改进的Harris方法在交通事故现场图像拼中的应用

曲天伟　陈晓丹　曹雪栋　陈桂兰　杨泽雪

摘 要：为了满足交通事故现场图像拼接时效性高的要求，本文提出了一种改进了Harris算法快速提取图像角点的方法。先采用3×3的预检窗口排除大部分疑似角点，保留候选角点，然后对候选角点采用Harris算法进行进一步的角点检测，确定最后的角点。实验结果表明，改进的方法不但能合理地检测出角点，还能大大提高角点检测速度，为交通事故现场图像快速拼接提供技术支持。

关键词：Harris；预检窗口；交通事故现场；图像拼接

中图分类号： TP391 文献标识码：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）

随着交通事故的频发，科学而快速地处理交通事故现场，最大限度保全现场信息是一个亟待解决的问题。数字图像处理技术的成熟发展，可以将事故现场采集的图像进行校正和拼接来消除图像畸变获得一个场景更广、信息更全的事故现场全景图，作为事故处理的依据[1]。本文将以图像拼接的方法为研究基础，针对交通事故现场复杂零乱和交通事故处理快速的特点，采用改进的Harris角点提取算法精确快速地提取角点并匹配，将工作的核心放在角点的正确提取和匹配上，这样就降低了求解变换矩阵时错误匹配点对参与计算的概率，放松了对变换矩阵参数估计算法的限制条件。为科学、快速处理交通事故，提供有力的技术保证。

2 基于预检的Harris角点提取（Corners detectionbased on Harris）

Harris角点提取是目前应用比较广泛的基于灰度自相关函数的角点提取方法[2]。Harris算法具有较高的点重复度和较低的误检率，精度可达亚像素级。不足之处是对于复杂场景图片检测时运算量超大，对于有时效性要求的图像处理应

用场合原Harris角点提取不满足实际需要。

2.1 Harris角点检测方法简介

Harris角点检测方法描述为：使用水平、垂直梯度算子进行逐个像素的滤波，再求得M中四个元素值。然后，对M中元素进行高斯平滑滤波求得新的M。再使用式（2）计逐个算像素点的响应函数值。满足R大于某一阈值T，且R是3×3邻域内的极大值的点被认为是角点。

通过描述可知，对于图像中每个像素点都算其水平和垂直梯度，再进行高斯平滑滤波，然后计算响应函数值，最后确定局部邻域内的极大值。这会加大运算量，导致时间效率降低。为此，本文采用预检的方法改进Harris算法。

2.2 改进算法原理及算法描述

原Harris角点算法提取图像中点时，对图像中像素点逐一进行2.1中步骤（1）至步骤（2）的运算来判断其是否为角点，而图像中一些点的R值虽是局部邻域中的最大值，但也非真正的角点。大量的伪角点参与运算将增加不必要的运算量。本文将在角点提取前使用预检的方法，将大量的伪角点，如边缘点、噪声点、背景点等排除加快角点的提取速度。具体的做法如下：

在图像非角点附近，像素间灰度值相差小，而在角点附近，像素间灰度值差距非常大。由此，可以设定一个灰度差值dif，当两个像素间差值小于dif时，就认为两像素灰度相近，否则两像素灰度不相近。本文以3×3窗口大小为预检模板计算窗口内每个点与中心点像素灰度差值。如灰度差值小于给定阈值dif，便让变量counts计数一次，预检窗口内的每个点均与中心点做灰度差值计算，并更新变量counts值。考虑两种极端情况：其一，当窗口内所有点都与中心点相近时，counts的值为最大，即为8。其二，当窗口中所有点灰度值均不与中心点相近时，counts的值为最小，即为0。其余的情况counts的取值应在（0，8）这个区间内的整数。设定模版中心点像素为r，模版内除中心点外任一点像素为i，则中心点counts值计算公式如式（3）所示。

改进后的Harris算法描述为：

Step1 角点预检：对图像上的每个像素点以3×3预检窗口大小按照式（3）来计算其counts值，将其保存至数组count（m，n）中，其中m为图像的宽，n为图像的高。

