基于自適應(yīng)閾值的FAST特征點提取算法

丁尤蓉，王敬東，邱玉嬌，俞海波

(南京航空航天大學自動化學院，江蘇 南京 210016)

數(shù)字圖像處理領(lǐng)域中，特征點是圖像非常重要的一個局部特征，它集中了圖像中很多的形狀信息，反映的是二維圖像上亮度變化劇烈的點或圖像邊緣曲線上曲率極大值的點［1］等。所以特征點提取在目標識別、圖像匹配、圖像重構(gòu)方面等領(lǐng)域有著廣泛的應(yīng)用。

特征點提取的方法有很多種，如Plessey提取算子和SUSAN提取算子等。最近幾年在這些經(jīng)典的特征點基礎(chǔ)之上，出現(xiàn)了大量新的算法，并且算法研究也很火熱，如2004年Lowe［2］提出了尺度變換不變特征提取算子，2006年Bay等人提出了SURF［3］提取算子。本文對其中較新的FAST(Features from Accelerated Segment Test)特征點提取算法進行了深入研究與分析。FAST算法［4］是一種簡單快速的特征點提取算法，在2008年至2010年期間由 Edward Rosten，Reid Porter和 Tom Drummond提出的一種新式特征點檢測算法。FAST算子由于快速性被廣泛應(yīng)用于實時系統(tǒng)中，但也存在著一些缺陷。由于圖像中存在陰影和照度不均勻等因素，導(dǎo)致圖像各處的對比度不同時，F(xiàn)AST算法的穩(wěn)定性不高，適應(yīng)能力差，并且提取的結(jié)果會出現(xiàn)多個特征點塊［4］。針對這些缺陷本文對算法進行了改進，采用了動態(tài)全局閾值和動態(tài)局部閾值的方法來增強算法的穩(wěn)定性和適應(yīng)能力，并采用非極大值抑制法達到抑制多個特征點塊的目的。實驗表明，改進后的FAST算法效果顯著。

1 優(yōu)化的FAST特征點提取算法

1.1 FAST特征點提取算法

FAST算法檢測的特征點定義為在像素點的周圍鄰域內(nèi)有足夠多的像素點與該點處于不同的灰度區(qū)域［4-6］，即有足夠多的像素點的灰度值大于或者小于該點的灰度值。……