NMS:Non-maximum Suppression学习笔记

标签：

非极大值抑制可看成一种局部极大值搜索，这里的局部极大值要比他的邻域值都要大。这里的邻域表示有两个参数：维度和n-邻域。维度有1-D，2-D，3-D...；至于n值根据具体情况设置。举个例子：一维的情况，某个像素点左右各n个邻域点（加上该像素点，邻域区域共有2n+1个像素）；二维的情况以当前像素为中心以n为半径向周围辐射到的区域均是邻域。
具体讲几个算法实例可能有助于我们对算法的理解：
1.一维三邻域算法
算法伪代码如下：
1 i ← 1;
2 while i + 1 < W do
3     if I[i] > I[i + 1] then
4        if I[i] >= I[i ? 1] then
5            MaximumAt(i);
         Endif
6     else
7       i ← i + 1;
8        while i + 1 < W AND I[i] ≤ I[i + 1] do
9            i ← i + 1;
          EndWhile
10      if i + 1 < W then
11         MaximumAt(i);
12   i ← i + 2;
    EndWhile
i表示图像I中像素点下标,W是下标上限。
算法说明：
①　最理想的情况是当前像素点I[i]比它的左右邻点都大，那么当前像素点记为局部极大值点（Line 3-5）。
②　如果已经确定像素点i+1比它的左邻点i小，那么i+1必不是局部极值点，此时可以直接将下标加2（Line 12）。PS:该算法添加了一个强制性条件：局部极值点必大于左邻点.
③　如果当前像素点i比其右邻域点小，那么下标加1（Line 7）.

NMS:Non-maximum Suppression学习笔记

标签：

原文地址：http://www.cnblogs.com/zhaoyang10/p/4553725.html