SUSAN算法的原理

角点是图像中重要的纹理特征，它是表征图像边界上曲率突变的点，在图像匹配、目标识别与跟踪、运动估计中均有重要的应用。SUSAN算法是基于图像灰度信息的角点检测算法，它提出了吸收核同值区的概念，即在图像上移动圆形模板，若模板内的像素灰度与模板中心的像素灰度差值小于给定的门限，则认为该点与中心点是同值的，而由满足这样条件的像素组成的区域则叫做吸收核同值区（Univalue Segment Assimilating Nucleus USAN）。SUSAN角点检测算法的核心思想是平坦区域像素点的USAN值最大，边界点次之，角点最小；而且角点越尖，吸收核同值区越小。因此通过设定灰度阈值和USAN面积阈值，可判断角点位置，USAN面积阈值可以通过下面的方法进行设定。

首先，设置一个判别函数来判断模板中的像素是否属于USAN区域。常用的判别函数如下：

其中，r₀是模板中心点的位置，r是圆形窗内其他任一点的位置，I（→r）表示图像灰度值，t则是预设的灰度阈值，c叫做相似比较函数，是输出的判别值。

其次，利用下式统计USAN区域面积的大小。(www.xing528.com)

再次，利用下式比较SUSAN区域面积n和预设的几何阈值g的大小，确定图像的边缘。

其中，R（）表示图像边缘响应。在进行图像边缘信息提取时，g的取值要大一些，一般设置为3n_max／4，n_max是n能取得的最大值。

最后，搜索初始边缘响应中的局部最大值，将其对应的像素点标记为角点。