MOPS中ANMS（非极大值抑制）算法讨论

Matthew Brown等人在Multi-Image Matching using Multi-Scale Oriented Patches中提到使用自适应非极大值抑制（ANMS）算法对Harris角点检测所得到的大量关键点（Interest Point）做进一步筛选，以达到减少关键点数量，同时尽可能保持角点响应大的点，并且关键点分布均匀这三个目的。

论文中没有详细提及该步骤的算法细节，故做如下探讨。
假设上一步Harris角点检测结果是 N 个Harris角点
x1(x,y),x2(x,y),x3(x,y),...,xN(x,y),
它们的集合为Ω。它们对应的角点响应为
f(x1),f(x2),…f(xN)
用N维向量f存储。设置系数 crobust=0.9 。

第一步：寻找全局最大的角点响应值，即 fmax=max(f) 。

第二步：遍历N个角点，计算满足下列条件的 ri 用向量 r 存储
ri=minjxi−xj,s.t.f(xi)<crobustf(xj),xj∈Ω

for i = 1 to N
    {
        如果i点处的响应值f(i)> fmax*0.9
            则r(i)=∞；
        否则
        {
            将Ω内所有点xj的响应值乘以0.9即0.9f(x_j )，找出所有满足约束条件f(x_i )<0.9f(x_j )的点xj；
            求上一步满足约束条件的xj与xi之间的欧氏距离，储存在向量d；
            取d中最小值为r(i)，即r(i)=min(d)；
        }
    }

第三步：将向量 r 按照降序排列，取前500个 ri 对应的点作为MOPS的特征点。