Step2 确定候选角点：遍历数组count（m，n）的数值，如果2≤count（i，j）≤6（i≤m，j≤n）则该点为候选角点，同时将候选标记数组b（i，j）值设置为1来标记像素点（i，j）为候选角点。

Step3 计算梯度矩阵：计算图像中所有候选角点的水平差分和垂直差分构成的矩阵M，如式（1）所示。

Step4 高斯平滑：对M中的四个元素进行高斯平滑滤波求得新的M。

Step5 计算候选角点的相应函数值：对标记的候选角点按照式（2）进行R值的计算。

Step6 角点确认：候选角点的R值大于给定的阈值T并且该候选角点的R值在其邻域内呈极大特性时，此候选角点被确定为真角点。

3 实验结果（Experimental results）

为了证明改进后算法的效果，在MATLAB中进行了仿真实验验证本算法的时效性和有效性。实验中使用100幅图像先后用原始Harris算法和本文改进的算法来提取图像中的角点。分别从角点提取所用时间、提取的角点数目两方面比较两种算法的性能。表1为从其中任选五幅图像来展示改进前后算法性能。从中以看出改进后提取角点的数目基本没有改变，角点检测的时间却大大减少，提高了角点提取的时效性。

将本文算法应用于待拼接的图像角点的提取，再进行角点归一化互相匹配，再采用RANSAC算法[3]求解变换矩阵来校正图像，最后进行图像拼接。图1（a）和图1（b）是待拼接的两幅图像采用本文的算法进行提取角点后的效果图，图1（c）这两幅图像拼接后得到图像，从效果可以看出图像拼接是成功的。

4 结论（Conclusion）

本文针对Harris角点提取算法运算量大、时效性差的问题，提出了一种预检的Harris角点检测算法。本方法在算法的执行效率上进行了改进。在图像进行Harris角点检测前，先进行预检从而剔出大量的伪角点，只有疑似真角点的少量像素点参与进一步的Harris角点判断。实验证明改进的Harris角点检测犯法提高了角点的检测速度。并将此方法用于交通事故现场图像拼接中，取得了很好的实验拼接效果，并将提高现场图像数据处理的速度，具有很好的实用性。

参考文献（References）

[1] 杨阳，王民，王稚慧.道路交通现场中改进的图像拼接方法[J].计算机技术与发展，2011（7）：028.

[2] 梁艳.角点检测理论及算法研究[D].华中师范大学，2012.

[3] 曲天伟，安波，陈桂兰.改进的RANSAC算法在图像配准中的应用[J].计算机应用，2010（7）：1849-1851.

作者简介：

曲天伟（1976-），女，硕士，讲师.研究领域：图像处理，计算机视觉，软件工程.endprint

摘 要：为了满足交通事故现场图像拼接时效性高的要求，本文提出了一种改进了Harris算法快速提取图像角点的方法。先采用3×3的预检窗口排除大部分疑似角点，保留候选角点，然后对候选角点采用Harris算法进行进一步的角点检测，确定最后的角点。实验结果表明，改进的方法不但能合理地检测出角点，还能大大提高角点检测速度，为交通事故现场图像快速拼接提供技术支持。

关键词：Harris；预检窗口；交通事故现场；图像拼接

中图分类号： TP391 文献标识码：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）

随着交通事故的频发，科学而快速地处理交通事故现场，最大限度保全现场信息是一个亟待解决的问题。数字图像处理技术的成熟发展，可以将事故现场采集的图像进行校正和拼接来消除图像畸变获得一个场景更广、信息更全的事故现场全景图，作为事故处理的依据[1]。本文将以图像拼接的方法为研究基础，针对交通事故现场复杂零乱和交通事故处理快速的特点，采用改进的Harris角点提取算法精确快速地提取角点并匹配，将工作的核心放在角点的正确提取和匹配上，这样就降低了求解变换矩阵时错误匹配点对参与计算的概率，放松了对变换矩阵参数估计算法的限制条件。为科学、快速处理交通事故，提供有力的技术保证。

