【正文】 作者簽 名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 29 注 意 事 項 （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻 8）致謝 9）附錄（對論文支持必要時） ：理工類設(shè)計（論文）正文字數(shù)不少于 1 萬字（不包括圖紙、程序清單等），文科類論 文正文字數(shù)不少于 萬字。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按 照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)校可以公布論文的部分或全部內(nèi)容。另外，特別感謝李向群 老師一直以來對我的鼓勵，這使我在學(xué)習(xí)方面有了很大動力。圖像質(zhì)量對 Harris角點檢測的影響研究山東：山東大學(xué)， 20xx [5]田源 梁德群 吳更石?；诨叶鹊姆椒ㄖ苯痈鶕?jù)圖像的灰度信息來判定角點的存在 , 簡單快速 , 但它通常要遍歷圖像中所有的像素點 , 制約了算法的效率 , 且窗口模板的大小和 閾值的設(shè)置也難以把握。 image_in=imread(39。 intensity_center = image((a+1)/2,(b+1)/2)。 end。 end。 R(i,j) R(i+1,j1) amp。 R(i,j) R(i1,j) amp。 end。 width = size(ori_im,2)。 clear Iy。0。 ori_im=double(f)/255。 X=rgb2gray(X)。 對前幾節(jié)常用算法原理的分析，可以總結(jié)出各個算法在實際應(yīng)用中的優(yōu)點和不足之處，如下 ： 表 I 常用算法分析表： 算法 優(yōu)點 不足 Moravec 角點檢測算法 算法思路簡單，過程易于實現(xiàn)； 判斷條件少 定位準(zhǔn)確度不高 抗燥能力較低 Harris角點檢測算法 采用差分求導(dǎo)方式，計算簡單 穩(wěn)定性和魯班性較高； 角點提取可靠性高 定位性能差，在需要精確定位時不能滿足要求； 閾值、變長量 K 和高斯函數(shù)方差的數(shù)值沒有確定值。 缺 點： 穩(wěn)定性差，閾值的選取直接影響到檢測的準(zhǔn)確性 。如果要達到單象素的精度，還需進一步剔除多余象素。得到每個象素的 USANn(r0)以后，再與預(yù)先設(shè)定得門限 g 進行比較，當(dāng) n(r0)g 時，所檢測到象素位置 r0 可以認為是一個邊緣點。若 M 的特征值 L1 和 L2 都相對較大，則證明在該店的圖像灰度自相關(guān)函數(shù)的兩個正 交方向上的曲率極值比較大，進一步確認該點就是角點。 角點檢測算法 Harris 算子是 是 和 在 1988 年提出的一種基于信號的點特征提取算法，也稱為 Plessey 角點檢測算法。 ③ 穩(wěn)定 :Harris 算子的計算公式中只涉及到一階導(dǎo)數(shù)，因此對圖像旋轉(zhuǎn)、灰度變化、噪聲影響和視點變換不敏感 ,它也是比較穩(wěn)定的一種點特征提取算子。 精確性：在角點檢測的過程中，提取到的角點的坐標(biāo)應(yīng)盡可能的準(zhǔn)確，應(yīng)盡可能的接近角點的實際位置，即提取到的角點應(yīng)盡可能是角點的真實位置 。 角點檢測算法 目前的角點檢測算法可歸納為 3類 ： ：基于梯度；基于模板；基于模板梯度組合。 角點是指圖像中梯度值和梯度方向的變化速率都很高的點 。 角點是圖像的一種重要局部特征 ,留了圖像中物體的重要特征信息的同時有效地減少了信息的數(shù)據(jù)量 ,使得對圖像處理時運算量大大減少 . 由于角點集中了圖像上的很多重要的形狀信息 ,角點具有旋轉(zhuǎn)不變性 ,因此角點幾 6 乎不受光照條件的影響 . 