基于模糊ID3决策树的快速角点检测算法

为了解决现有角点检测算法普遍存在计算时间长、效率不高、不适于实时在线检测的问题,提出了一种基于模糊ID3决策树的快速角点检测算法。利用半径为3像素的Bresenham圆环作为检测模板,在被检测图像上移动,圆环中心与备选角点重合;比较备选角点与圆环上像素点亮度值的高低,应用隶属度函数做出模糊化判断;进而根据该文定义的分类规则和模糊ID3算法,选取圆环上信息增益最大的像素点作为父节点,建立二元模糊决策树,实现角点与非角点的分类。采用实地采集于北京丰台铁路段的图片对提出算法从检测精度、计算速度、抗噪性能等方面进行验证。实验结果表明：当在检测圆环上选取比较像素点的个数为9时,可以获得最佳的检测效果;在保证角点检测准确性前提下,比较目前常用的几种角点检测算法,计算效率有明显提高;同时,该文算法对Poisson噪声、Gaussian噪声都具有良好的抗噪性能。