基于自适应非最大抑制的Harris角点检测算法

Ｖａｌｌｉｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　・２６７・　基于自适应非最大抑制的Ｈａｒｒｉｓ角点检测算法　Ｔｈｅ　Ｈａｒｒｉｓ　Ｃｏｒｎｅｒｓ　Ｄｅｔｅｃｔｉｏｎ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ｓｅｌｆ－ａｄａｐｔｉｎｇ　Ｎｏｎ－ｍａｘｉｍａｌ　Ｓｕｐｐｅｒｓｓｉｏｎ　Ａｌｇｏｒｉｔｈｍ　王瑞ＷＡＮＧ　Ｒｕｉ；张波ＺＨＡＮＧ　Ｂｏ　（装甲兵工程学院控制工程系，北京１０００７２）　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ａｃａｄｅｍｙ　ｏｆ　Ａｒｍｏｒｅｄ　Ｆｏｒｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ　１０００７２，Ｃｈｉｎａ）　摘要：本文提出一种基于自适应非最大抑制策略的Ｈａｒｒｉｓ角点检测算法；算法从角点响应函数的局部极大值入手，计算图像中　每个像素点的局部极大值通过设置抑制半径与角点响应函数的局部最大值关联最终获取角点。实验表明，该算法检测出的角点均匀　分布，提高了检测角点的准确性，算法能够应用于图像特征匹配、运动估计等方面。　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ａｌｇｏｒｉｔｈｍ’Ｓ　ｄｅｔｅｃｔｉｏｎ　ｒｅｓｕｌｔ　ｉｓ　ｎｏｔ　ｉｄｅａ１．ＳＯ　Ｈａｒｒｉｓ　ｃｏｍｅｒ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　Ｏｉｌ　ｓｅｌｆ—ａｄａｐｔｉｎｇ　ｎｏｎ—　ｍａｘｉｍａｌ　ｓｕｐｐｒｅｓｓｉｏｎ　ｓｔｒａｔｅｇｙ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｄｅｔｅｃｔｓ　ｔｈｅ　ｐｉｘｅｌｓ　ｗｈｉｃｈ　ｃｏｒｎｅｒ　ｒｅｓｐｏｎｓｅ　ｆｕｎｃｔｉｏｎ　ｉｓ　ｌｏｃａｌ　ｍａｘｉｍｕｍ，ｃｏｒｎｅｒｓ　ａｒｅ　ｅｘｔｒａｃｔｅｄ　ｂｙ　ｔｈｅ　ｓｕｐｐｒｅｓｓｉｏｎ　ｒａｄｉｕｓ　ｃｏｎｔｉｎｕｏｕｓｌｙ　ｄｅｃｒｅａｓｉｎｇ．Ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｃｏｍｅｒ　ｃｌｕｓｔｅｒｉｎｇ　ａｎｄ　ｔｈｅ　ｄｉｆｉｃｕｈｙ　ｏｆ　ｔｈｒｅｓｈｏｌｄ　ｓｅｌｅｃｔｉｏｎ　ａｒｅ　ｅｆｆｅｃｔｉｖｅｌｙ　ａｖｏｉｄｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ａｂｌｅ　ｔｏ　ｄｅｔｅｃｔ　ｃｏｒｎｅＩ・ｅｖｅｎｌｙ　ｄｉｓｔｒｉｂｕｔｅｄ，ａｎｄ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｔｈｅ　ｄｅｔｅ．２ｔｉｏｎ　ｉｓ　ａｌｓｏ　ｉｍｐｒｏｖｅｄ．Ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｃｏｕｌｄ　ｂｅ　ｕｓｅｄ　ｆｏｒ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ａｎｄ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ、ｅｌｃ　ｑｕｉｔｅ　ｗｅｌ１．　关键词：Ｈａｒｒｉｓ；角点检测；自适应；非最大抑制　Ｋｅｙ　ｗｏｒｄｓ：Ｈａｒｒｉｓ；ｃｏｒｎｅｒ　ｄｅｔｅｃｔｉｏｎ；ｓｅｌｆ－ａｄａｐｔｉｎｇ；ｎｏｎ－ｍａｘｉｍａｌ　ｓｕｐｐｒｅｓｓｉｏｎ　中图分类号：ＴＰ３９１．４　文献标识码：Ａ　文章编号：１００６—４３　ｌ　１（２０１５）０８—０２６７—０３　０引言　征值，Ｈａｒｒｉｓ角点响应函数为：　地面场景下的目标检测问题一直是研究的难点和重　Ｒ（ｘ，Ｙ）＝ｄｅｔ（Ｍ）一ｋｔｒ２（Ｍ）＝　Ｉ　２一ｋ（入ｌ＋　２）　（３）　点，由于目标所处的环境和人为方面的因素，导致采用一　式中，ｋ为常数，常取为ｋ＝０．０４。　般的检测算法效果不够理想。目标检测通过提取感兴趣的　如果一个像素点的是角点，则被认为是局部范围内的　目标特征进行轮廓提取、特征匹配、目标跟踪等研究。角点　极大值所对应的像素点：Ｒ（ｘ，ｖ）＞Ｒ　ｘ　，ｖ　）　作为最重要的特征之一，既保留了图像的重要信息又减少　ｘ－１－＜－ｘ　＜－ｘ＋ｌ　ｙ－１　ｙ　Ｇｙ＋ｌ　（４）　了信息的数据量。近年来，基于角点检测的算法被频繁引　当角点判别式Ｒ大干设定阈值则为Ｈａｒｒｉｓ特征点，　入到检测算法中ｆｉ＿３Ｊ，其中Ｈａｒｒｉｓ算法的检测效果较其他算　即：Ｒ（ｘ，Ｙ）＞Ｔ　（５）　法效果好，应用广泛。Ｈａｒｒｉｓ角点检测算法的基本思想是　式中（Ｘ，Ｙ）为角点。　通过构建自相关矩阵得到图像上灰度信号具有明显变化　２自适应非最大抑制　的像素点，计算自相关矩阵的特征值即可得到角点　。　定义局部最大值为，应满足如下条件：　Ｈａｒｒｉｓ角点检测算法必须给出阈值才能提取角点，～般方　Ｒ（Ｘ，Ｙ）　。Ｒ（ｘ，Ｙ）　（６）　法的阈值选取对图像的属性依赖性大，同时计算复杂不容　式中Ｒ（ｘ，Ｙ）　为响应函数的局部最大值，Ｒ（ｘ，Ｙ）　为　易满足实时性要求。如何在Ｈａｒｒｉｓ算法的框架下设计一种　局部范围内的响应函数值，（ｘ，Ｙ）　是局部最大值的像素　提取角点策略是实现检测的重要因素，本文设计了新的自　点，（Ｘ，Ｙ　ｓ是邻域内的任意一像素点。　适应非最大抑制算法提取理想的角点。　将角点响应函数的局部最大值进行比较排序比较，建　１　Ｈａｒｒｉｓ算法原理　角点是指二维图像边界曲率变化明显的点　，即图像　立响应矩阵和坐标矩阵，分别记录局部最大值和响应坐　标，比较得到全局最大值Ｒ（ｘ，Ｙ）．　。至此，图像中各个区　灰度在多个方向急剧变化的点。Ｈａｒｉｒｓ角点检测算法是在　Ｍｏｒａｖｅｃ算法基础上发展起来的，通过计算一个窗口内图　域的角点均已被检测出来并记录下来。但此时很可能出现　一像灰度的变化量将特征点和非特征点分离，算法采用微分　个角点的领域范围内存在其他角点，即“聚簇”。　算：　和自相关矩阵作为角点检测算子：　设置抑制半径ｒ与局部最大值Ｒ（ｘ，Ｙ）　相关联，进行　如下判断：在该邻域范围内的局部最大值是否为抑制半径　ｒ　Ｔ２，、　Ｔ，…、］　Ｍ（ｘ，ｙ）＝＝∑（ｔ）（ｘ，Ｙ）Ｉ　，　：　‘　、　ｘ　Ｘ　），ｌｙ、（　　ｌ（１范围内的最大值。