2 基于预检的Harris角点提取（Corners detectionbased on Harris）

Harris角点提取是目前应用比较广泛的基于灰度自相关函数的角点提取方法[2]。Harris算法具有较高的点重复度和较低的误检率，精度可达亚像素级。不足之处是对于复杂场景图片检测时运算量超大，对于有时效性要求的图像处理应

用场合原Harris角点提取不满足实际需要。

2.1 Harris角点检测方法简介

Harris角点检测方法描述为：使用水平、垂直梯度算子进行逐个像素的滤波，再求得M中四个元素值。然后，对M中元素进行高斯平滑滤波求得新的M。再使用式（2）计逐个算像素点的响应函数值。满足R大于某一阈值T，且R是3×3邻域内的极大值的点被认为是角点。

通过描述可知，对于图像中每个像素点都算其水平和垂直梯度，再进行高斯平滑滤波，然后计算响应函数值，最后确定局部邻域内的极大值。这会加大运算量，导致时间效率降低。为此，本文采用预检的方法改进Harris算法。

2.2 改进算法原理及算法描述

原Harris角点算法提取图像中点时，对图像中像素点逐一进行2.1中步骤（1）至步骤（2）的运算来判断其是否为角点，而图像中一些点的R值虽是局部邻域中的最大值，但也非真正的角点。大量的伪角点参与运算将增加不必要的运算量。本文将在角点提取前使用预检的方法，将大量的伪角点，如边缘点、噪声点、背景点等排除加快角点的提取速度。具体的做法如下：

在图像非角点附近，像素间灰度值相差小，而在角点附近，像素间灰度值差距非常大。由此，可以设定一个灰度差值dif，当两个像素间差值小于dif时，就认为两像素灰度相近，否则两像素灰度不相近。本文以3×3窗口大小为预检模板计算窗口内每个点与中心点像素灰度差值。如灰度差值小于给定阈值dif，便让变量counts计数一次，预检窗口内的每个点均与中心点做灰度差值计算，并更新变量counts值。考虑两种极端情况：其一，当窗口内所有点都与中心点相近时，counts的值为最大，即为8。其二，当窗口中所有点灰度值均不与中心点相近时，counts的值为最小，即为0。其余的情况counts的取值应在（0，8）这个区间内的整数。设定模版中心点像素为r，模版内除中心点外任一点像素为i，则中心点counts值计算公式如式（3）所示。

改进后的Harris算法描述为：

Step1 角点预检：对图像上的每个像素点以3×3预检窗口大小按照式（3）来计算其counts值，将其保存至数组count（m，n）中，其中m为图像的宽，n为图像的高。

Step2 确定候选角点：遍历数组count（m，n）的数值，如果2≤count（i，j）≤6（i≤m，j≤n）则该点为候选角点，同时将候选标记数组b（i，j）值设置为1来标记像素点（i，j）为候选角点。

Step3 计算梯度矩阵：计算图像中所有候选角点的水平差分和垂直差分构成的矩阵M，如式（1）所示。

Step4 高斯平滑：对M中的四个元素进行高斯平滑滤波求得新的M。

Step5 计算候选角点的相应函数值：对标记的候选角点按照式（2）进行R值的计算。

Step6 角点确认：候选角点的R值大于给定的阈值T并且该候选角点的R值在其邻域内呈极大特性时，此候选角点被确定为真角点。

3 实验结果（Experimental results）

为了证明改进后算法的效果，在MATLAB中进行了仿真实验验证本算法的时效性和有效性。实验中使用100幅图像先后用原始Harris算法和本文改进的算法来提取图像中的角点。分别从角点提取所用时间、提取的角点数目两方面比较两种算法的性能。表1为从其中任选五幅图像来展示改进前后算法性能。从中以看出改进后提取角点的数目基本没有改变，角点检测的时间却大大减少，提高了角点提取的时效性。

