基于Harris算子的图像控制点的提取

【摘要】图像特征是图像显著的基本特征或特性，分为点、线和面三种。本文以点特征为研究对象，结合图像预处理中的中值滤波法对图像去噪，重点运用Harris算子对图像控制点进行提取。结果表明：在图像预处理的过程中提高了图像的质量，使图像特征提取过程中能提取到一些有用的特征点，但同时也存在一些伪点。所以在今后的研究中，主要是针对伪点进行研究，争取得到一种较好的剔除伪点的方法。

【关键词】特征点；中值滤波；Harris算子；图像预处理；伪点

中图分类号：TN957文献标识码： A

一、绪论

1.1 研究的背景

在现实世界中图像作为信息的一种载体，具有包含信息量大、直观、易理解等优点，是人们感知外部世界的最主要载体，人们的生活和工作已经离不开图像。而人们为了获得自己需要的图像信息，需要利用计算机对图像进行处理，处理有两个目的：一是产生更适合人们认识、观察和使用的图像；二是希望利用计算机能自动的识别和理解图像。无论是哪一种目的，图像处理关键的一步是对包含大量的各种信息的图像进行分解。分解的最终结果是图像被分解成一些具有某种特征的单元，这些单元称为图像基元[1]。

1.2 国内外研究现状

图像特征可分为点、线、面三种。

点特征是图像最基本的特征，它是指那些灰度信号在二维方向上都有明显变化的点。近年来，人们在点特征提取方面，已经提出了一系列不同的点特征提取算子。

线特征是图像中明显的线段特征，常用的线特征提取算子有差分算子、方向差分算子和小波算子等。

面特征是将图像中比较明显的区域信息作为特征，是最近图像特征研究的热点。

二、图像的预处理

在图像获取的过程中，不可避免的会在图像中形成噪声，因此在图像预处理的过程中要对图像进行噪声处理操作。

2.1 图像中的噪声

一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输中产生，也可能在量化等处理中产生。一般来说，噪声在图像中都表现为高频信号，因此一般的滤波器都是通过减弱或者消除傅立叶空间中的高频分量来达到滤波的目的。因此，如何在滤除噪声的同时，最大限度地保留图像中的结构，一直是图像滤波研究中的重要方向。

噪声对图像的输入、采集和处理的各种环节，以及输出结果的全过程都有影响。因此，去噪已经成为图像处理中极其重要的手段，也是图像处理领域研究的一个重点。

2.2 图像的平滑

为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。所以图像平滑主要是为了消除被污染图像中的噪声，这是图像处理研究的最基本内容之一，被广泛应用于图像显示、传输、分析、动画制作、媒体合成等多个方面。对图像噪声处理的方法很多，如邻域平均法、加权平均法、选择式掩模平滑法、均值法和中值滤波法等来消除图像噪声。而本文主要采用中值滤波法来消除图像噪声。

2.2.1 中值滤波

基础原理：中值滤波[2]是由Tukey首先提出的一种典型的非线性滤波技术，是将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值，以达到去尖锐“噪声”和平滑图像目的的。邻域中亮度的中值不受个别噪声的影响，因此中值滤波相当好的消除了冲激噪声。它在一定的条件下可以克服线性滤波器如最小均方滤波、均值滤波等带来的图像特征模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效。由于在实际运算过程中不需要图像统计特征，因此使用方便。

三、点特征提取算子的研究

点特征是影像最基本的特征，是二维图像亮度变化剧烈或图像边缘曲线上曲率极大值的点，它决定了目标的轮廓特征[3]。使用点特征进行处理，可以减少参与计算的数据量，同时又不损害图像的重要灰度信息，在匹配运算中能够较大的提高匹配速度，因而受到人们的关注。

3.1点特征提取方法

最常用的点特征提取算子到目前为止有五种，分别是：Moravec 算子， Forstner 算子，Harris算子，SUSAN 算子和SIFT算子。通过对各种算子性能的比较，结果表明Harris算子是一种有效的点特征提取算子，其优点总结起来有：

① 计算简单:Harris算子中只用到灰度的一阶差分以及滤波，操作简单。② 提取的点特征均匀而且合理:Harris算子对图像中的每个点都计算其兴趣值，然后在邻域中选择最优点。③ 可以定量的提取特征点:Harris算子最后一步是对所有的局部极值点进行排序，所以可以根据需要提取一定数量的最优点。④ 稳定: 因为计算公式中只涉及到一阶导数，而且不涉及阈值，即使存在有图像的旋转，灰度的变化，噪音影响和视点的变换，它也是最稳定的一种点特征提取算子。

3.2 Harris算子

3.2.1 Harris算子算法思想

Harris算子[4]是C.Harris和M.J.Stephens在1988年提出的一种基于信号的点特征提取算子，它继承了Moravec算子的思想精髓，并作出了重要的改进。C.Schmid等[5]报道，Harris算子特征点提取方法是目前效果最好的，它不受摄像机姿态及光照的影响。这种算子受信号处理中自相关函数的启发,给出与自相关函数相联系的矩阵M。M阵的特征值是自相关函数的一阶曲率,如果两个曲率值都高,那么就认为该点是点特征[6]。其原理是将所处理的图像窗口 w(一般为矩形区域)向任意方向移动微小位移(x, y)。

四、结论

通过以上实验可以看出，Harris算子具有良好的检测完整性，可以检测到并提取绝大多数图像特征点。同时可以看出Harris算子偏向于处理比较规则的图形图像，如几何图形图像，特别是特征点比较明显的图像，提取的效果会比较好。同时它计算简单，稳定性强。

然而，Harris算子提取特征点也有不足之处。其缺点是Harris算子虽然能提取出一定数量的特征点，而且这些特征点都是图像局部范围内的最优点特征，但同时也提取出了一些伪点，这些特征点不是我们所需要提取的特征点。

所以在今后的研究中，主要是针对伪点进行研究，对Harris算子进一步研究探讨，争取得到一种较好的剔除伪点的算子和方法，以便得到更加精确的图像。

参考文献

[1]马颂德, 张正友.计算机视觉—计算理论与算法基础[M]. 北京: 科学出版社, 1998.

[2] 苏金明,王永利.MATLAB图形图像,电子工业出版社,2005年.

[3]赵文彬,张艳宁.角点检测技术综述[J].计算机应用研究,2006,23（10）:17—19.

[4] C.Harris and M.Stephens.A Combined Comer and Edge Detector[C].Proceedings of 4th Alvey Vision Conference,Manchester,1998年.

[5] Schimid C , Mohr R , Bauckhage C. Evaluation of interest point detectors [J ].International Journal of Computer Vision , 2000 , 37 (2) : 151 172.

[6]魏佳,图像Harris特征点提取算法的研究[J].电脑知识与技术,2010,6（32）:9089—9090.

作者简介：李虎 （1987-）男，汉族，山东菏泽人，长安大学地质工程与测绘学院，地图制图学与地理信息工程，2011级硕士研究生。