即：　　’ｌ　ｌ　Ｉ　Ｊｌｙｌ　Ｘ　Ｊ　ｌｙ　ｌ　ｘ　Ｊ　Ｊ　）　Ｒ（ｘ，ｙ）ｉ＞Ｒ（Ｘ，ｙ）　（７）　（１）式中，Ｉ　和Ｉ　分别为ｘ，Ｙ方向的偏导数，反映了图　（ｘ，Ｙ）　∈（ｘ，Ｙ）ｉ±ｒ　像　在每个像素点的灰度变化方向；ｃ０（ｘ，Ｙ）为高斯窗函数，　式中，Ｒ（ｘ，Ｙ）．为局部最大值，Ｒ（ｘ，Ｙ）；为抑制半径内　通过平滑后对噪声有一定的抑制作用。即：　的最大值。若满足公式（７）的条件，则将该点确定为“新角　（１）（ｘ，Ｙ）＝ｇ（ｘ，Ｙ）＝　。ｘｐ（一　～）　（２）　点”。当某一个特征点被确定为“新角点”后，它将一直保留　在该范围内，因为在大的抑制半径内是局部最大值的点，　设入　和　为自相关矩阵的特征值，当自相关矩阵Ｍ　随着抑制半径的减小，该特征点将一直保留在“新角点”范　（ｘ．Ｙ）处于特征点位置时，将同时拥有两个较大的非负特　围内。　‘　作者简介：王瑞（１９９０一），女，山西太原人，硕士研究生，主要研究　由以上分析得到，若（ｘ，Ｙ）　为角点，那么该点对应的　方向为目标检测与识别。　最小抑制半径为：ｒ（ｉ）＝ｍｉｎ　ｌ（ｘ，ｙ）。一（ｘ，Ｙ）．Ｉ　（８）　Ｖａｌｕｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　・２６９・　物联网对电子商务的影响研究　Ｔｈｅ　Ｉｎｆｌｕｅｎｃｅ　Ｒｅｓｅａｒｃｈ　ｏｆ　ｔｈｅ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｅ－ｃｏｍｍｅｒｃｅ　ｕｎｄｅｒ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ　谭前进①ＴＡＮ　Ｑｉａｎ－ｊｉｎ；蔡增玉②ＣＡＩ　Ｚｅｎｇ－ｙｕ　（①大连海洋大学经济管理学院，大连１１６０２３；②郑州轻工业学院计算机与通信工程学院，郑州４５０００２）　（＠Ｅｃｏｎｏｍｉｃ　Ｍａｎａｇｅｍｅｎｔ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　ＤａＬｉａｎ　Ｏｃｅａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ　１　１６０２３，Ｃｈｉｎａ；　＠Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｎｇｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｌｉｇｈｔ　Ｉｎｄｕｓｔｒｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００２，Ｃｈｉｎａ）　摘要：互联网的迅猛发展改变了传统的交易模式，催生了电子商务。但电子商务在给消费者和经营者带来便利的同时，也引发了　大量的问题，物联网的出现，使解决这些问题变成了可能。本文分析了物联网对电子商务的产品质量监控、供应链管理、物流服务质量　以及税务问题的影响，对物联网在电子商务中的的应用，提出了大胆的理论假设：物联网将会促进电子商务的健康快速发展，并在全　球范围内实现资源与技术的优化配置。　