将本文算法应用于待拼接的图像角点的提取，再进行角点归一化互相匹配，再采用RANSAC算法[3]求解变换矩阵来校正图像，最后进行图像拼接。图1（a）和图1（b）是待拼接的两幅图像采用本文的算法进行提取角点后的效果图，图1（c）这两幅图像拼接后得到图像，从效果可以看出图像拼接是成功的。

4 结论（Conclusion）

本文针对Harris角点提取算法运算量大、时效性差的问题，提出了一种预检的Harris角点检测算法。本方法在算法的执行效率上进行了改进。在图像进行Harris角点检测前，先进行预检从而剔出大量的伪角点，只有疑似真角点的少量像素点参与进一步的Harris角点判断。实验证明改进的Harris角点检测犯法提高了角点的检测速度。并将此方法用于交通事故现场图像拼接中，取得了很好的实验拼接效果，并将提高现场图像数据处理的速度，具有很好的实用性。

参考文献（References）

[1] 杨阳，王民，王稚慧.道路交通现场中改进的图像拼接方法[J].计算机技术与发展，2011（7）：028.

[2] 梁艳.角点检测理论及算法研究[D].华中师范大学，2012.

[3] 曲天伟，安波，陈桂兰.改进的RANSAC算法在图像配准中的应用[J].计算机应用，2010（7）：1849-1851.

作者简介：

曲天伟（1976-），女，硕士，讲师.研究领域：图像处理，计算机视觉，软件工程.endprint

摘 要：为了满足交通事故现场图像拼接时效性高的要求，本文提出了一种改进了Harris算法快速提取图像角点的方法。先采用3×3的预检窗口排除大部分疑似角点，保留候选角点，然后对候选角点采用Harris算法进行进一步的角点检测，确定最后的角点。实验结果表明，改进的方法不但能合理地检测出角点，还能大大提高角点检测速度，为交通事故现场图像快速拼接提供技术支持。

关键词：Harris；预检窗口；交通事故现场；图像拼接

中图分类号： TP391 文献标识码：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）

随着交通事故的频发，科学而快速地处理交通事故现场，最大限度保全现场信息是一个亟待解决的问题。数字图像处理技术的成熟发展，可以将事故现场采集的图像进行校正和拼接来消除图像畸变获得一个场景更广、信息更全的事故现场全景图，作为事故处理的依据[1]。本文将以图像拼接的方法为研究基础，针对交通事故现场复杂零乱和交通事故处理快速的特点，采用改进的Harris角点提取算法精确快速地提取角点并匹配，将工作的核心放在角点的正确提取和匹配上，这样就降低了求解变换矩阵时错误匹配点对参与计算的概率，放松了对变换矩阵参数估计算法的限制条件。为科学、快速处理交通事故，提供有力的技术保证。

2 基于预检的Harris角点提取（Corners detectionbased on Harris）

Harris角点提取是目前应用比较广泛的基于灰度自相关函数的角点提取方法[2]。Harris算法具有较高的点重复度和较低的误检率，精度可达亚像素级。不足之处是对于复杂场景图片检测时运算量超大，对于有时效性要求的图像处理应

用场合原Harris角点提取不满足实际需要。

2.1 Harris角点检测方法简介

Harris角点检测方法描述为：使用水平、垂直梯度算子进行逐个像素的滤波，再求得M中四个元素值。然后，对M中元素进行高斯平滑滤波求得新的M。再使用式（2）计逐个算像素点的响应函数值。满足R大于某一阈值T，且R是3×3邻域内的极大值的点被认为是角点。

通过描述可知，对于图像中每个像素点都算其水平和垂直梯度，再进行高斯平滑滤波，然后计算响应函数值，最后确定局部邻域内的极大值。这会加大运算量，导致时间效率降低。为此，本文采用预检的方法改进Harris算法。

2.2 改进算法原理及算法描述

原Harris角点算法提取图像中点时，对图像中像素点逐一进行2.1中步骤（1）至步骤（2）的运算来判断其是否为角点，而图像中一些点的R值虽是局部邻域中的最大值，但也非真正的角点。大量的伪角点参与运算将增加不必要的运算量。本文将在角点提取前使用预检的方法，将大量的伪角点，如边缘点、噪声点、背景点等排除加快角点的提取速度。具体的做法如下：

