改進(jìn)的Harris方法在交通事故現(xiàn)場(chǎng)圖像拼中的應(yīng)用

曲天偉　陳曉丹　曹雪棟　陳桂蘭　楊澤雪

摘 要：為了滿足交通事故現(xiàn)場(chǎng)圖像拼接時(shí)效性高的要求，本文提出了一種改進(jìn)了Harris算法快速提取圖像角點(diǎn)的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點(diǎn)，保留候選角點(diǎn)，然后對(duì)候選角點(diǎn)采用Harris算法進(jìn)行進(jìn)一步的角點(diǎn)檢測(cè)，確定最后的角點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的方法不但能合理地檢測(cè)出角點(diǎn)，還能大大提高角點(diǎn)檢測(cè)速度，為交通事故現(xiàn)場(chǎng)圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場(chǎng)；圖像拼接

中圖分類號(hào)： TP391 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場(chǎng)，最大限度保全現(xiàn)場(chǎng)信息是一個(gè)亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場(chǎng)采集的圖像進(jìn)行校正和拼接來(lái)消除圖像畸變獲得一個(gè)場(chǎng)景更廣、信息更全的事故現(xiàn)場(chǎng)全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對(duì)交通事故現(xiàn)場(chǎng)復(fù)雜零亂和交通事故處理快速的特點(diǎn)，采用改進(jìn)的Harris角點(diǎn)提取算法精確快速地提取角點(diǎn)并匹配，將工作的核心放在角點(diǎn)的正確提取和匹配上，這樣就降低了求解變換矩陣時(shí)錯(cuò)誤匹配點(diǎn)對(duì)參與計(jì)算的概率，放松了對(duì)變換矩陣參數(shù)估計(jì)算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點(diǎn)提?。–orners detectionbased on Harris）

Harris角點(diǎn)提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點(diǎn)提取方法[2]。Harris算法具有較高的點(diǎn)重復(fù)度和較低的誤檢率，精度可達(dá)亞像素級(jí)。不足之處是對(duì)于復(fù)雜場(chǎng)景圖片檢測(cè)時(shí)運(yùn)算量超大，對(duì)于有時(shí)效性要求的圖像處理應(yīng)

用場(chǎng)合原Harris角點(diǎn)提取不滿足實(shí)際需要。

2.1 Harris角點(diǎn)檢測(cè)方法簡(jiǎn)介

Harris角點(diǎn)檢測(cè)方法描述為：使用水平、垂直梯度算子進(jìn)行逐個(gè)像素的濾波，再求得M中四個(gè)元素值。然后，對(duì)M中元素進(jìn)行高斯平滑濾波求得新的M。再使用式（2）計(jì)逐個(gè)算像素點(diǎn)的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點(diǎn)被認(rèn)為是角點(diǎn)。

通過(guò)描述可知，對(duì)于圖像中每個(gè)像素點(diǎn)都算其水平和垂直梯度，再進(jìn)行高斯平滑濾波，然后計(jì)算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會(huì)加大運(yùn)算量，導(dǎo)致時(shí)間效率降低。為此，本文采用預(yù)檢的方法改進(jìn)Harris算法。

2.2 改進(jìn)算法原理及算法描述

原Harris角點(diǎn)算法提取圖像中點(diǎn)時(shí)，對(duì)圖像中像素點(diǎn)逐一進(jìn)行2.1中步驟（1）至步驟（2）的運(yùn)算來(lái)判斷其是否為角點(diǎn)，而圖像中一些點(diǎn)的R值雖是局部鄰域中的最大值，但也非真正的角點(diǎn)。大量的偽角點(diǎn)參與運(yùn)算將增加不必要的運(yùn)算量。本文將在角點(diǎn)提取前使用預(yù)檢的方法，將大量的偽角點(diǎn)，如邊緣點(diǎn)、噪聲點(diǎn)、背景點(diǎn)等排除加快角點(diǎn)的提取速度。具體的做法如下：

