基于圖像邊緣信息的角點檢測算法研究.pdf

1、模擬人類視覺系統(tǒng)來識別物體是模式識別和人工智能的一個重要研究內(nèi)容?，F(xiàn)階段基于單特征的物體識別方法由于忽略了圖像中很多有用信息導致不能有效識別物體，因此多特征融合的識別方法得到越來越多的關(guān)注。本文選題來源于教育部科學技術(shù)重點項目“多特征融合物體識別方法研究”中的圖像特征檢測。
　　 在對圖像進行識別時，角點包含了圖像中大部分的紋理、形狀等信息，因此采用角點檢測是多特征融合物體識別方法中一個重要的研究方向?，F(xiàn)有的角點檢測算法在檢測精

2、度、實時性以及時間復雜度等方面仍存在不足，本文改進了兩個基于圖像邊緣信息的角點檢測算法重點解決了檢測精度的問題。主要工作包括:
　　 首先，針對現(xiàn)有的基于多尺度曲率乘積的角點檢測算法由于閾值設(shè)置不合理導致算法性能不穩(wěn)定的缺點，改進基于局部響應(yīng)顯著度的自適應(yīng)角點檢測算法。該算法綜合考慮了角點本身的和其支持域內(nèi)所有點的曲率信息，根據(jù)目標點與其周圍點的差異顯著程度判斷該點是否為角點。實驗證明該算法在角點檢測中性能優(yōu)于其他算法。

3、　　 其次，針對現(xiàn)有的基于曲率尺度空間的角點檢測算法還未能真正實現(xiàn)動態(tài)設(shè)置閾值而導致在圖像發(fā)生尺度、仿射等變化時算法檢測到較多冗余角點的問題，提出一種無閾值的冗余角點去除算法以改進現(xiàn)有算法性能。算法先將角點按構(gòu)成方式的不同進行分類，再通過角度比較的方法去除冗余角點。實驗證明該方法在冗余角點的檢測及去除方面有良好的實驗效果，可將其應(yīng)用于基于曲率尺度空間的角點檢測算法中，提高角點檢測的精確性。
　　 最后，為了驗證該算法的有效性，