基于区域灰度变化的自适应FAST角点检测算法

刘亮; 王平; 孙亮

Chinese

您当前的位置：

首页 >

文章列表页 >

基于区域灰度变化的自适应FAST角点检测算法

更新时间：2026-09-04

- 基于区域灰度变化的自适应FAST角点检测算法
- Adaptive FAST Corner Detection Algorithm Based on Regional Grayscale Change
- 微电子学与计算机 2017年34卷第3期页码：20-24
- 作者机构：
  
  中国人民解放军理工大学国防工程学院,江苏,南京,210007
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
刘亮, 王平, 孙亮. 基于区域灰度变化的自适应FAST角点检测算法[J]. 微电子学与计算机, 2017, 34(3): 20-24.

LIU Liang, WANG Ping, SUN Liang. Adaptive FAST Corner Detection Algorithm Based on Regional Grayscale Change[J]. 2017, 34(3): 20-24.
刘亮, 王平, 孙亮. 基于区域灰度变化的自适应FAST角点检测算法[J]. 微电子学与计算机, 2017, 34(3): 20-24. DOI：

LIU Liang, WANG Ping, SUN Liang. Adaptive FAST Corner Detection Algorithm Based on Regional Grayscale Change[J]. 2017, 34(3): 20-24. DOI：

摘要

针对当前FAST角点检测算法只能检测单一类型的角点

并且单一阈值作用于整幅图像很难取得理想的效果等问题

本文提出了一种基于区域灰度变化的自适应FAST角点检测算法.该算法首先对图像进行高斯滤波; 其次

依据灰度差筛选出角点候选点; 再引入自适应阈值

根据灰度值的大小对候选点进行分类; 最后

根据分类结果

使用不同的检测模板对候选点进行再次筛选

获得最佳匹配角点.仿真结果表明该改进算法不仅可以提取出更多的有效角点

较好的克服阈值选择不当造成的角点丢失或冗余

而且对于噪声具有良好的鲁棒性.

Abstract

According to the FAST corner detection algorithm applies only on a single type of corner and a single threshold is not suitable to the whole image

an adaptive FAST corner detection algorithm based on regional grayscale change is proposed. In this algorithm

Gauss filtering of images; then based on gray difference selected corner candidate; Besides

by introducing an adaptive threshold

candidate corners are classified according to adaptive gray level threshold. Finally

the best match corners are selected by using different templates in accordance with the classification results. Experimental results show that: the proposed improved algorithm can not only effectively overcome the threshold selection inappropriate resulting in loss and redundancy some corners

extract more efficient corners

but also has good robustness to noise.

关键词

Keywords

references

Huang H, Ma G, Zhuang Y. Vehicle license plate location based on harris corner detection[C]// Neural Networks, 2008. IJCNN 2008. (IEEE World Congress on Computational Intelligence). IEEE Interna. China, Hong Kong, 2008: 352-355.

吴金津, 王鹏程, 龙永新, 等. 基于FAST角点检测的图像配准算法[J]. 湖南工业大学学报, 2014, 28(4): 71-75. DOI: 71

Yang T, Chen J X, Wei L I, et al. An adaptive susan corner detector based on lifting wavelet transformare[J]. Microelectronics % Computer, 2009, 26(7): 156-159. DOI: 156

He X C, Yung N H C. Curvature scale space corner detector with adaptive threshold and dynamic region of support[C]//International Conference on Pattern Recognition 2004. Hongkong, 2004: 791-794.

徐树奎, 李国辉, 张军, 等. 基于多方向对称和匀质约束的SUSAN棋盘格角点检测算法[J]. 计算机科学, 2011, 37(9): 248-252. DOI: 248

王蒙, 戴亚平. 基于FAST角点检测的局部鲁棒特征[J]. 北京理工大学学报, 2013, 33(10): 1045-1050. DOI: 1045

薛金龙. 基于角点的图像特征提取与匹配算法研究[D]. 大连: 大连理工大学, 2014.

刘溪. 基于特征的图像配准算法与应用研究[D]. 北京: 北京理工大学, 2015.

Rosten E, Drummond T. Machine learning for highspeed corner detection[C]// Computer Vision-ECCV2006. Berlin, Heidelberg, Springer, 2006: 430-443.

杨必武, 郭晓松, 张学文, 等. 图像角点检测算法综述[D]. 西安: 第二炮兵工程学院, 2004.

梁艳菊, 李庆, 陈大鹏, 等. 一种快速鲁棒的LOG-FAST角点算法[J]. 计算机科学, 2012, 39(6): 251-254. DOI: 251

安维胜, 余让明, 伍玉铃. 基于FAST和SURF的图像配准算法[J]. 计算机工程, 2015, 41(10): 232-235. DOI: 232

赵洁. 联合Harris特征点与Hu不变矩的图像区域复制篡改盲取证[J]. 微电子学与计算机, 2013, 30(11): 15-17. DOI: 15

杨婷, 陈家新, 黎蔚, 等. 一种基于提升小波的自适应SUSAN角点检测算法[J]. 微电子学与计算机, 2009, 26(7): 156-159. DOI: 156

任雁. 角点检测方法研究[J]. 机械工程与自动化, 2009, 37(1): 198-200. DOI: 198

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大模型发展综述：从BERT到Deepseek的技术演进

基于反向体偏置的高增益稳定性高温运放设计

注意力机制与改进密集卷积引导的信息隐藏模型

一种用于极低压boost系统的高效率电荷泵

面向处理器分支预测单元的Spectre攻击轻量化防御方法