在圖像非角點(diǎn)附近，像素間灰度值相差小，而在角點(diǎn)附近，像素間灰度值差距非常大。由此，可以設(shè)定一個(gè)灰度差值dif，當(dāng)兩個(gè)像素間差值小于dif時(shí)，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計(jì)算窗口內(nèi)每個(gè)點(diǎn)與中心點(diǎn)像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計(jì)數(shù)一次，預(yù)檢窗口內(nèi)的每個(gè)點(diǎn)均與中心點(diǎn)做灰度差值計(jì)算，并更新變量counts值?？紤]兩種極端情況：其一，當(dāng)窗口內(nèi)所有點(diǎn)都與中心點(diǎn)相近時(shí)，counts的值為最大，即為8。其二，當(dāng)窗口中所有點(diǎn)灰度值均不與中心點(diǎn)相近時(shí)，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個(gè)區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點(diǎn)像素為r，模版內(nèi)除中心點(diǎn)外任一點(diǎn)像素為i，則中心點(diǎn)counts值計(jì)算公式如式（3）所示。

改進(jìn)后的Harris算法描述為：

Step1 角點(diǎn)預(yù)檢：對(duì)圖像上的每個(gè)像素點(diǎn)以3×3預(yù)檢窗口大小按照式（3）來(lái)計(jì)算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點(diǎn)：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點(diǎn)為候選角點(diǎn)，同時(shí)將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來(lái)標(biāo)記像素點(diǎn)（i，j）為候選角點(diǎn)。

Step3 計(jì)算梯度矩陣：計(jì)算圖像中所有候選角點(diǎn)的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對(duì)M中的四個(gè)元素進(jìn)行高斯平滑濾波求得新的M。

Step5 計(jì)算候選角點(diǎn)的相應(yīng)函數(shù)值：對(duì)標(biāo)記的候選角點(diǎn)按照式（2）進(jìn)行R值的計(jì)算。

Step6 角點(diǎn)確認(rèn)：候選角點(diǎn)的R值大于給定的閾值T并且該候選角點(diǎn)的R值在其鄰域內(nèi)呈極大特性時(shí)，此候選角點(diǎn)被確定為真角點(diǎn)。

3 實(shí)驗(yàn)結(jié)果（Experimental results）

為了證明改進(jìn)后算法的效果，在MATLAB中進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證本算法的時(shí)效性和有效性。實(shí)驗(yàn)中使用100幅圖像先后用原始Harris算法和本文改進(jìn)的算法來(lái)提取圖像中的角點(diǎn)。分別從角點(diǎn)提取所用時(shí)間、提取的角點(diǎn)數(shù)目?jī)煞矫姹容^兩種算法的性能。表1為從其中任選五幅圖像來(lái)展示改進(jìn)前后算法性能。從中以看出改進(jìn)后提取角點(diǎn)的數(shù)目基本沒有改變，角點(diǎn)檢測(cè)的時(shí)間卻大大減少，提高了角點(diǎn)提取的時(shí)效性。

將本文算法應(yīng)用于待拼接的圖像角點(diǎn)的提取，再進(jìn)行角點(diǎn)歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來(lái)校正圖像，最后進(jìn)行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進(jìn)行提取角點(diǎn)后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對(duì)Harris角點(diǎn)提取算法運(yùn)算量大、時(shí)效性差的問題，提出了一種預(yù)檢的Harris角點(diǎn)檢測(cè)算法。本方法在算法的執(zhí)行效率上進(jìn)行了改進(jìn)。在圖像進(jìn)行Harris角點(diǎn)檢測(cè)前，先進(jìn)行預(yù)檢從而剔出大量的偽角點(diǎn)，只有疑似真角點(diǎn)的少量像素點(diǎn)參與進(jìn)一步的Harris角點(diǎn)判斷。實(shí)驗(yàn)證明改進(jìn)的Harris角點(diǎn)檢測(cè)犯法提高了角點(diǎn)的檢測(cè)速度。并將此方法用于交通事故現(xiàn)場(chǎng)圖像拼接中，取得了很好的實(shí)驗(yàn)拼接效果，并將提高現(xiàn)場(chǎng)圖像數(shù)據(jù)處理的速度，具有很好的實(shí)用性。

參考文獻(xiàn)（References）

[1] 楊陽(yáng)，王民，王稚慧.道路交通現(xiàn)場(chǎng)中改進(jìn)的圖像拼接方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點(diǎn)檢測(cè)理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進(jìn)的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2010（7）：1849-1851.

