【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(xiàng) （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(yè)（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(xiàn) 8）致謝 9）附錄（對(duì)論文支持必要時(shí)） ：理工類(lèi)設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1 萬(wàn)字（不包括圖紙、程序清單等），文科類(lèi)論 文正文字?jǐn)?shù)不少于 萬(wàn)字。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō)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(jì)（論文）的規(guī)定，即：按 照學(xué)校要求提交畢業(yè)設(shè)計(jì)（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(jì)（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)校可以采用影印、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)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。另外，特別感謝李向群 老師一直以來(lái)對(duì)我的鼓勵(lì)，這使我在學(xué)習(xí)方面有了很大動(dòng)力。圖像質(zhì)量對(duì) Harris角點(diǎn)檢測(cè)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(lái)判定角點(diǎn)的存在 , 簡(jiǎn)單快速 , 但它通常要遍歷圖像中所有的像素點(diǎn) , 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(duì)前幾節(jié)常用算法原理的分析，可以總結(jié)出各個(gè)算法在實(shí)際應(yīng)用中的優(yōu)點(diǎn)和不足之處，如下 ： 表 I 常用算法分析表： 算法 優(yōu)點(diǎn) 不足 Moravec 角點(diǎn)檢測(cè)算法 算法思路簡(jiǎn)單，過(guò)程易于實(shí)現(xiàn)； 判斷條件少 定位準(zhǔn)確度不高 抗燥能力較低 Harris角點(diǎn)檢測(cè)算法 采用差分求導(dǎo)方式，計(jì)算簡(jiǎn)單 穩(wěn)定性和魯班性較高； 角點(diǎn)提取可靠性高 定位性能差，在需要精確定位時(shí)不能滿足要求； 閾值、變長(zhǎng)量 K 和高斯函數(shù)方差的數(shù)值沒(méi)有確定值。 缺 點(diǎn)： 穩(wěn)定性差，閾值的選取直接影響到檢測(cè)的準(zhǔn)確性 。如果要達(dá)到單象素的精度，還需進(jìn)一步剔除多余象素。得到每個(gè)象素的 USANn(r0)以后，再與預(yù)先設(shè)定得門(mén)限 g 進(jìn)行比較，當(dāng) n(r0)g 時(shí)，所檢測(cè)到象素位置 r0 可以認(rèn)為是一個(gè)邊緣點(diǎn)。若 M 的特征值 L1 和 L2 都相對(duì)較大，則證明在該店的圖像灰度自相關(guān)函數(shù)的兩個(gè)正 交方向上的曲率極值比較大，進(jìn)一步確認(rèn)該點(diǎn)就是角點(diǎn)。 角點(diǎn)檢測(cè)算法 Harris 算子是 是 和 在 1988 年提出的一種基于信號(hào)的點(diǎn)特征提取算法，也稱(chēng)為 Plessey 角點(diǎn)檢測(cè)算法。 ③ 穩(wěn)定 :Harris 算子的計(jì)算公式中只涉及到一階導(dǎo)數(shù)，因此對(duì)圖像旋轉(zhuǎn)、灰度變化、噪聲影響和視點(diǎn)變換不敏感 ,它也是比較穩(wěn)定的一種點(diǎn)特征提取算子。 精確性：在角點(diǎn)檢測(cè)的過(guò)程中，提取到的角點(diǎn)的坐標(biāo)應(yīng)盡可能的準(zhǔn)確，應(yīng)盡可能的接近角點(diǎn)的實(shí)際位置，即提取到的角點(diǎn)應(yīng)盡可能是角點(diǎn)的真實(shí)位置 。 角點(diǎn)檢測(cè)算法 目前的角點(diǎn)檢測(cè)算法可歸納為 3類(lèi) ： ：基于梯度；基于模板；基于模板梯度組合。 角點(diǎn)是指圖像中梯度值和梯度方向的變化速率都很高的點(diǎn) 。 角點(diǎn)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(shí)有效地減少了信息的數(shù)據(jù)量 ,使得對(duì)圖像處理時(shí)運(yùn)算量大大減少 . 