摘 要：为了降低传统Harris角点检测算法的操作复杂度，提高算法稳定性，本文提出了一种改进Harris角点检测方法。由于传统的Harris角点检测算法需要通过调节系数k的选取来达到最佳的检测效果，这使得其检测精度和检测效率受到限制，也增加了用户的操作复杂度。本文通过研究并改进角点响应函数，避免了系数k的选取，同时，与其他相关改进算法相比，进一步避免了极小值ε的选取，从而实现了算法的自适应性。实验结果表明，本文方法具有较强的自适应性和鲁棒性。
　　关键词：Harris算法；角点检测；自适应性
　　中图分类号：TP391.41
　　角点在计算机数字图像处理中是被定义为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[1]。在图像中，角点具有几乎不受光照条件影响和旋转不变性的特征。它不仅决定了目标图像的轮廓特征，而且在保留图像基本轮廓信息的同时也很好地减少了信息的数据量，提高了图像在计算机中的计算速度。另一方面，角点也使图像拼接技术[2]更加可靠。角点检测（Corner Detection）[3]也被广泛应用于计算机视觉系统中。比如：运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。目前有两大类检测方法：基于图像边缘的检测方法和基于图像灰度信息的方法。在基于图像灰度的检测方法中，Harris角点检测算法具有较理想的结果，其应用范围也较广。但是，该算法所涉及的其响应函数中系数k值的选取具有一定的限制，即只有当其选择适当时，角点检测的效果才会更加显著。
　　由于传统角点检测算法需要通过调节系数k的值以使检测效果达到最佳效果，这在一定程度上增加了用户的操作复杂度。而且，很多关于避免k值的改进算法基本都包含一个极小值ε，这在一定程度上增加了对经验值的依赖性。本文通过改进角点响应函数，避免k值的选取，实现了算法的自适应性，从而降低了算法的复杂度并提高了算法的鲁棒性。
　　1 Harris角点检测
　　图2 本文改进算法的检测实验结果
　　从实验结果图2中可以看出，本文改进算法取得了正确的检测实验结果。同时从公式（4）和公式（8）可以看出，角点响应度R′的计算量具有相同的数量级和运算复杂度，本文改进算法和传统Harris算法具有相同数量级的计算耗时。然而由于传统Harris算法中角点响应公式k值的选取在很大的程度上依赖于经验值的选取。此外在其它很多关于去除k值选取的改进公式中，虽然避免了k值的选取，却增加了一个极小值ε的设置，这在一定程度上增加了算法复杂性。本文通过研究并改进角点响应函数，避免了系数k的选取，同时，与其他相关改进算法相比，进一步避免了极小值ε的选取，从而实现了算法的自适应性。
　　4 结束语
　　在Harris原算法中，为了提高角点检测的效果，需要调节其角点响应函数系数k的值。虽然检测效果良好，但是依赖于经验值的选取。同时，在其它多种避免系数k值的改进算法中，也都存在极小值ε，增加了算法的复杂度。本文通过研究并改进角点响应函数，避免了系数k的选取，同时，与其他相关改进算法相比，进一步避免了极小值ε的选取，从而实现了算法的自适应性，这也对不同类型图像的自适应角点检测具有一定的参考价值。
　　参考文献：
　　[1]刘莹，张久东，周卫红.Harris角点检测算法的优化研究[J].云南民族大学学报，2011（20）：136-138.
　　[2]刘玉然，张雨东，饶学军，侯明亮.一种用于图像拼接的焦点匹配算法[J].光电工程，2008（35）：100-104.
　　[3]张裕，方康玲，刘永祥.基于Harris算法的黑白棋盘格角点检测[J].计算机应用与软件，2010（27）：251-254.
　　[4]屈喜文.一种改进的Harris角点检测方法[J].机电技术，2012（08）：40-42.
　　[5]李欢欢，黄山，张洪斌.基于Harris与SIFT算法的自动图像拼接[J].计算机工程与科学，2012（11）：105-106.
　　作者简介：李健（1993-），男，回族，安徽明光人，本科生，研究方向：数字图像处理和目标识别。
　　作者单位：中南民族大学计算机科学学院，武汉 430074
　　基金项目：本文受中南民族大学大学生创新创业训练计划基金项目（KYCX130405）资助。