摘 要：角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。这些点在保留图像图形重要特征的同时可以有效地减少信息的数据量，使其信息的含量很高，有效地提高了计算的速度，有利于图像的可靠匹配，使得实时处理成为可能。角点检测在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。但是基于实际应用需求，从角点检测的快速性、准确性、鲁棒性等要求出发，现有的各种角点检测算法的性能各有利弊。Harris算子是Harris和Stephens在1998年提出的一种基于信号的点特征提取算子，是图像和视频分析领域提取边缘和角点的重要工具。然而Harris算子存在定位不准确、存在伪角点等问题，虽然将尺度空间理论引入Harris算法中在一定程度上改善了Harris算子定位不准确的问题，但由于要对整个图像在多个尺度下进行计算，大大提高了计算量，降低了算子的性能，故提出一种兼顾效率和质量改进算法很重要。

本文针对基于多尺度Harris角点检测算法中效率与漏检率较难同时满足的问题，提出一种多尺度多步筛选的Harris改进算法。为抑制 Harris 角点检测中的伪角点数目、减少算法漏检率的同时提高算法的效率，首先加入提出了基于自适应领域的预筛机制得到图像的候选角点；接着在各个尺度用梯度信息再次进行筛选，筛出自适应领域筛选出的图像的候选角点中的伪角点得到各尺度下的候选角点；在计算出候选角点的响应值后用自适应的多阈值对各尺度下角点进行挑选；将各个尺度下筛选出的角点作为多尺度筛选的候选角点，用从小到大的多尺度筛选策略选出最终的角点集。最后利用 USAN 对筛选出的角点集进行进一步去伪。实验结果表明，优化的Harris 角点检测算法不仅提高了检测精度和效率，而且对噪声具有一定的鲁棒性。

 

关键词：Harris角点；尺度空间；基于领域的预筛选；自适应多阈值；USAN

 

目 录

摘 要

Abstract

第1章 绪 论 1

1.1 研究背景与研究意义 1

1.2 国内外研究现状分析 2

1.2.1 基于已有模板的角点检测 2

1.2.2 基于几何特点的角点检测 2

1.3 本文主要贡献 5

1.4 论文章节安排 5

第2章 角点检测基础理论 7

2.1 基础知识 7

2.1.1 特征 7

2.1.2 角点 7

2.1.3 特征检测方法的评价指标 8

2.1.4 尺度空间理论 9

2.2 基于灰度的经典角点检测算法 10

2.2.1 Moravec算子 12

2.2.2 Harris算子 17

2.2.3 Susan算子 25

2.3 针对Harris的改良技术 32

2.3.1 多尺度的Harris算子 32

2.3.2 基于灰度的伪角点预筛机制 34

2.3.3 梯度快速筛选的思想 36

2.3.4 自适应阈值 37

2.3.5 USAN筛除伪角点 37

2.4 本章小结 37

第3章 多尺度多步筛选Harris算子 39

3.1 算子结构 40

3.2 算法理论 41

3.2.1 自适应8邻域预筛机制 41

3.2.2 梯度预筛机制 43

3.2.3 自适应多阈值筛选机制 45

3.2.4 多尺度提取策略 46

3.2.5 USAN去伪 48

3.3 本章小结 50

第4章 实验结果与分析 51

4.1 对人为设计图片进行检测 51

4.2 对现实采样图片进行检测 56

4.3 本章小结 61

第5章 总结与展望 62

5.1 总结 62

5.2 展望 62

致 谢 63

参考文献 64