k是一個固定參數，通常取值為k=0.04～0.06，當R的計算結果為較大的正整數時，說明檢測窗口正處于圖像的角點。

如圖2就是使用Harris角點檢測算法在實際畫面中計算的得到的圖像角點，輸入圖像分辨率為640×480，共提取特征點462個，運行時間5.373秒，運算效率符合實際需求。但特征點提取冗余，需要采用非極大值抑制的方法，進一步優化特征點的提取位置與數量。

2 基于Harris角點檢測算法的SAD配準

特征點的位置和數量確定以后，我們就可以采用SAD配準公式進行配準，因為不同特征點高斯窗口中的灰度和也不同，反之即使是不同圖像，相同點高斯窗口中的灰度和在理論上也應該一致，因此可以運用以下公式進行精確配準：

當兩個待配準點的SAD值非常小甚至為0時，我們就可以認為它們匹配成功。傳統的SAD配準效率不高，應根據本文的應用目的予以改進。

當角點鄰域窗口灰度和全部計算完畢以后，首先配準4對特征點。配準成功后求出初始單應矩陣，而后通過單應矩陣來確定尋點窗口，尋點窗口仍舊采用高斯窗口，這樣就可以極大的提高匹配效率，如圖3所示，圖像1中的點想與圖像2中的點匹配，先以單應矩陣求出點A在圖像2中的對應點O，以O為中心設定高斯窗口。確定窗口后以中心向四周的方式尋點，最終點A與點A′匹配成功。隨著更多的特征點匹配成功還需要實時運用RANSAC算法不斷的進行優化，得到更為精確的單應矩陣后，也要相應縮小尋點窗口半徑，提高配準效率，進而完成全圖配準。

3 結束語

如圖4是完全基于Harris角點檢測算法的SAD配準，即使簡單的圖像也可以計算出很多角點，并進行精確配準，而且系統響應很快，穩定性較高，符合使用需求，但是在配準的過程中會出現一些錯誤匹配，為了使單應矩陣求解更加精確，需要使用RANSAC算法進行優化。

參考文獻：

[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]賈瑩.基于Harris角點檢測算法的圖像拼接技術研究[D].吉林大學，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]趙振剛.圖像角點檢測算法的研究[D].西安電子科技大學，2013.

[13]陳利軍.圖像角點檢測和匹配算法的研究[J].通信與信息系統，2005.