由于角點(diǎn)集中了圖像上的很多重要的形狀信息 ,角點(diǎn)具有旋轉(zhuǎn)不變性 ,因此角點(diǎn)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(shí)別等領(lǐng)域中 ,角點(diǎn)提取具有十分重要的意義 . 在基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)中的關(guān)鍵技術(shù)就是精確的檢測(cè)出需要配準(zhǔn)的每幅圖像中的角點(diǎn) ,即角點(diǎn)檢測(cè)技術(shù) 。由于角點(diǎn)具有能夠減少參與計(jì)算的數(shù)據(jù)量，同時(shí)又不損失影像的重要灰度信息的重要作用，在攝像機(jī)標(biāo)定，匹配和三維重建中使用角點(diǎn)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(jì)算機(jī)專(zhuān)業(yè)訓(xùn)練的人需要應(yīng)用計(jì)算機(jī)，而另一方面是計(jì)算機(jī)的功能越來(lái)越強(qiáng)，使用方法越來(lái)越復(fù)雜。角點(diǎn)檢測(cè)問(wèn)題是圖像處理領(lǐng)域的一個(gè)基礎(chǔ)問(wèn)題 ,是低層次圖像處理的一個(gè)重要方法。角點(diǎn)檢測(cè)的目的是為了匹配，而匹配的效率取決于角點(diǎn)的數(shù)量。這就使人在進(jìn)行 交談和通訊時(shí)的靈活性于目前使用計(jì)算機(jī)時(shí)所要求嚴(yán)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(shí)，角點(diǎn)特征是圖像的重要特征，由于角點(diǎn)進(jìn)行匹配能夠大大減少計(jì)算量，因此角點(diǎn)在圖像匹配中有良好的應(yīng)用價(jià)值。 論文的主要工作 首先，簡(jiǎn)單介紹有關(guān)角點(diǎn)檢測(cè)的研究意義與它的背景。 角點(diǎn)特征是影像的重要特征，在各種影像特征中角點(diǎn)具有旋轉(zhuǎn)不變性和不隨光照條件改變而改變的優(yōu)點(diǎn) .在一些應(yīng)用中使用角點(diǎn)特征進(jìn)行處理，可以減少參與計(jì)算的數(shù)據(jù)量，同時(shí)又不損失圖像的重要灰度信息，利用角點(diǎn)特征進(jìn)行匹配可以大大提高匹配的速度。 。 復(fù)雜性：角點(diǎn)檢測(cè)的目的是為匹配和三維重建用的，角點(diǎn)檢測(cè)的速度關(guān)系到后續(xù)工作的效率 ，所以，角點(diǎn)檢測(cè)算法應(yīng)簡(jiǎn)單，程序運(yùn)行速度越快越好，減少人工干預(yù)，提高程序的自動(dòng)化要求，滿足實(shí)時(shí)性的要求。 Harris 算子的局限性有： ① 它對(duì)尺度很敏感，不具有尺度不變性。整個(gè)算法是受到信號(hào)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(guò)判斷特征值 L1和 L2來(lái)確定角點(diǎn)的位置： 如果兩個(gè)曲率值都很小，則證明局部自相關(guān)函數(shù)很平坦，檢測(cè)區(qū)域?yàn)槠教箙^(qū)域； 如果兩個(gè)曲率中一個(gè)較大，另一個(gè)較小時(shí)，則說(shuō)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(gè)邊沿，即局部自相關(guān)函數(shù)呈現(xiàn)山脊?fàn)睿? 如果兩個(gè)曲率都很大，則說(shuō)明局部自相關(guān)函數(shù)有一個(gè)尖峰，此處為一個(gè)角點(diǎn)。 (2)模板的選取 由于圖像的數(shù)字化，實(shí)際上無(wú)法實(shí)現(xiàn)真正的圓形模板，所以都是采用近 15 似圓代替。 門(mén)限 t 表示所能檢測(cè)邊緣點(diǎn)的最小對(duì)比度，也是能忽略的噪聲的最大容限。 算法比較 Moravec 角點(diǎn)檢測(cè)算法是一種比較傳統(tǒng)的提取興趣點(diǎn)的算法，由于該算法是通過(guò)計(jì)算水平、垂直、對(duì)角線、反對(duì)角線四個(gè)方向上灰度方差檢測(cè)角點(diǎn)，該算子各項(xiàng)異性。 SUSAN 角點(diǎn)檢測(cè)算法 抗干擾能力強(qiáng)； 可以檢測(cè)任何類(lèi)型的角點(diǎn)。 %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(jiǎn)單快速的同時(shí)又能使檢測(cè)結(jié)果準(zhǔn)確一致 , 一直是研究人員試圖解決的問(wèn)題。直接基于灰度圖像的多尺度角點(diǎn)檢測(cè)方法。在此，謹(jǐn)向施老師致以真誠(chéng)的敬意和由衷的感謝。 作者簽名： 日 期： 28 學(xué)位論