作者簡(jiǎn)介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計(jì)算機(jī)視覺，軟件工程.endprint

摘 要：為了滿足交通事故現(xiàn)場(chǎng)圖像拼接時(shí)效性高的要求，本文提出了一種改進(jìn)了Harris算法快速提取圖像角點(diǎn)的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點(diǎn)，保留候選角點(diǎn)，然后對(duì)候選角點(diǎn)采用Harris算法進(jìn)行進(jìn)一步的角點(diǎn)檢測(cè)，確定最后的角點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的方法不但能合理地檢測(cè)出角點(diǎn)，還能大大提高角點(diǎn)檢測(cè)速度，為交通事故現(xiàn)場(chǎng)圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場(chǎng)；圖像拼接

中圖分類號(hào)： TP391 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場(chǎng)，最大限度保全現(xiàn)場(chǎng)信息是一個(gè)亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場(chǎng)采集的圖像進(jìn)行校正和拼接來(lái)消除圖像畸變獲得一個(gè)場(chǎng)景更廣、信息更全的事故現(xiàn)場(chǎng)全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對(duì)交通事故現(xiàn)場(chǎng)復(fù)雜零亂和交通事故處理快速的特點(diǎn)，采用改進(jìn)的Harris角點(diǎn)提取算法精確快速地提取角點(diǎn)并匹配，將工作的核心放在角點(diǎn)的正確提取和匹配上，這樣就降低了求解變換矩陣時(shí)錯(cuò)誤匹配點(diǎn)對(duì)參與計(jì)算的概率，放松了對(duì)變換矩陣參數(shù)估計(jì)算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點(diǎn)提取（Corners detectionbased on Harris）

Harris角點(diǎn)提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點(diǎn)提取方法[2]。Harris算法具有較高的點(diǎn)重復(fù)度和較低的誤檢率，精度可達(dá)亞像素級(jí)。不足之處是對(duì)于復(fù)雜場(chǎng)景圖片檢測(cè)時(shí)運(yùn)算量超大，對(duì)于有時(shí)效性要求的圖像處理應(yīng)

用場(chǎng)合原Harris角點(diǎn)提取不滿足實(shí)際需要。

2.1 Harris角點(diǎn)檢測(cè)方法簡(jiǎn)介

Harris角點(diǎn)檢測(cè)方法描述為：使用水平、垂直梯度算子進(jìn)行逐個(gè)像素的濾波，再求得M中四個(gè)元素值。然后，對(duì)M中元素進(jìn)行高斯平滑濾波求得新的M。再使用式（2）計(jì)逐個(gè)算像素點(diǎn)的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點(diǎn)被認(rèn)為是角點(diǎn)。

通過(guò)描述可知，對(duì)于圖像中每個(gè)像素點(diǎn)都算其水平和垂直梯度，再進(jìn)行高斯平滑濾波，然后計(jì)算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會(huì)加大運(yùn)算量，導(dǎo)致時(shí)間效率降低。為此，本文采用預(yù)檢的方法改進(jìn)Harris算法。

2.2 改進(jìn)算法原理及算法描述

原Harris角點(diǎn)算法提取圖像中點(diǎn)時(shí)，對(duì)圖像中像素點(diǎn)逐一進(jìn)行2.1中步驟（1）至步驟（2）的運(yùn)算來(lái)判斷其是否為角點(diǎn)，而圖像中一些點(diǎn)的R值雖是局部鄰域中的最大值，但也非真正的角點(diǎn)。大量的偽角點(diǎn)參與運(yùn)算將增加不必要的運(yùn)算量。本文將在角點(diǎn)提取前使用預(yù)檢的方法，將大量的偽角點(diǎn)，如邊緣點(diǎn)、噪聲點(diǎn)、背景點(diǎn)等排除加快角點(diǎn)的提取速度。具體的做法如下：

