一种对FAST角点算法加强鲁棒性改进的M—FAST算法

张秋豪+张徐杰

【摘 要】基于快速的FAST算法，提出一种M-FAST角点算法，即首先使用直方图均衡化方法对图像进行增强，提高图像成分的清晰度并消除图像中光照强度的影响，其次用Mallat小波算法对图像进行去噪处理，加强图像的抗噪性，最后再使用FAST进行角点检测。通过实验对比，证明比原FAST算法更具鲁棒性和抗噪性。

【关键词】FAST算法；角点检测；Mallat；图像增强处理；去噪音

0 引言

在机器人视觉中，需要对目标进行识别跟踪与做图像的特征匹配的工作，对于图像的角点检测是这些工作的基础。角点是图像中具有旋转不变性和特征稳定性好的局部特征点。要提高角点的实用价值，就要提高角点对光照变化，尺度变化，透视变换及噪声的鲁棒性和可重复性，最重要的是具有快速性，能够适应图像处理的实时性。

2006年，由Rosten和Drummond提出一种简单快速的角点算法，加速分割检测特征（feature from accelerated segment test）算法，通过该算法可以快速的确定出角点，可以应用于实时视频处理，但其旋转不变性，鲁棒性，光照不变性差。本文提出一种增强光照不变性和鲁棒性的M-FAST算法。首先，对图像进行增强处理，改善图像的视觉效果，提高图像成分的清晰度；其次，用Mallat去噪算法对图像进行去噪处理增强图像的抗噪性。

2 图像去噪Mallat算子

在给定一个多分变率分析及其对应的尺寸函数？渍（t）和一个正交二进小波函数？鬃（t）的条件下，Mallat给出了某一函数f（t）的二进小波分解与重构的快速算法，即Mallat算法。

图像小波分解与重构过程图如图2所示：

Mallat去噪作用如图3所示左图为原图，右图为去噪后图像。

3 FAST算子

快速角点检测算法Fast算子（feature from accelerated segment test）是2006年由Rosten和Drummond提出。

在像素点的周围邻域内有足够多的像素点与该点处于不同的灰度区域，则确定该点为一个Fast角点。在灰度图像中，也就是有足够多的像素点的灰度值大于该点的灰度值或者小于该点的灰度值。在对图像进行角点检测时，考虑图像中任何一个像素点和以这个像素点为中心的一个区域，通常，选择一个半径为3的离散化的Bresenham圆的圆形区域。如图4所示。

如图4所示，设p为角点候选点，通过p周围编号（下转第228页）（上接第185页）为1-16的像素值来判p是否为角点。假设这16个像素值中有连续n个像素点满足下式：

N= I（x）-I（p）>？着d

I（x）表示连续的n个像素点的灰度值，I（p）表示p点的灰度值，？着d为给定的一个极小阈值。如果N大于一个给定的阈值，则可以确定该候选点为角点。通常阈值选为12。

4 结论

本文基于Fast快速角点检测算法，通过前期对图像进行加强与去噪提出一直M-Fast角点算法，能增强Fast算法的抗噪能力，获取角点时能取得更好的效果。如图5所示，上图为原方法获取角点的效果，下图为改进后的方法获取的角点的效果。

【参考文献】

[1]谢杰成，张大力，徐文力.小波图像去噪综述[J].中国图像图形学报，006-8961（2002）03-0209-09.

[2]燕鹏，安如.基于FAST改进的快速角点探测算法[J].红外与激光工程.

[3]梁艳菊，李庆，陈大鹏，颜学究.一种快速鲁棒的LOG-FAST角点算法[J].计算机科学.

[责任编辑：王楠]