基于角点检测的图像处理方法资料.docx

1、基于角点检测的图像处理方法资料基于角点检测的图像处理方法研究摘 要：本文主要研究了图像的角点检测方法，在计算机视觉中，机器视觉 和图像处理后总，特征提取都是一个重要的方向。而角点又是图像的一个重 要局部特征，它决定了图像中目标的形状，因此在图像匹配，目标描述与识 别及运动估计，目标跟踪等领域，角点提取都具有重要的意义。角点的信息 含量很高，可以对图像处理提供足够的约束，减少运算量，极大地提高运算 速度。角点检测问题是图像处理领域的一个基础问题，是低层次图像处理的一 个重要方法。角点检测的目的是为了匹配，而匹配的效率取决于角点的数量。 Harris角点检测原理是对于一副图像，角点于自相关函数的曲

2、率特性有关， 自相关函数描述了局部局部图像灰度的变化程度。在角点处，图像窗口的偏 移将造成自相关函数（图像灰度的平均变化）的显著变化。 harris算子是- 种简单的点特征提取算子，这种算子受信号处理中自相关函数的启发，给出 与自相关函数相联系的矩阵 M。 M阵的特征值是自相关函数的一个阶曲率， 如果两个曲率值都高，那么久认为该点是特征点。关键词：角点，角点检测，Harris角点ABSTRACTThis paper studies the image of the corner detecti on methods in computer visi on, machi ne visi on a

3、nd image process ing gen eral, feature extracti on is an importa nt directi on. The corner is an importa nt local feature image, which determines the shape of the target image, so the image matching, object description and recognition and motion estimation, target tracking and other fields, corner d

4、etection are of great significanee. Corner of the information content is high, image process ing can provide sufficie nt con stra ints to reduce the amount of computati on greatly improve the process ing speed. Corner detecti on is a basic image process ing problems, low-level image process ing is a

5、n importa nt way. Corner detecti on is desig ned to match the efficie ncy of the matchi ng depends on the number of corne。Harris corner detection principle is that for an image, cor ner point on the curvature properties of the autocorrelati on fun cti on is related to the local auto-correlati on fun

6、 cti on describes the degree of local image inten sity cha nges. In the cor ner point, the offset will result in the image wi ndow autocorrelation function (the average image intensity changes) change significantly. arris operator is a simple point feature extraction operator, this operator by the s

7、ig nal process ing in the autocorrelati on fun cti on of in spiratio n, give n the autocorrelati on fun cti on associated with the matrix M. Eige nv alues of matrix M is an order autocorrelation function of the curvature, if the two curvature values are high, for so long that the point is the featur

8、e poi nts.Key word: Corner , Corner detecti on , Harris Corner第一章绪论 41.1问题的提出及研究意义 41.2研究背景 51.3论文的主要工作 6第二章角点检测 72.1角点概念及特征 72.2角点检测的研究意义 72.3角点检测的研究现状 82.4角点检测算法 8第三章 角点检测的理论基础 93.1常用角点检测简介 93.2角点检测的标准 93.3基于模板的角点检测 93.4角点检测原理 10第四章Harris角点检测算法 114.1Harris 算子特征 114.2Harris 角点检测性质 114.3Harris 角点检测原

9、理 114.4Harris 角点检测算法 124.5 SUSAN检测算法 13第五章图片实现及结论 165.1基于Harris角点的图片实现 165.2基于susan检测实现的图片 185.3算法比较 195.4角点检测程序 21第六章结语 24参考文献 25答 谢 26第一章绪论1.1问题的提出及研究意义人类正在进入信息时代，计算机将越来越广泛的进入几乎所有的领域。一方面是更多未经计算机专业训练的人需要应用计算机， 而另一方面是计算机的功能越来越强，使用方法越来越复杂。这就使人在进行交谈和通讯时的 灵活性于目前使用计算机时所要求严格和死板之间产生了尖锐的矛盾。 为了使更多的人能够使用复杂的计

10、算机，必须改变过去那种让人来适应计算机， 来死记硬背计算机使用规则的情况。 而是反过来让计算机来适应人的习惯和 要求，以人所习惯的方式与人进行信息交换，也就是让计算机具有视觉、听 觉、和说话的能力。特征提取是图像分析和图像配准的基础，也是运动物体 跟踪的关键步骤之一。图像特征是由于拍摄场景的物理与几何特性使图像中 局部 的灰度产生明显变化而形成的。图像特征的获取是顺利进行摄像机标定和立体视觉研究的前提和基础。图像特征主要包括图像边界、边缘点、角点、拐点和纹理等。特征提取的好坏直接影响到后面的标定精度和匹配精度。图像、音频和视频为主的多媒体信息正在迅速成为信息交流与服务的主 流。传统的数据库检索