在基于特征的圖像配準(zhǔn)、圖像理解及模式識別等領(lǐng)域中 ,角點提取具有十分重要的意義 . 在基于角點檢測的圖像配準(zhǔn)中的關(guān)鍵技術(shù)就是精確的檢測出需要配準(zhǔn)的每幅圖像中的角點 ,即角點檢測技術(shù) 。由于角點具有能夠減少參與計算的數(shù)據(jù)量，同時又不損失影像的重要灰度信息的重要作用，在攝像機標(biāo)定，匹配和三維重建中使用角點特征可以大大的提高其精度和速率。特征提取的好壞直接影響到后面的標(biāo)定精度和匹配精度。一方面是更多未經(jīng)計算機專業(yè)訓(xùn)練的人需要應(yīng)用計算機，而另一方面是計算機的功能越來越強，使用方法越來越復(fù)雜。角點檢測問題是圖像處理領(lǐng)域的一個基礎(chǔ)問題 ,是低層次圖像處理的一個重要方法。角點檢測的目的是為了匹配，而匹配的效率取決于角點的數(shù)量。這就使人在進行 交談和通訊時的靈活性于目前使用計算機時所要求嚴格和死板之間產(chǎn)生了尖銳的矛盾。 圖像、音頻和視頻為主的多媒體信息正在迅速成為信息交流與服務(wù)的主流。同時，角點特征是圖像的重要特征，由于角點進行匹配能夠大大減少計算量，因此角點在圖像匹配中有良好的應(yīng)用價值。 論文的主要工作 首先，簡單介紹有關(guān)角點檢測的研究意義與它的背景。 角點特征是影像的重要特征，在各種影像特征中角點具有旋轉(zhuǎn)不變性和不隨光照條件改變而改變的優(yōu)點 .在一些應(yīng)用中使用角點特征進行處理，可以減少參與計算的數(shù)據(jù)量，同時又不損失圖像的重要灰度信息，利用角點特征進行匹配可以大大提高匹配的速度。 。 復(fù)雜性：角點檢測的目的是為匹配和三維重建用的，角點檢測的速度關(guān)系到后續(xù)工作的效率 ，所以，角點檢測算法應(yīng)簡單，程序運行速度越快越好，減少人工干預(yù)，提高程序的自動化要求，滿足實時性的要求。 Harris 算子的局限性有： ① 它對尺度很敏感，不具有尺度不變性。整個算法是受到信號處理中自相關(guān)函數(shù)的啟發(fā)，引入與自相關(guān)函數(shù)相聯(lián)系的矩陣 M。 具體判定方法，可以通過判斷特征值 L1和 L2來確定角點的位置： 如果兩個曲率值都很小，則證明局部自相關(guān)函數(shù)很平坦，檢測區(qū)域為平坦區(qū)域； 如果兩個曲率中一個較大，另一個較小時，則說明 E（ x,y）垂直山脊的變化很大，而沿著山脊的變化很小，此處為一個邊沿，即局部自相關(guān)函數(shù)呈現(xiàn)山脊?fàn)睿? 如果兩個曲率都很大，則說明局部自相關(guān)函數(shù)有一個尖峰，此處為一個角點。 (2)模板的選取 由于圖像的數(shù)字化，實際上無法實現(xiàn)真正的圓形模板，所以都是采用近 15 似圓代替。 門限 t 表示所能檢測邊緣點的最小對比度，也是能忽略的噪聲的最大容限。 算法比較 Moravec 角點檢測算法是一種比較傳統(tǒng)的提取興趣點的算法，由于該算法是通過計算水平、垂直、對角線、反對角線四個方向上灰度方差檢測角點，該算子各項異性。 SUSAN 角點檢測算法 抗干擾能力強； 可以檢測任何類型的角點。 %X=double(X)。 fx = [2 1 0 1 2]。1。 h= fspecial(39。 result = zeros(height,width)。 end。amp。amp。 i=1。 [posc, posr] = find(result == 1)。 temp1 = (imageintensity_center)/threshold。39。因此 , 在如何保證算法簡單快速的同時又能使檢測結(jié)果準(zhǔn)確一致 , 一直是研究人員試圖解決的問題。直接基于灰度圖像的多尺度角點檢測方法。在此，謹向施老師致以真誠的敬意和由衷的感謝。 作者簽名： 日 期： 28 學(xué)位論