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｒａｐｉｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ　ｈａｓ　ｃｈａｎｇｅｄ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｗａｙ　ｏｆ　ｔｒａｄｉｎｇ．ａｎｄ　ｇｉｖｅｎ　ｂｉｒｔｈ　ｔｏ　ｅ—ｃｏｍｎｌｅｒｅｅ．Ｉｔ　ｂｒｉｎｇｓ　ｇｒｅａｔ　ｃｏｎｖｅｎｉｅｎｃｅ　ｔｏ　ｂｏｔｈ　ｃｏｎｓｕｍｅｒｓ　ａｎｄ　ｏｐｅｒａｔｏｒｓ，ａｎｄ　ｍｅａｎｗｉｈｌｅ　ｔｒｉｇｇｅｒｅｄ　ａ　ｌａｒｇｅ　ｎｕｍｂｅｒ　ｏｆ　ｉｓｓｕｅｓ．Ｉｔ　ａｎａｌｙｓｅｓ　ｔｈｅ　ｉｎｆｌｕｅｎｃｅｓ　ｗｈｉｃｈ　ｔｈｅ　ｉｎｔｅｒａｃｔ　ｏｆ　ｔｈｉｎｇｓ　００３０　ｂｒｉｎｇｓ　ｔｏ　ｔｈｅ　ｅ－ｃｏｍｍｅｒｃｅ，ｔｈｏｓｅ　ａｒｅ　ｔｈｅ　ｐｒｏｄｕｃｔ　ｑｕａｌｉｔｙ　ｍｏｎｉｏｒｔｉｎｇ，ｓｕｐｐｌｙ　ｃｈａｉｎ　ｍａｎａｇｅｍｅｎｔ，ｌｏｇｉｓｔｉｃｓ　ｓｅｒｖｉｃｅ　ａｎｄ　ｔａｘ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｔｈｅ　ｅ－ｃｏｍｍｅｒｃｅ．Ｉｔ　ｐｕｔｓ　ｆｏｒｗａｒｄ　ｔｈｅ　ｔｈｅｏｒｅｔｉｃａｌ　ｈｙｐｏｔｈｅｓｉｓ　ｆｏｒ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｌＯＴ　ｔｏ　ｔｈｅ　ｅ—ｃｏｍｍｅｒｃｅ．ｔｈａｔ　ｉｓ　ＩＯＴ　ｗｉｌｌ　ｐｒｏｍｏｔｅ　ｔｈｅ　ｅ—ｃｏｍｍｅｒｃｅ　ｔｏ　ａ　ｎｅｗ　ｓｔｅｐ，ａｎｄ　ｕｌｔｉｍａｔｅｌｙ　ｐｒｏｍｏｔｅ　ｔｈｅ　ｈｅａｌｔｈｙ　ａｎｄ　ｒａｐｉｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　ｅ—ｃｏｍｍｅｒｃｅ，ａｎｄ　ｏｐｔｉｍｉｚｅ　ｔｈｅ　ａｌｌｏｃａｔｉｏｎ　ｏｆ　ｇｌｏｂａｌ　ｒｅｓｏｕｒｃｅｓ　ａｎｄ　ｔｅｃｈｎｏｌｏｇｙ．　关键词：物联网；电子商务；供应链管理；税收　Ｋｅｙ　ｗｏｒｄｓ：ＩＯＴ；ｅ－ｃｏｍｍｅｒｃｅ；ｓｕｐｐｌｙ　ｃｈａｉｎ；ｔａｘ　ｒｅｖｅｎｕｅ　中图分类号：Ｆ２７２；ＴＰ３９９　文献标识码：Ａ　文章编号：１００６—４３１１（２０１５）０８～０２６９—０２　随着生产的逐渐成为成品，进入市场，成为消费品，ＥＰＣ标　尽管目前物联网的发展尚处于初始阶段，但是其在交　签要记录下产品生产、运输、储存、销售的全过程，这样当　通、医疗、物流、供应链、生产制造、食品等领域的应用将会　消费者购物，尤其是要在网上购物时，只需要查询买家所　非常广泛。它使我们进入一个完全智能化的世界。物联网　提供的产品ＥＰＣ标签，就可了解产品的原料从生产到销　从而决定是否购买。完成了物品的质量监　在电子商务上同样有着多方面的应用，主要表现在：完善　售的全部信息，０引言　彻底解决了物品的质量安全，从而改变了物品信息只　产品质量监控、改善供应链管理、提高物流配送质量、明确　控，有卖家提供买家被动接受的状况，因为这些信息是客观存　电子商务税务等方面将具有十分重要的推动作用。　