基于邊緣和角點(diǎn)的圖像特征提取方法的研究及實(shí)現(xiàn).pdf

1、隨著科學(xué)技術(shù)的進(jìn)步，人類社會(huì)已經(jīng)邁入了一個(gè)全新的數(shù)字化時(shí)代。圖像作為信息的一種重要載體，對(duì)其進(jìn)行有效的研究和表示，在數(shù)字信息處理中有著非常重要的意義。圖像特征作為圖像中可用做標(biāo)注的屬性，常常成為數(shù)字圖像研究領(lǐng)域的熱點(diǎn)和難點(diǎn)，正確提取圖像的特征是圖像分割、圖像理解、模式識(shí)別和計(jì)算機(jī)視覺等領(lǐng)域的研究基礎(chǔ)和關(guān)鍵前提。在諸多圖像特征中，尤以圖像的邊緣和角點(diǎn)最為重要，因?yàn)樗鼈兡鼙容^完整地刻畫出圖像的特點(diǎn)。圖像的邊緣可定義為圖像的灰度、紋理、顏色等

2、局部特征不連續(xù)性的區(qū)域，角點(diǎn)屬于邊緣中最特殊的一類點(diǎn)，它是尖銳邊緣的端點(diǎn)，角點(diǎn)還常常被定義為圖像邊界上曲率足夠高或曲率變化足夠明顯的點(diǎn)。圖像的邊緣檢測(cè)和角點(diǎn)檢測(cè)是圖像特征提取領(lǐng)域最為重要的研究?jī)?nèi)容，也是后續(xù)高級(jí)圖像處理的基礎(chǔ)。 本文首先細(xì)致比較了各類經(jīng)典邊緣檢測(cè)算法以及SUSAN角點(diǎn)檢測(cè)算法中的優(yōu)劣點(diǎn)，發(fā)現(xiàn)傳統(tǒng)算法中存在缺乏濾波機(jī)制或者濾波機(jī)制較弱，缺少辦法對(duì)濾波后的模糊化圖像特征進(jìn)行加強(qiáng)，沒用使用多尺度的方式來降低圖像特征的多

3、重響應(yīng)和降低由噪聲干擾引起的圖像特征誤檢。針對(duì)以上不足，本文提出了一系列新的解決方案，主要的工作包括以下三個(gè)方面： 1）針對(duì)傳統(tǒng)算法中對(duì)圖像的濾波效果較差的情況，提出了一組共三個(gè)保留圖像細(xì)節(jié)的改進(jìn)濾波算法（分別為CS-LAMF，ASF-M，CS-GF），來分別處理椒鹽噪聲、高斯噪聲和混合噪聲并盡可能地降低圖像特征模糊化現(xiàn)象。 2）引入數(shù)學(xué)形態(tài)學(xué)的相關(guān)理論，利用其運(yùn)算對(duì)濾波后的圖像進(jìn)行了特征加強(qiáng)處理，并結(jié)合新提出的一組濾波

4、算法提出一種基于Canny的噪聲類型自適應(yīng)的邊緣檢測(cè)新算法。 3）借鑒了Harris角點(diǎn)檢測(cè)算法中的設(shè)計(jì)思想，融合了本文新提出的偽角點(diǎn)模板匹配檢測(cè)法、自適應(yīng)計(jì)算USAN閾值和初始角點(diǎn)響應(yīng)值上限/下限抑制這三種新機(jī)制給出一種改進(jìn)的基于SUSAN的綜合改進(jìn)的自適應(yīng)角點(diǎn)檢測(cè)算法。 通過本文最后的對(duì)比實(shí)驗(yàn)可以看出，新提出的一組濾波機(jī)制在有效改進(jìn)濾波效果的同時(shí)很好地維持了圖像特征的細(xì)節(jié)；基于Canny的噪聲類型自適應(yīng)的邊緣檢測(cè)算法