在圖像非角點(diǎn)附近，像素間灰度值相差小，而在角點(diǎn)附近，像素間灰度值差距非常大。由此，可以設(shè)定一個(gè)灰度差值dif，當(dāng)兩個(gè)像素間差值小于dif時(shí)，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計(jì)算窗口內(nèi)每個(gè)點(diǎn)與中心點(diǎn)像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計(jì)數(shù)一次，預(yù)檢窗口內(nèi)的每個(gè)點(diǎn)均與中心點(diǎn)做灰度差值計(jì)算，并更新變量counts值。考慮兩種極端情況：其一，當(dāng)窗口內(nèi)所有點(diǎn)都與中心點(diǎn)相近時(shí)，counts的值為最大，即為8。其二，當(dāng)窗口中所有點(diǎn)灰度值均不與中心點(diǎn)相近時(shí)，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個(gè)區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點(diǎn)像素為r，模版內(nèi)除中心點(diǎn)外任一點(diǎn)像素為i，則中心點(diǎn)counts值計(jì)算公式如式（3）所示。

改進(jìn)后的Harris算法描述為：

Step1 角點(diǎn)預(yù)檢：對(duì)圖像上的每個(gè)像素點(diǎn)以3×3預(yù)檢窗口大小按照式（3）來(lái)計(jì)算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點(diǎn)：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點(diǎn)為候選角點(diǎn)，同時(shí)將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來(lái)標(biāo)記像素點(diǎn)（i，j）為候選角點(diǎn)。

Step3 計(jì)算梯度矩陣：計(jì)算圖像中所有候選角點(diǎn)的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對(duì)M中的四個(gè)元素進(jìn)行高斯平滑濾波求得新的M。

Step5 計(jì)算候選角點(diǎn)的相應(yīng)函數(shù)值：對(duì)標(biāo)記的候選角點(diǎn)按照式（2）進(jìn)行R值的計(jì)算。

Step6 角點(diǎn)確認(rèn)：候選角點(diǎn)的R值大于給定的閾值T并且該候選角點(diǎn)的R值在其鄰域內(nèi)呈極大特性時(shí)，此候選角點(diǎn)被確定為真角點(diǎn)。

3 實(shí)驗(yàn)結(jié)果（Experimental results）

為了證明改進(jìn)后算法的效果，在MATLAB中進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證本算法的時(shí)效性和有效性。實(shí)驗(yàn)中使用100幅圖像先后用原始Harris算法和本文改進(jìn)的算法來(lái)提取圖像中的角點(diǎn)。分別從角點(diǎn)提取所用時(shí)間、提取的角點(diǎn)數(shù)目?jī)煞矫姹容^兩種算法的性能。表1為從其中任選五幅圖像來(lái)展示改進(jìn)前后算法性能。從中以看出改進(jìn)后提取角點(diǎn)的數(shù)目基本沒有改變，角點(diǎn)檢測(cè)的時(shí)間卻大大減少，提高了角點(diǎn)提取的時(shí)效性。

將本文算法應(yīng)用于待拼接的圖像角點(diǎn)的提取，再進(jìn)行角點(diǎn)歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來(lái)校正圖像，最后進(jìn)行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進(jìn)行提取角點(diǎn)后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對(duì)Harris角點(diǎn)提取算法運(yùn)算量大、時(shí)效性差的問題，提出了一種預(yù)檢的Harris角點(diǎn)檢測(cè)算法。本方法在算法的執(zhí)行效率上進(jìn)行了改進(jìn)。在圖像進(jìn)行Harris角點(diǎn)檢測(cè)前，先進(jìn)行預(yù)檢從而剔出大量的偽角點(diǎn)，只有疑似真角點(diǎn)的少量像素點(diǎn)參與進(jìn)一步的Harris角點(diǎn)判斷。實(shí)驗(yàn)證明改進(jìn)的Harris角點(diǎn)檢測(cè)犯法提高了角點(diǎn)的檢測(cè)速度。并將此方法用于交通事故現(xiàn)場(chǎng)圖像拼接中，取得了很好的實(shí)驗(yàn)拼接效果，并將提高現(xiàn)場(chǎng)圖像數(shù)據(jù)處理的速度，具有很好的實(shí)用性。