在图像非角点附近，像素间灰度值相差小，而在角点附近，像素间灰度值差距非常大。由此，可以设定一个灰度差值dif，当两个像素间差值小于dif时，就认为两像素灰度相近，否则两像素灰度不相近。本文以3×3窗口大小为预检模板计算窗口内每个点与中心点像素灰度差值。如灰度差值小于给定阈值dif，便让变量counts计数一次，预检窗口内的每个点均与中心点做灰度差值计算，并更新变量counts值。考虑两种极端情况：其一，当窗口内所有点都与中心点相近时，counts的值为最大，即为8。其二，当窗口中所有点灰度值均不与中心点相近时，counts的值为最小，即为0。其余的情况counts的取值应在（0，8）这个区间内的整数。设定模版中心点像素为r，模版内除中心点外任一点像素为i，则中心点counts值计算公式如式（3）所示。

改进后的Harris算法描述为：

Step1 角点预检：对图像上的每个像素点以3×3预检窗口大小按照式（3）来计算其counts值，将其保存至数组count（m，n）中，其中m为图像的宽，n为图像的高。

Step2 确定候选角点：遍历数组count（m，n）的数值，如果2≤count（i，j）≤6（i≤m，j≤n）则该点为候选角点，同时将候选标记数组b（i，j）值设置为1来标记像素点（i，j）为候选角点。

Step3 计算梯度矩阵：计算图像中所有候选角点的水平差分和垂直差分构成的矩阵M，如式（1）所示。

Step4 高斯平滑：对M中的四个元素进行高斯平滑滤波求得新的M。

Step5 计算候选角点的相应函数值：对标记的候选角点按照式（2）进行R值的计算。

Step6 角点确认：候选角点的R值大于给定的阈值T并且该候选角点的R值在其邻域内呈极大特性时，此候选角点被确定为真角点。

3 实验结果（Experimental results）

为了证明改进后算法的效果，在MATLAB中进行了仿真实验验证本算法的时效性和有效性。实验中使用100幅图像先后用原始Harris算法和本文改进的算法来提取图像中的角点。分别从角点提取所用时间、提取的角点数目两方面比较两种算法的性能。表1为从其中任选五幅图像来展示改进前后算法性能。从中以看出改进后提取角点的数目基本没有改变，角点检测的时间却大大减少，提高了角点提取的时效性。

将本文算法应用于待拼接的图像角点的提取，再进行角点归一化互相匹配，再采用RANSAC算法[3]求解变换矩阵来校正图像，最后进行图像拼接。图1（a）和图1（b）是待拼接的两幅图像采用本文的算法进行提取角点后的效果图，图1（c）这两幅图像拼接后得到图像，从效果可以看出图像拼接是成功的。

4 结论（Conclusion）

本文针对Harris角点提取算法运算量大、时效性差的问题，提出了一种预检的Harris角点检测算法。本方法在算法的执行效率上进行了改进。在图像进行Harris角点检测前，先进行预检从而剔出大量的伪角点，只有疑似真角点的少量像素点参与进一步的Harris角点判断。实验证明改进的Harris角点检测犯法提高了角点的检测速度。并将此方法用于交通事故现场图像拼接中，取得了很好的实验拼接效果，并将提高现场图像数据处理的速度，具有很好的实用性。

参考文献（References）

[1] 杨阳，王民，王稚慧.道路交通现场中改进的图像拼接方法[J].计算机技术与发展，2011（7）：028.

[2] 梁艳.角点检测理论及算法研究[D].华中师范大学，2012.

[3] 曲天伟，安波，陈桂兰.改进的RANSAC算法在图像配准中的应用[J].计算机应用，2010（7）：1849-1851.

作者简介：

曲天伟（1976-），女，硕士，讲师.研究领域：图像处理，计算机视觉，软件工程.endprint