【正文】 文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。 ：任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件）。 涉密論文按學(xué)校規(guī)定處理。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。兩位老師對(duì)學(xué)生認(rèn)真負(fù)責(zé)的態(tài)度、嚴(yán)謹(jǐn)?shù)目茖W(xué)研究方法、敏銳的學(xué)術(shù)洞察力、勤勉的工作作風(fēng)以及勇于創(chuàng)新 、勇于開拓的精神是我永遠(yuǎn)學(xué) 習(xí)的榜樣?；?于 FPGA 的改進(jìn) Harris 角點(diǎn)檢測(cè)方法 ,四川：西南技術(shù)物理研究所， 20xx [3]閆 ? 龍 , 趙正旭 ,周以齊。當(dāng)前對(duì)基于邊緣檢測(cè)方法的研究主要集中在如何減少算法的復(fù)雜度和噪聲的影響。 clc。 applies the thresholding scheme, {(I(r) I(r0))/t}^(5/6) c = e to the current neighborhood of the center pixel 23 within the circle defined by the mask Abhishek Ivaturi function thresholded = susan_threshold(image,threshold) [a b]=size(image)。 end。 end。amp。amp。 if R(i,j) Rmax 22 Rmax = R(i,j)。 height = size(ori_im,1)。 clear Ix。1。5 0 5]。 X=imread(filename)。該算法可以檢測(cè)出諸如 V型、 K型、 X型、 Y型、 T型等各種類型的角點(diǎn)。不需要取噪處理 。 可以較好地提取出初始邊緣點(diǎn)。 圖像中每一點(diǎn)的 USAN區(qū)域大小可用下式表示： n(r0 )= ?? )( 00 ),(rDr rrc (2) 式 (2)中 D(r0)為以 r0 為中心的圓形模板區(qū)域。 假設(shè) L1 和 L2 是矩陣 M 的特征值，可以表示某一點(diǎn)的圖像灰度自相關(guān)函數(shù)的極值曲率，它們成比例關(guān)系。 M 陣的特征值是自相關(guān)函數(shù)的一個(gè)階曲率，如果兩個(gè)曲率值都高，那么久認(rèn)為該點(diǎn)是特征點(diǎn)。 ② 提取的點(diǎn)特征均勻而且合理 :Harris 算子對(duì)圖像中的每個(gè)點(diǎn)都計(jì)算其興趣值 ,然后在鄰域中選擇最優(yōu)點(diǎn)。 角點(diǎn)檢測(cè)的標(biāo)準(zhǔn) 準(zhǔn)確性：在角點(diǎn)檢測(cè)的過程中，可以減小噪聲對(duì)角點(diǎn)檢測(cè)的 影響，即使細(xì)小的角點(diǎn)也可以檢測(cè)，即漏提取和誤提取的角點(diǎn)越少越好。 角點(diǎn) 檢測(cè)的研究現(xiàn)狀 角點(diǎn)是圖像的一種重要局部特征 ,角點(diǎn)在保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) .其在三維場(chǎng)景重建、運(yùn)動(dòng)估計(jì)、目標(biāo)跟蹤、目標(biāo)識(shí)別、圖像配準(zhǔn) 與匹配等計(jì)算機(jī)視覺領(lǐng)域起著 非常重要的作用 。 角點(diǎn)處得一階導(dǎo)數(shù)最大，二階導(dǎo)數(shù)為零 。 到目前為止，在計(jì)算甲視覺和圖像處理領(lǐng)域 中關(guān)于角點(diǎn)還沒有很好的數(shù)學(xué)定義，存在多種數(shù)學(xué)描述方法，因而在有關(guān)文獻(xiàn)中涌現(xiàn)出很多角點(diǎn)檢測(cè)方法。角點(diǎn)，作為一幅圖像的特征，其數(shù)目將遠(yuǎn)遠(yuǎn)小于整個(gè)圖像的像素?cái)?shù)目。圖像特征主要包括圖像邊界、邊緣點(diǎn)、角點(diǎn)、拐點(diǎn)和紋理等。 Harris corner detection principle is that for an image, corner point on the curvature properties of the autocorrelation function is related to the local autocorrelation function describes the degree of local image intensity changes. In the corner point, the offset will result in the image window autocorrelation function (the average image intensity changes) change significantly. arris operator is a simple point feature extraction operator, this operator by the signal processing in the autocorrelation function of inspiration, given the autocorrelation function associated with the matrix M. Eigenvalues of matrix M is an order autocorrelation function of the curvature, if the two curvature values are high, for so long that the point is the feature points. Key word: Corner , Corner detection , Harris Corner 3 目錄 第一章 緒論 .............................................................. 4 問題的提出及研究意義 ............................................... 4 研究背景 ........................................................... 5 論文的主要工作 ..................................................... 6 第二章 角點(diǎn)檢測(cè) ........................................................... 7 角點(diǎn)概念及特征 . .................................................... 7 角點(diǎn)檢測(cè)的研究意義 ................................................. 7 角點(diǎn)檢測(cè)的研究現(xiàn)狀 ................................................. 8 角點(diǎn)檢測(cè)算法 ....................................................... 8 第三章 角點(diǎn)檢測(cè)的理論基礎(chǔ) ................................................. 9 常用角點(diǎn)檢測(cè)簡(jiǎn)介 ................................................... 9 角點(diǎn)檢測(cè)的標(biāo)準(zhǔn) ..................................................... 9 基于模板的角點(diǎn)檢測(cè) ................................................. 9 角點(diǎn)檢測(cè)原理 ...................................................... 10 第四章 Harris 角點(diǎn)檢測(cè)算法 ................................................ 11