哈里斯边角侦测

✍ dations ◷ 2025-10-15 13:45:05 #影像科技

哈里斯边角侦测(Harris Corner Detector)是被广泛运用在电脑视觉的算法,主要是用于从影像中找出代表边角的特征点。最早是由Chris Harris 和Mike Stephens在1988年所提出,在当时是莫拉维克边角侦测器的改进版本。与 莫拉维克边角侦测器相比,不是对局部小块区域作45度角移动,而是考量了方向性值直接算出边角的微分值,这个方法在当时已被证明可以更准确地去分辨出边角。自从哈里斯边角侦测器被提出后,后续有很多算法试着去改良它,而这类的算法也在很多影像处理的应用上被采用作为前处理。

角落的概念就是它相邻的区域有两条截然不同方向的边,换句话说,角落也是两条边的接点,而这条边的附近有剧烈的亮度变化。边角是影像重要的特征,基本上边角的特性不会受到旋转、平移以及影像亮度的影响。虽然边角只是一张影像中的一小部分,但是通常却代表着一张影像中最重要的特征,因为它们的资讯相较于整张影像,富有代表性且可以被应用在影像接合,动作追踪,建立二维马赛克,立体视觉,以及相关的电脑视觉领域。

为了找出影像中的边角,科学家们提出了很多不同种的边角测试器包含Kanade-Lucas-Tomasi (KLT) 算子,哈里斯算子是其中最简单,有效,及可信赖的方法。这两种受欢迎的方法均是以局部结构矩阵来当作基础,相较于Kanade-Lucas-Tomasi (KLT)边角侦测,就算影像经过旋转或者是亮度的调整,哈里斯边角侦测具有良好的结果重现性,因此,它更被常使用在立体匹配及影像数据库检索。虽然仍有不少的缺点及限制,哈里斯边角侦测依在电脑视觉的应用中然是相当重要且基础的技术。

I ( x + Δ x , y + Δ y ) {\displaystyle I(x+\Delta x,y+\Delta y)} 可以用泰勒展开去近似,以 I x {\displaystyle I_{x}} I y {\displaystyle I_{y}} 分别代表 I {\displaystyle I} 在x及y方向的偏微分,于是我们可以近似成

一般而言,哈里斯边角侦测算法可以分成下列几个步骤:

如果输入是一张彩色影像,第一步便是转换成灰阶影像,可以加快处理速度

第二步是计算整张图的 I x ( x , y ) , I y ( x , y ) {\displaystyle I_{x}(x,y),I_{y}(x,y)}

有了 I x ( x , y ) , I y ( x , y ) {\displaystyle I_{x}(x,y),I_{y}(x,y)} 的资讯后,我们便可以建构结构张量 M {\displaystyle M}

在这一步,我们会运用下列的近似的式子来计算结构张量矩阵的最小的特征值:

λ m i n λ 1 λ 2 ( λ 1 + λ 2 ) = d e t ( M ) t r a c e ( M ) {\displaystyle \lambda _{min}\approx {\frac {\lambda _{1}\lambda _{2}}{(\lambda _{1}+\lambda _{2})}}={\frac {det(M)}{trace(M)}}}

t r a c e ( M ) = m 11 + m 22 {\displaystyle trace(M)=m_{11}+m_{22}}

另外一种常见的哈里斯响应是

R = d e t ( M ) k ( t r a c e ( M ) ) 2 = λ 1 λ 2 k ( λ 1 + λ 2 ) 2 {\displaystyle R=det(M)-k(trace(M))^{2}=\lambda _{1}\lambda _{2}-k(\lambda _{1}+\lambda _{2})^{2}}

而k是一个由经验所订出来的常数, k {\displaystyle k\in }

由于只靠前面的步骤选出的特征点很可能会在一小块区域有很多个,我们希望能在局部区域选出值最大的,因此会设定各个拥有局部最大值的特征点的距离不能太接近,如此便可以有效选出比较分散在整张图的特征点。

1. 哈里斯-拉普拉斯边角侦测

2. Differential Morphological Decomposition Based Corner Detector

3. Multi-scale Bilatera Structure Tensor Based Corner Detector

1. 影像对齐,影像缝合,影像配准

2. 建立二维马赛克

3. 三维场景建模及重建

4. 动作侦测

5. 物体识别

6. 基于内容的影像检索

7. 影片追踪

引用错误:在<references>标签中name属性为“harris2”的参考文献没有在文中使用
引用错误:在<references>标签中name属性为“dey2”的参考文献没有在文中使用
引用错误:在<references>标签中name属性为“derpanis2”的参考文献没有在文中使用

相关

  • ST时段上升ST段上升(ST elevations)描述的是心电图中ST节段较基准线异常上升的征象。若肢导极在J点(英语:J-point)后0.04秒的基准线上升大于 0.1 mV (一小格),或胸前导程基准线上升大于 0.2 mV
  • 浏览器网页浏览器(英语:Web Browser,常简称为浏览器)是一种用于检索并展示万维网信息资源的应用程序。这些信息资源可为网页、图片、影音或其他内容,它们由统一资源标志符标识。信息资
  • 圣斯德望堂圣斯德望堂(Saint-Étienne-du-Mont)是法国巴黎第五区的一座天主教堂,位于圣女日南斐法山,靠近先贤祠,内有巴黎的主保圣人圣女日南斐法的圣骨匣。布莱士·帕斯卡、让·拉辛和让-
  • 303年
  • 1097年重要事件及趋势重要人物
  • 逗点؋ ​₳ ​ ฿ ​₿ ​ ₵ ​¢ ​₡ ​₢(英语:Brazilian cruzeiro) ​ $ ​₫ ​₯ ​֏ ​ ₠ ​€ ​ ƒ(英语:Florin sign) ​₣ ​ ₲ ​ ₴(英语:Hryvnia sign) ​ ₭ ​ ₺
  • SOsubx/sub硫氧化物是由硫和氧组成的化合物,如:SO, SO2, SO3, S7O2, S6O2, S2O2,等等。硫氧化物(SOx)可代表以下所有化合物:
  • 双子座11号双子座11号(Gemini XI)是双子座计划中的第九次载人飞行任务,也是美国的第十七次太空任务(包括飞行高度超过100千米的X-15任务)。替补成员同样接受任务训练,在主力成员因各种原因无
  • 兰顿·当奴云兰登·蒂莫西·多诺万(英语:Landon Timothy Donovan,1982年12月4日-),美国已退役职业足球运动员,司职前锋,目前担任圣迭戈忠诚(英语:San Diego Loyal SC)教练,他是美国国家足球队进球最
  • 上海上海河流列表,列举全部或部分在上海市境内的河流,并依照流域排列;支流则由河口至源头排序。