參考文獻(xiàn)（References）

[1] 楊陽(yáng)，王民，王稚慧.道路交通現(xiàn)場(chǎng)中改進(jìn)的圖像拼接方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點(diǎn)檢測(cè)理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進(jìn)的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2010（7）：1849-1851.

作者簡(jiǎn)介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計(jì)算機(jī)視覺，軟件工程.endprint

摘 要：為了滿足交通事故現(xiàn)場(chǎng)圖像拼接時(shí)效性高的要求，本文提出了一種改進(jìn)了Harris算法快速提取圖像角點(diǎn)的方法。先采用3×3的預(yù)檢窗口排除大部分疑似角點(diǎn)，保留候選角點(diǎn)，然后對(duì)候選角點(diǎn)采用Harris算法進(jìn)行進(jìn)一步的角點(diǎn)檢測(cè)，確定最后的角點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的方法不但能合理地檢測(cè)出角點(diǎn)，還能大大提高角點(diǎn)檢測(cè)速度，為交通事故現(xiàn)場(chǎng)圖像快速拼接提供技術(shù)支持。

關(guān)鍵詞：Harris；預(yù)檢窗口；交通事故現(xiàn)場(chǎng)；圖像拼接

中圖分類號(hào)： TP391 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：This paper analyzes the deficiency of teaching management system in vocational college practice teaching management.Combined with the characteristics of vocational college，a practice teaching management system based on Campus Network sharing data with other systems is designed.The functions such as internship project management，field data collection，field monitoring，remote applications are realized，and proposed the direction of the late construction.

Keywords：management system；network；practice teaching

1 引言（Introduction）

隨著交通事故的頻發(fā)，科學(xué)而快速地處理交通事故現(xiàn)場(chǎng)，最大限度保全現(xiàn)場(chǎng)信息是一個(gè)亟待解決的問題。數(shù)字圖像處理技術(shù)的成熟發(fā)展，可以將事故現(xiàn)場(chǎng)采集的圖像進(jìn)行校正和拼接來(lái)消除圖像畸變獲得一個(gè)場(chǎng)景更廣、信息更全的事故現(xiàn)場(chǎng)全景圖，作為事故處理的依據(jù)[1]。本文將以圖像拼接的方法為研究基礎(chǔ)，針對(duì)交通事故現(xiàn)場(chǎng)復(fù)雜零亂和交通事故處理快速的特點(diǎn)，采用改進(jìn)的Harris角點(diǎn)提取算法精確快速地提取角點(diǎn)并匹配，將工作的核心放在角點(diǎn)的正確提取和匹配上，這樣就降低了求解變換矩陣時(shí)錯(cuò)誤匹配點(diǎn)對(duì)參與計(jì)算的概率，放松了對(duì)變換矩陣參數(shù)估計(jì)算法的限制條件。為科學(xué)、快速處理交通事故，提供有力的技術(shù)保證。

2 基于預(yù)檢的Harris角點(diǎn)提?。–orners detectionbased on Harris）

Harris角點(diǎn)提取是目前應(yīng)用比較廣泛的基于灰度自相關(guān)函數(shù)的角點(diǎn)提取方法[2]。Harris算法具有較高的點(diǎn)重復(fù)度和較低的誤檢率，精度可達(dá)亞像素級(jí)。不足之處是對(duì)于復(fù)雜場(chǎng)景圖片檢測(cè)時(shí)運(yùn)算量超大，對(duì)于有時(shí)效性要求的圖像處理應(yīng)

