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。

图像局部特征学习（笔记1之SUSAN角点检测）相关推荐

学习笔记 2.1 — Harris角点检测与特征匹配【含实例】
一. 图像特征匹配最近刚入门了计算机视觉这门课程,觉得非常有意思,想象一下如果你能够自己做出一款全景拍照的软件,真实地令人激动,当然这全景图像其中的原理就是图像的特征匹配,把不同的图片通过相同的局部 ...
【OpenCV 学习笔记】第二十章: 角点检测之：harris算法以及Shi-Tomasi算法
第二十章: 角点检测之:harris算法以及Shi-Tomasi算法一张图像,我们可以用很多方法去处理它,就会得到很多不同的特征.比如基于梯度方法我们就能得到图像的边缘特征:比如基于直方图我们就得到 ...
《opencv学习笔记》-- 亚像素角点检测
亚像素级角点检测的位置在摄像机标定.跟踪并重建摄像机的轨迹,或者重建被跟踪目标的三维结构时,是一个基本的测测量值. 将所求得的角点位置精确到亚像素级精度 .一个向量和与其正交的向量的点积为0,角点则满 ...
SUSAN角点检测与匹配算法代码(OpenCV)
SUSAN角点检测与匹配算法测试环境Ubuntu+OpenCV2.4.3 SUSAN角点检测代码 SUSAN(Small univalue segment assimilating nucleus) ...
9月6日关键点检测学习笔记——人脸和手部特征点检测
文章目录前言一.干扰因素 1.主动因素 2.固有因素二.特征点检测 1.PFLD 2.LLCV 三.人脸比对 1.人脸 1:1 2.人脸 1:n 3.人脸 1:N 4.人脸 M:N 四.高清分辨 ...
susan角点检测算法
SUSAN算法是1997年牛津大学的Smith等人提出的一种处理灰度图像的方法,它主要是用来计算图像中的角点特征.SUSAN算法选用圆形模板(如图1所示).将位于圆形窗口模板中心等待检测的像素点称为核 ...
SUSAN角点检测算法实现(详细版)
前言无一.SUSAN算子是什么? SUSAN ( Small univalue segment assimilating nucleus) 算子是一种基于灰度的特征点获取方法, 适用于图像中边缘和 ...
SUSAN角点检测算法，及其Matlab实现
1.SUSAN角点检测算法步骤 (1)在图像上放置一个37个像素的圆形模板,模板在图像上滑动,依次比较模板内各个像素点的灰度与模板核的灰度,判断是否属于USAN区域.判别函数如下: 其中,r⃗0{{\ ...
基于光强的角点检测（SUSAN角点检测、FAST角点检测、FAST-ER角点检测）
Corner Feature Detector(Intensity-Based) 基于光强比较的角点检测,直接比较光强(像素灰度值),而不计算梯度.所以实时性更好,所需的存储空间更小. SUSAN 角 ...

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）

图像局部特征学习（笔记1之SUSAN角点检测）相关推荐

最新文章

热门文章