在的，不以任何人的意志为转移　］。　１完善产品质量监控　目前物联网主要应用于食品安全领域，食品安全工作　基于ＲＦＩＤ技术，产品只要开始进入生产阶段，甚至　可以说是为经济发展、民生保障、社会和谐的基础性工作，　其作为原材料作为产品生产原料时就要嵌入ＥＰＣ标签，　二维码技术的食品溯源系统开始在我国逐步的建立起来，　作者简介：谭前进（１９７９一），男，湖北随州人，大连海洋大学讲师　特别是北京奥运会、上海世博会等大型的活动中更要高度　研究方向为海洋经济、技术经济及管理等。　重视食品安全，建立完善食品流通溯源体系。　可知高斯窗越小，检测的角点数越多，角点中存在漏检和　错检的情况。综合考虑后９ｘ９的高斯窗滤波后提取角点趋　于合理。　算法中应用了高斯函数进行表３原算法与本文算法的检测效果比较　图像　（原算法　１）　改进算法　准确角点数　伪角点数　正确率　８５　１Ｏ６　运行时间　２．５ｓ　１．７ｓ　２６　ｌ２　７６％　９０％　表２峰值信噪比分析　｛２）　改进算法　滤波平滑，对实验结果进行对比分　析，将两幅图像的信噪比分析，结　果见表２，通过验证实验的合理　原算法　４５　６２　１０　９　７２％　８８％　２．２ｓ　１．８ｓ　２００６，２３（１０）：１７一ｌ９．　【２］房超，王小鹏，牛云鹏，等．基于改进Ｈａｒｒｉｓ算法的角点检　性，对实验中的图像检测效果进行计算和分析，如表３所　测【ＪＪ．计算机与数字工程，２０１１，３９（５）：１４２—１４４．　示。经过改进的算法，检测的正确性有了明显的提高，正确　【３］张雷雨，邵永社，韩阳．适于光学遥感图像的角点特征检测　率增加１６％左右，算法运行时间节约了０．８ｓ。　５结论　［４］Ｈａｒｒｉｓ　Ｃ，Ｓｔｅｐｈｅｎｓ　Ｍ　Ｊ．Ａ　ｃｏｍｂｉｎｅｄ　ｃｏｒｎｅｒ　ａｎｄ　ｅｄｇｅ　ｄｅｔｅｃ—　对于复杂场景下的目标检测问题，要求检测算法对场　ｔｏｒ【Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　Ａｌｌｅｙ　Ｖｉｓｉｏｎ　Ｃｏｎｆｅｒｅｎｃｅ．Ｍａｎｃｈ－　景具有很强的适应性，通过对角点响应函数的局部最大值　ｅｓｔｅｒ，Ｅｎｇｌａｎｄ：ＩＥＥＥ，１９８８：１４７—１５１．　算法［Ｊ］．计算机工程与应用，２０１０，４６（２０）：１１０一ｌ１２．　进行排序并设置一个抑制半径，通过逐渐减小半径获取角　ｆ５］Ｍｏｋｈｔａｒｉａｎ　Ｆ，Ｓｕｏｍｅｌａ　Ｒ．Ｒｏｂｕｓｔ　Ｉｍａｇｅ　Ｃｏｒｎｅｒ　Ｄｅｔｅｃｔｉｏｎ　点　极大程度的避免了阈值设置困难和角点“聚簇”。实验　ｔｈｒｏｕｇｈ　Ｃｕｒｖａｔｕｒｅ　Ｓｃａｌｅ　Ｓｐａｃｅ［Ｊ１．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　结果表明本文算法的检测效果更加合理。　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９８，２０（１２）：２５４９—２５５２．　ｆ６１沈士拮，张小龙，衡伟．一种自适应阈值的预筛选Ｈａｒｒｉｓ角　参考文献：　［１】赵文彬，张艳宁．角点检测技术综述［Ｊ］．计算机应用研究，　点检测方法ｆＪ１．数据采集与处理，２０１１，２６（２）：２０７—２１３．