用場(chǎng)合原Harris角點(diǎn)提取不滿足實(shí)際需要。

2.1 Harris角點(diǎn)檢測(cè)方法簡(jiǎn)介

Harris角點(diǎn)檢測(cè)方法描述為：使用水平、垂直梯度算子進(jìn)行逐個(gè)像素的濾波，再求得M中四個(gè)元素值。然后，對(duì)M中元素進(jìn)行高斯平滑濾波求得新的M。再使用式（2）計(jì)逐個(gè)算像素點(diǎn)的響應(yīng)函數(shù)值。滿足R大于某一閾值T，且R是3×3鄰域內(nèi)的極大值的點(diǎn)被認(rèn)為是角點(diǎn)。

通過(guò)描述可知，對(duì)于圖像中每個(gè)像素點(diǎn)都算其水平和垂直梯度，再進(jìn)行高斯平滑濾波，然后計(jì)算響應(yīng)函數(shù)值，最后確定局部鄰域內(nèi)的極大值。這會(huì)加大運(yùn)算量，導(dǎo)致時(shí)間效率降低。為此，本文采用預(yù)檢的方法改進(jìn)Harris算法。

2.2 改進(jìn)算法原理及算法描述

原Harris角點(diǎn)算法提取圖像中點(diǎn)時(shí)，對(duì)圖像中像素點(diǎn)逐一進(jìn)行2.1中步驟（1）至步驟（2）的運(yùn)算來(lái)判斷其是否為角點(diǎn)，而圖像中一些點(diǎn)的R值雖是局部鄰域中的最大值，但也非真正的角點(diǎn)。大量的偽角點(diǎn)參與運(yùn)算將增加不必要的運(yùn)算量。本文將在角點(diǎn)提取前使用預(yù)檢的方法，將大量的偽角點(diǎn)，如邊緣點(diǎn)、噪聲點(diǎn)、背景點(diǎn)等排除加快角點(diǎn)的提取速度。具體的做法如下：

在圖像非角點(diǎn)附近，像素間灰度值相差小，而在角點(diǎn)附近，像素間灰度值差距非常大。由此，可以設(shè)定一個(gè)灰度差值dif，當(dāng)兩個(gè)像素間差值小于dif時(shí)，就認(rèn)為兩像素灰度相近，否則兩像素灰度不相近。本文以3×3窗口大小為預(yù)檢模板計(jì)算窗口內(nèi)每個(gè)點(diǎn)與中心點(diǎn)像素灰度差值。如灰度差值小于給定閾值dif，便讓變量counts計(jì)數(shù)一次，預(yù)檢窗口內(nèi)的每個(gè)點(diǎn)均與中心點(diǎn)做灰度差值計(jì)算，并更新變量counts值?？紤]兩種極端情況：其一，當(dāng)窗口內(nèi)所有點(diǎn)都與中心點(diǎn)相近時(shí)，counts的值為最大，即為8。其二，當(dāng)窗口中所有點(diǎn)灰度值均不與中心點(diǎn)相近時(shí)，counts的值為最小，即為0。其余的情況counts的取值應(yīng)在（0，8）這個(gè)區(qū)間內(nèi)的整數(shù)。設(shè)定模版中心點(diǎn)像素為r，模版內(nèi)除中心點(diǎn)外任一點(diǎn)像素為i，則中心點(diǎn)counts值計(jì)算公式如式（3）所示。

改進(jìn)后的Harris算法描述為：

Step1 角點(diǎn)預(yù)檢：對(duì)圖像上的每個(gè)像素點(diǎn)以3×3預(yù)檢窗口大小按照式（3）來(lái)計(jì)算其counts值，將其保存至數(shù)組count（m，n）中，其中m為圖像的寬，n為圖像的高。

Step2 確定候選角點(diǎn)：遍歷數(shù)組count（m，n）的數(shù)值，如果2≤count（i，j）≤6（i≤m，j≤n）則該點(diǎn)為候選角點(diǎn)，同時(shí)將候選標(biāo)記數(shù)組b（i，j）值設(shè)置為1來(lái)標(biāo)記像素點(diǎn)（i，j）為候選角點(diǎn)。

