数字图像角点特征检测方法研究目录引言 (3)1 研究背景与发展 (6)1.1研究背景 (6)1.2研究现状和发展概述 (6)1.3应用软件M ATLAB (7)2 角点检测概念与原理 (9)2.1角点的定义 (9)2.2角点概念及特征 (9)2.3角点检测意义 (9)2.4角点检测原理 (10)2.5角点检测技术的基本方法 (10)2.5.1 基于模板的角点检测 (10)2.5.2 基于边缘的角点检测 (11)2.5.3 基于灰度变化的角点检测 (13)3 角点算法概述 (14)3.1角点检测的标准 (14)3.2H ARRIS角点检测算子 (14)3.2.1 Harris角点检测算子流程图 (19)3.2.2 Harris角点检测算子的特点 (20)3.2.3 Harris角点检测性质 (20)3.2.4 Harris和Moravec算子角点检测实验结果 (21)3.3一种改进的H ARRIS的算法 (23)3.3.1试验结果 (24)3.4S USAN角点检测算子 (25)3.3.1 SUSAN角点检测一般步骤 (27)3.3.2 Susan角点检测算子特点 (29)3.3.3 Susan角点检测试验结果 (29)4 其他算子简介 (33)4.1小波变换算子 (33)4.2F ORSTNER算子 (33)4.3CSS角点检测算法 (35)4.4ACSS角点检测算法 (36)4.5各种角点检测算法的比较 (36)结论 (39)致谢 (41)参考文献 (42)附录1 HARRIS算法程序 (44)附录2 MORA VEC算法程序 (46)附录3 改进的HARRIS算法 (48)附录4 SUSAN算法程序 (50)本文主要研究了数字图像的角点特征检测方法，应用了Matlab软件对图像进行处理。
在计算机视觉中、机器视觉和图像处理中，特征提取都是一个重要的方向。
角点决定了图像中目标的形状，这是一个重要的特征。
此特征应用于很多领域，例如运动估计、目标描述、图像匹配、目标跟踪等，因此提取角点的意义很重要。
角点含有很大的信息量，对图像处理有足够的约束力。
这使运算量降低，有效的提高运算速度。
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。
通过应用MATLAB编写程序，本文编辑有Harris算法、Susan算法、Moravec算和改进的Harris算法的程序。
通过MATLAB运行得出图像提取角点的结果，分析了各种算法的优缺点。
Harris角点检测原理中角点与自相关函数的曲率特性有关。
描述了局部图像灰度的变化程度是自相关函数。
根据邻近像素灰度相似度这个概念提出改进后的算法。
Moravec角点检测算法思路简单,计算过程易于实现,判断条件少。
SUSAN角点检测算法直接利用图像灰度相似性的比较,而不需计算梯度。
关键词：角点；图像比配；检测；图像处理；Harris算子This paper mainly studied the method of digital image feature detection and processed image by the Matlab. In computer vision, machine vision and image processing, this was an important direction for feature extraction. The corner point determines the shape of the target image, which was an important characteristic.The characteristic applied to a wide variety of domain, such as motion estimation, goal description, image matching, target tracing and so on. Therefore corner points were extracted that was important meaning. The corner points had a large number of information that could provide enough constraints on image processing. This marked the computation reduction, effectively improved the computing speed. Corner detection was a question. In the field of image processing, the corner detection was bases question, and was an important method in low level image processing. Corner detection was designed to match. The matching efficiency depended on the number of corner points.By means of the use of MATLAB to wrote program. This article editing program had Harries algorithm, Susan algorithm, modified harries algorithm, Moravec algorithm. By running the MATLAB reached image to extract corner point results, and analyzed the advantages and disadvantages of various algorithms. In Harris’ corner detection principle, corner point was related to the curvature properties of the autocorrelation function. The auto correlative function described the local change of image gray degree.According to adjacent pixel gray level’s similarity, which came up with improved algorithm.Moravec’s corner detection algorithm had Simple way of thinking, and counting process was apt to come true, and had very less judging criteria. Susan’s corner detection algorithm based on comparing the image gray similarity, and didn’t need to calculate the gradient.Keywords:Angular point；Image match；Detection；Image processing；Harris operator随着时代的发展,计算机应用到各个领域。
人类正在步入信息时代，计算机将越来越广泛的进入更多的领域。
一方面是更多训练和培养专业的计算机人才来应用计算机，另一方面是计算机的功能越来强,越来越多,使用方法越来越复杂。
这就使人在计算机应用的灵活性于目前使用计算机时所要求严格的规定之间产生了矛盾。
让更多的人能够使用复杂繁琐的计算机，必须改变让人来适应计算机，来死记硬背计算机使用规则的情况。
相反是让计算机与人的习惯和要求相适应，用人所习惯的方式与人进行信息交换，就是让计算机拥有人的听觉、视觉、说话的能力。
特征提取是图像分析和配准的基础,也是物体运动跟踪的关键步骤。
图像特征是由于拍摄场景的物理特性和几何学特性使图像中部分的灰度产生明显变化而形成的。
在实际中顺利进行摄像机标定和立体视觉研究的前提和基础是图像特征的获取。
图像特征主要包括图像角点、边缘点、边界、转折点（拐点）和纹理等。
特征提取的结果影响到后面的匹配精度和标定精度[1]。
多媒体信息正在迅速成为信息交流与服务的主流，例如图像、音频和视频等。
传统的数据库检索中采用根据关键词的检索方式已不能满足人们的需求,然而基于内容的多媒体检索成为一个新的研究热点[2]。
基于内容的多媒体检索的前提是正确的识别图像、音频和视频中的内容。
图像检测角点是完成视觉处理的基本任务，也是图像处理的基本任务[3]。
角点拥有光照条件不受影响的结果和旋转不变的特点是图像的重要特征。
使用角点进行图像处理时不损坏图像的形状和图像灰度的信息，也可减少计算是参与运算的参数。
在图像匹配中，可以利用角点的特性。
这样可以提高匹配的精度和速度。
角点没有明确的数学定义。
普遍认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率的极大值点。
这些点在保留图像图形重要特征的同时有效地减少信息的数据量，提高信息含量，提高了计算速度。
这样有利于图像匹配的可靠度,使得实时处理成为可能[4]。
角点作为图像上的特征点，包含有重要的信息。
在图像融合和目标跟踪及三维重建中有重要的应用价值[5]。
但在实际应用的基础上，从角点检测的准确性、迅速性、鲁棒性等要求出发，可以看出对不同角点检测算法的分析各有利有弊[6]。
直接图像的角点检测基本上是全局搜索；边缘轮廓的角点检测数据量较少，可以采用多分辨分析同时进行处理，从灰度图像得到边缘轮廓曲线要经过两次以上的全局搜索，对角点的误检和漏检要比直接基于图像的方法好，但速度不是很快[7]。
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。
同时在对Harris算法进行改进,观察改进的Harris的算法与原Harris算法有什么不同。
用同样的图片进行比较。
本文应用Matlab进行图像程序运行。
应用Matlab对图像进行处理已经普遍引用到各个领域。