11、中采用的基于关键词的检索方式已不能满足人们的需 要，基于内容的多媒体检索成为一个研究热点。正确的识别图像、音频和视 频中的内容是基于内容的多媒体检索的一个前提。图像角点检测是完成视觉处理的基本任务之一，也是图像处理基本任 务。角点特征是影像的重要特征。角点时目标轮廓线上曲率的局部极大点，对掌握目标的轮廓特征具有约束的作用。角点，作为一幅图像的特征，其数 目将远远小于整个图像的像素数目。由于角点具有能够减少参与计算的数据 量，同时又不损失影像的重要灰度信息的重要作用，在摄像机标定，匹配和 三维重建中使用角点特征可以大大的提高其精度和速率。同时，角点特征是 图像的重要特征，由于角点进行匹配能够大大

12、减少计算量，因此角点在图像 匹配中有良好的应用价值。尤其在实时处理中有很高的应用价值并且在实现 摄影测量自动化和遥感影像匹配中，角点检测也具有重要作用 .因此，研究角点检测算法具有重要的理论意义和实用价值。角点对于摄像机标定，匹配 和重建具有非常重要的意义，角点检测结果直接影响到标定，匹配和重建的 精度。1.2研究背景早期的角点检测方法是首先对图像进行区域分割，通过链码提边界，然 后再边界上寻找方向变化较快的点，这种方法在很大程度上依赖于图像分割 的效果，而后者本身就是一项比较复杂的工作。同时这类算法的计算复杂度 很高。由于图像特征的重要性，所以早年在这个方向已经取得了许多研究成 果，学术界在

13、最近十余年进行了研究，基于不同的出发点和思路取得了一系 列成果，对于不同的问题北京它们都有各自的应用价值。到目前为止，在计算甲视觉和图像处理领域中关于角点还没有很好的数 学定义，存在多种数学描述方法，因而在有关文献中涌现出很多角点检测方 法。角点是图像的一种重要局部特征，留了图像中物体的重要特征信息的同 时有效地减少了信息的数据量，使得对图像处理时运算量大大减少.由于角 点集中了图像上的很多重要的形状信息 ，角点具有旋转不变性，因此角点几 乎不受光照条件的影响.在基于特征的图像配准、图像理解及模式识别等领 域中,角点提取具有十分重要的意义.在基于角点检测的图像配准中的关键 技术就是精确的检测出

14、需要配准的每幅图像中的角点 ，即角点检测技术。1.3论文的主要工作首先，简单介绍有关角点检测的研究意义与它的背景。 这里主要谈了国内外学者对角点检测以及图像处理方法的一些研究成果。整个论文主要运用Harris和SUSAN两种不同的算法，并对其同一张图 像进行不同方法的角点检测，实现被检测的图像，并比较其中的不同，然后 得出检测结果，再加以分析两种检测方法的优缺点。第二章角点检测2.1角点概念及特征.目前关于角点的具体定义和描述主要有如下几种：角点是一阶导数（即灰度的梯度）的局部最大所对应的像素点。角点是两条及两条以上边缘的交点。角点指示了物体边缘变化不连续的方向。角点处得一阶导数最大，二阶导数

15、为零。角点是指图像中梯度值和梯度方向的变化速率都很高的点。角点特征是影像的重要特征，在各种影像特征中角点具有旋转不变性和 不随光照条件改变而改变的优点.在一些应用中使用角点特征进行处理，可 以减少参与计算的数据量，同时又不损失图像的重要灰度信息，利用角点特 征进行匹配可以大大提高匹配的速度。2.2角点检测的研究意义角点是目标轮廓上曲率的局部极大点， 对掌握目标的轮廓特征具有决定 作用，一旦找到了目标的轮廓特征也就大致掌握了目标的形状。特征提取在 计算机视觉、图像处理和机器视觉中一直是一个重要方向，而角点作为图像 的一个重要特征，长期以来备受研究者关注，也取得了很多研究成果。一般 认为角点式二维

16、图像亮度变化最剧烈或图像边缘曲线上曲率值最大的像素 点，能很好地被区分出来。具有旋转不变和不随光照条件变化而改变的优点， 因此在图像匹配、摄像机标定、三维重建、运动物体的跟踪及模式识别等诸 多领域有着重要应用。经过三十多年的发展，产生了大量的角点检测算法，取得了很大的突破和进展，但这方面的研究仍一直在进行中，对存在的各种 角点检测算法做一个详尽的综述是非常必要的。2.3角点检测的研究现状角点是图像的一种重要局部特征，角点在保留了图像中物体的重要特征 信息的同时有效地减少了信息的数据量，使得对图像处理时运算量大大减少 由于角点集中了图像上的很多重要的形状信息，角点具有旋转不变性，因此 角点几乎不受光照条件的影响.在基于特征的图像配准、图像理解及模式识 别等领域中，角点提取具有十分重要的意义.在基于角点检测的