Step3 計(jì)算梯度矩陣：計(jì)算圖像中所有候選角點(diǎn)的水平差分和垂直差分構(gòu)成的矩陣M，如式（1）所示。

Step4 高斯平滑：對(duì)M中的四個(gè)元素進(jìn)行高斯平滑濾波求得新的M。

Step5 計(jì)算候選角點(diǎn)的相應(yīng)函數(shù)值：對(duì)標(biāo)記的候選角點(diǎn)按照式（2）進(jìn)行R值的計(jì)算。

Step6 角點(diǎn)確認(rèn)：候選角點(diǎn)的R值大于給定的閾值T并且該候選角點(diǎn)的R值在其鄰域內(nèi)呈極大特性時(shí)，此候選角點(diǎn)被確定為真角點(diǎn)。

3 實(shí)驗(yàn)結(jié)果（Experimental results）

為了證明改進(jìn)后算法的效果，在MATLAB中進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證本算法的時(shí)效性和有效性。實(shí)驗(yàn)中使用100幅圖像先后用原始Harris算法和本文改進(jìn)的算法來(lái)提取圖像中的角點(diǎn)。分別從角點(diǎn)提取所用時(shí)間、提取的角點(diǎn)數(shù)目?jī)煞矫姹容^兩種算法的性能。表1為從其中任選五幅圖像來(lái)展示改進(jìn)前后算法性能。從中以看出改進(jìn)后提取角點(diǎn)的數(shù)目基本沒有改變，角點(diǎn)檢測(cè)的時(shí)間卻大大減少，提高了角點(diǎn)提取的時(shí)效性。

將本文算法應(yīng)用于待拼接的圖像角點(diǎn)的提取，再進(jìn)行角點(diǎn)歸一化互相匹配，再采用RANSAC算法[3]求解變換矩陣來(lái)校正圖像，最后進(jìn)行圖像拼接。圖1（a）和圖1（b）是待拼接的兩幅圖像采用本文的算法進(jìn)行提取角點(diǎn)后的效果圖，圖1（c）這兩幅圖像拼接后得到圖像，從效果可以看出圖像拼接是成功的。

4 結(jié)論（Conclusion）

本文針對(duì)Harris角點(diǎn)提取算法運(yùn)算量大、時(shí)效性差的問題，提出了一種預(yù)檢的Harris角點(diǎn)檢測(cè)算法。本方法在算法的執(zhí)行效率上進(jìn)行了改進(jìn)。在圖像進(jìn)行Harris角點(diǎn)檢測(cè)前，先進(jìn)行預(yù)檢從而剔出大量的偽角點(diǎn)，只有疑似真角點(diǎn)的少量像素點(diǎn)參與進(jìn)一步的Harris角點(diǎn)判斷。實(shí)驗(yàn)證明改進(jìn)的Harris角點(diǎn)檢測(cè)犯法提高了角點(diǎn)的檢測(cè)速度。并將此方法用于交通事故現(xiàn)場(chǎng)圖像拼接中，取得了很好的實(shí)驗(yàn)拼接效果，并將提高現(xiàn)場(chǎng)圖像數(shù)據(jù)處理的速度，具有很好的實(shí)用性。

參考文獻(xiàn)（References）

[1] 楊陽(yáng)，王民，王稚慧.道路交通現(xiàn)場(chǎng)中改進(jìn)的圖像拼接方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011（7）：028.

[2] 梁艷.角點(diǎn)檢測(cè)理論及算法研究[D].華中師范大學(xué)，2012.

[3] 曲天偉，安波，陳桂蘭.改進(jìn)的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2010（7）：1849-1851.

作者簡(jiǎn)介：

曲天偉（1976-），女，碩士，講師.研究領(lǐng)域：圖像處理，計(jì)算機(jī)視覺，軟件工程.endprint