关于综述角点检测技术综述怎样

论文导读：测的步骤是：首先用边缘检测算子提取目标边缘，选出能检测极大值的小波，然后通过在多个尺度下进行小波变换，选出在各个尺度下的均是极大值的点，然后使用一定的筛选规则，选出正确的角点集合。2.2基于灰度的角点检测算法计算量小，运算速度快是基于边缘的角点提取算法的特点，但其有容易受噪声影响和对边缘提取的依赖性的
摘要：角点是图像的重要特征，对图像处理和分析有很重要的作用。本文对现有的图像角点检测方法进行了分析，并对其涉及到的关键问题进行了总结，为进一步的研究提供参考。
关键词：图像处理 局部特征 角点检测
1007-9416（2013）04-0157-01
1 引言
在计算机视觉和机器视觉中，图像的角点特征是非常重要的一个特征，它可以使图像的信息数据量大幅降低，提高有效信息的比率，大幅降低图像处理的运算量，在图像匹配、目标识别以及目标跟踪和运动检测中有重要的作用。因此，分析研究角点检测技术具有重要的研究意义和实用价值。本文对现有的角点检测方法进行了综述，并对相关的算法进行了分析和总结。
2 角点检测方法
一般来讲，角点就是图像上某个方面特别突出的点。但是在计算机视觉和机器视觉中，不同的角点定义，就会有不一样的角点检测算法，通过计算，就会得到不一样的检测结果。一般地，角点检测方法大致可分为两种：基于边缘的角点检测算法及基于灰度的角点检测算法。

2.1 基于边缘的角点检测算法

基于边缘的角点检测算法需要对图像进行分割和边缘提取，而边缘检测是计算机视觉处理中比较重要的内容之一，由于角点是多条边缘线的交点，所以基于边缘的角点检测算法对图像分割和边缘提取的效果有较高的约束，且其处理过程也比较复杂。这类算法的代表方法有基于B样条的角点检测方法，基于Freeman链码的角点检测方法以及基于小波变换的角点检测方法。
2.

1.1 基于B样条的角点检测方法

G.Medioni等人在前人研究基础上提出了一种基于B样条的角点检测的算法。该算法通过用B样条来表示图像分割之后链码所表示的边界，然后在这个基础上进行角点的提取。该类方法对前期的图像分割依赖性很大，而图像分割本身就是一个很复杂的工作，这样检测算法的复杂性就被加大了，并且图像分割中的错误很容易影响角点检测的结果。
2.

1.2 基于Freeman链码的角点检测方法

基于Freeman链码的角点检测方法是通过提取图像分割后图像边缘的Freeman链码，将方向改变量大的点标记为角点。计算出候选点以后，对角点的进一步确认可以通过计算曲率来判断。
该方法过程简单，实现比较容易，但该方法对图像分割的结果的依赖性很大，并且容易受噪声影响，在预处理过程，需要去噪处理。
2.

1.3 基于小波变换的角点检测方法

小波变换角点检测的步骤是：首先用边缘检测算子提取目标边缘，选出能检测极大值的小波，然后通过在多个尺度下进行小波变换，选出在各个尺度下的均是极大值的点，然后使用一定的筛选规则，选出正确的角点集合。

2.2 基于灰度的角点检测算法

计算量小，运算速度快是基于边缘的角点提取算法的特点，但其有容易受噪声影响和对边缘提取的依赖性的不足，对此研究者提出了基于灰度的角点检测算法。这类方法可以利用角点本身的性质检测角点，对图像其它局部特征没有依赖性。

2.1 Morec算子

Morec是H.P在1977年提出的基于灰度方差的角点提取算法，它的原理是通过计算各个像素点在水平、垂直、对角线、反对角线四个方向的灰度变化，选取的兴趣值为最小的灰度方差，最后在把在规定范围内具有角点相应最大值的像素点定义为角点。Morec算子对反差较大的边缘提取效果较好，反之效果较差。

2.2 Harris算子

Morec角点检测算子研究的是图像中窗口内的图像亮度值在经过局部窗口在不同方向进行偏移后的平均变化。Chris Harris和Mike Stephens在此算法的基础之上进行了改进，在1988年提出的一种基于信号的点特征提取算法，其将窗口移动方向利用泰勒级数展开，通过对其进行扩展，同时引入平滑因子，增强了鲁棒性。
Harris是一种高效的特征点提取算法，它有较好的稳定性，对平移、旋转、噪声可处理，能够提取出比较均匀的特征点，并且该算法对于灰度的变化图不敏感。但其也有不足：不具有尺度不变性；算法提取的角点是像素级的，非亚像素级。

2.3 SUSAN算法

SUSAN角点检测算法是Smith等人在1997年提出的一种灰度级角点检测方法。该方法的步骤为：首先定义一个圆形模板，然后将圆形模版在图像上移动，模板内的像素点的灰度值与模版中心像素（核）值相比，若其灰度差小于某阈值t时，就认为该像素与论文导读：
其核具有相同灰度，并把该区域定义为USA摘自：本科毕业论文评语www.7ctime.com
N。
3 结语
本文主要对角点检测相关的算法进行了综述，角点作为图像上的特征点，其具有丰富的信息量，在图像匹配、图像融合及目标识别等领域中有重要的应用价值。如上分析，精度不够和实时性不高是目前角点检测仍存在的不足，今后的研究和发展趋势仍将会在检测精度和实时性处理等方面有所进展。
参考文献
戴涛，朱长仁，胡树平.图像匹配技术综述[J].数字技术与应用，2012，3：174.
G Medioni， Y Yasumoto. Corner Detection and Curve Representation Using Cubic B-Splines， Computer Vision， Graphics and Image Processing.1987，39（3）：267-278.