圖像特征提取是計算機視覺與模式識別領域中的研究熱點和關鍵技術。作為圖像的諸多特征之一,角點不僅具有光照、旋轉(zhuǎn)等不變性,而且信息含量豐富、數(shù)據(jù)量小,因而廣泛應用于圖像匹配、相機標定、運動估計、三維重建和目標識別等任務中。在這些任務中,角點檢測既是基礎工作,又是關鍵步驟,且角點檢測結(jié)果的好壞將直接影響到后續(xù)圖像處理的性能,因此研究和完善角點檢測相關理論和方法具有重要意義。本文首先對數(shù)字圖像角點檢測算法進行了研究,并在此基礎上著重對基于灰度變化的角點檢測算法中尺度變化敏感、角點檢測速度慢以及自適應性差等問題進行了深入研究,具體研究內(nèi)容如下:(1)對角點的定義、角點檢測算法性能的評價準則、角點檢測的一般過程及其過程中所用到的相關技術以及幾種典型角點檢測算法的原理及其角點檢測步驟進行了介紹。(2)針對Harris算法提取的角點對尺度變化較敏感,且運行速度慢的問題,本文提出了一種基于相似像素的Harris角點檢測改進算法。受SUSAN算法啟發(fā),改進算法首先計算目標像素8鄰域內(nèi)與之相似的像素數(shù)目,并據(jù)此篩選出候選角點,然后利用候選角點的相似像素數(shù)目改進角點響應函數(shù),最后進行局部非極大值抑制確定最終角...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究工作
    1.4 論文章節(jié)安排
2 角點檢測技術
    2.1 角點的定義
    2.2 角點檢測算法評價準則
    2.3 角點檢測的一般步驟
        2.3.1 圖像預處理
        2.3.2 角點響應函數(shù)的計算
        2.3.3 閾值的選擇
        2.3.4 非極大值抑制
    2.4 本章小結(jié)
3 角點檢測算法分類
    3.1 基于邊緣信息的角點檢測算法
        3.1.1 CSS角點檢測算法
        3.1.2 ACSS角點檢測算法
    3.2 基于灰度變化的角點檢測算法
        3.2.1 Moravec角點檢測算法
        3.2.2 MIC角點檢測算法
        3.2.3 FAST角點檢測算法
    3.3 本章小結(jié)
4 基于Harris角點檢測算法改進
    4.1 Harris角點檢測算法
        4.1.1 Harris算法原理
        4.1.2 Harris算法步驟
    4.2 基于相似像素的Harris角點檢測改進算法
        4.2.1 候選角點的篩選
        4.2.2 角點響應函數(shù)的改進
        4.2.3 改進算法步驟
        4.2.4 實驗結(jié)果及分析
    4.3 基于灰度差分與模板的Harris角點檢測快速算法
        4.3.1 初始角點集的篩選
        4.3.2 初始角點集的精化
        4.3.3 改進算法步驟
        4.3.4 實驗結(jié)果及分析
    4.4 本章小結(jié)
5 基于SUSAN角點檢測算法優(yōu)化
    5.1 SUSAN角點檢測算法
        5.1.1 SUSAN算法原理
        5.1.2 SUSAN算法步驟
    5.2 自適應的SUSAN角點檢測快速算法
        5.2.1 改進思路
        5.2.2 快速的角點預篩選
        5.2.3 灰度差閾值的自適應計算
        5.2.4 改進算法步驟
        5.2.5 實驗結(jié)果及分析
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻
攻讀碩士學位期間的論文及獲獎情況
致謝



本文編號：3902439