MOPS中ANMS（非極大值抑制）算法討論

Matthew Brown等人在Multi-Image Matching using Multi-Scale Oriented Patches中提到使用自適應非極大值抑制（ANMS）算法對Harris角點檢測所得到的大量關鍵點（Interest Point）做進一步篩選，以達到減少關鍵點數量，同時儘可能保持角點響應大的點，並且關鍵點分佈均勻這三個目的。

論文中沒有詳細提及該步驟的算法細節，故做如下探討。
假設上一步Harris角點檢測結果是N 個Harris角點
x1(x,y),x2(x,y),x3(x,y),...,xN(x,y),
它們的集合爲Ω。它們對應的角點響應爲
f(x1),f(x2),…f(xN)
用N維向量f存儲。設置係數crobust=0.9 。

第一步：尋找全局最大的角點響應值，即fmax=max(f) 。

第二步：遍歷N個角點，計算滿足下列條件的ri 用向量r 存儲
ri=minjxi−xj,s.t.f(xi)<crobustf(xj),xj∈Ω

for i = 1 to N
    {
        如果i點處的響應值f(i)> fmax*0.9
            則r(i)=∞；
        否則
        {
            將Ω內所有點xj的響應值乘以0.9即0.9f(x_j )，找出所有滿足約束條件f(x_i )<0.9f(x_j )的點xj；
            求上一步滿足約束條件的xj與xi之間的歐氏距離，儲存在向量d；
            取d中最小值爲r(i)，即r(i)=min(d)；
        }
    }

第三步：將向量r 按照降序排列，取前500個ri 對應的點作爲MOPS的特徵點。