【正文】 板內(nèi)屬于 USAN 區(qū)域的象素的判別函數(shù)； I(r0)是模板中心象素 (核 )的灰度值； I(r)為模板內(nèi)其他任意象素的灰度值； t 是灰度差門限。當 R(x,y)超過給定的閾值，則認為該點為圖像的角點。 arris 算子是一種簡單的點特征提取算子，這種算子受信號處理中 自相關(guān)函數(shù)的啟發(fā)，給出與自相關(guān)函數(shù)相聯(lián)系的矩陣 M。 ???????????????444554554 11 第四章 Harris 角點檢測算法 算子特 征 Harris 算子是一種有效的點特征提取算子 ,其優(yōu)點總結(jié)起來有 : ① 計算簡單 :Harris 算子中只用到灰度的一階差分以及濾波 ,操作簡單。這類算法速度快 , 實時性強 , 但定位精度不夠 , 還可能漏掉一些真實的角點 。經(jīng)過三十多年的發(fā)展，產(chǎn)生了大量的角點檢測算法， 8 取得了很大的突破和進展，但這方面的研究仍一直在進行中，對存在的各種角點檢測算法做一個詳盡的綜述是非常必要的。 角點指 示了物體邊緣變化不連續(xù)的方向 。由于圖像特征的重要性，所以早年在這個方向已經(jīng)取得了許多研究成果，學術(shù)界在最近十余年進行了研究，基于不同的出發(fā)點和思路取得了一系列成果，對于不同的問題北京它們都有各自的應(yīng)用價值。角點時目標輪廓線上曲率的局部極大點， 5 對掌握目標的輪廓特征具有約 束的作用。 圖像特征的獲取是順利進行攝像機標定和立體視覺研究的前提和基礎(chǔ)。 關(guān)鍵詞 ： 角點，角點檢測， Harris 角點 2 ABSTRACT This paper studies the image of the corner detection methods in puter vision, machine vision and image processing general, feature extraction is an important direction. The corner is an important local feature image, which determines the shape of the target image, so the image matching, object description and recognition and motion estimation, target tracking and other fields, corner detection are of great significance. Corner of the information content is high, image processing can provide sufficient constraints to reduce the amount of putation greatly improve the processing speed. Corner detection is a basic image processing problems, lowlevel image processing is an important way. Corner detection is designed to match the efficiency of the matching depends on the number of corners。而角點又是圖像的一個重要局部特征，它決定了圖像中目標的形狀，因此在圖像匹配，目標描述與識別及運動估計，目標跟蹤等領(lǐng)域，角點提取都具有重要的意義。在角點處，圖像窗口的偏移將造成自相關(guān)函數(shù)（圖像灰度的平均變化）的顯著變化。而是反過來讓計算機來適應(yīng)人的習慣和要求，以人所習慣的方式與人進行信息交換，也就是讓計算機具有視覺、聽覺、和說話的能力。正確的識別圖像、音頻和視頻中的內(nèi)容是基于內(nèi)容的多媒體檢索的一個前提。角點對于攝像機標定，匹配和重建具有 非常重要的意義，角點檢測結(jié)果直接影響到標定，匹配和重建的精度。 整個論文主要運用 Harris 和 SUSAN 兩種不同的算法，并 對 其 同一張圖像進行不同方法的角點檢測，實現(xiàn)被檢測的圖像，并比較其中的不同 ，然后得出檢測結(jié)果，再加以分析兩種檢測方法的優(yōu)缺點。特征提取在計算 機視覺、圖像處理和機器視覺中一直是一個重要方向，而角點作為圖像的一個重要特征，長期以來備受研究者關(guān)注，也取得了很多研究成果。 9 第三章 角點檢測的理論基礎(chǔ) 常用角點檢測簡介 基于邊緣的角點檢測： 基于邊緣的方法先提取物體的邊緣信息并 以鏈碼形式表示，然后尋找具有最大曲率的點作為角點。 該算法具有很好的抗燥能力和魯棒性。 角點檢測性質(zhì) 旋轉(zhuǎn)不變性：橢圓轉(zhuǎn)過一定角度但是其形狀保持不變（特征是保持不變） ； 對于圖像灰度的仿射變化具有部分的不變性 ； 對于圖像幾何尺度變化不具有不變性 ； 隨尺度變化， Harris角點檢測的性能下降 。 對于一幅圖像，角點和自相關(guān)函數(shù)的曲率特性有關(guān)。因此，非常適于含噪圖像或低對比度灰度圖像的邊緣檢測。模板也不宜取得太大，否則會增大運算量大，通?？扇?5 5 或 37象素模板 [1]。因此對于不同對比度和噪聲情況的圖像，應(yīng)取不同的 t值 。 Harris角點檢測算法是基于圖像的灰度自相關(guān)函數(shù)的一種算法，該算法直接從原始圖像中檢測特征點，能夠在圖像發(fā)生灰度變化、旋轉(zhuǎn)、和干擾噪聲等情況下檢測興趣點。clc。 % if 8 % f=rgb2gray(X)。 % fy = [5 8 5。 Iy = filter2(fy,ori_im)。,[7 7],2)。 Rmax = 0。 t = 0。amp。amp。 corners1(i,1)=j。 plot(posr,posc,39。 thresholded = exp(1*temp2)。 image = susan(image_in,27)。今后 ,角點檢測算法研究方向仍將會在檢測精度和實時處理等方面有所進展 ,這是今后的主要發(fā)展趨勢 。數(shù)字圖像處理與圖像通信。 最后，感謝所有關(guān)心我、支持我和幫助過我的同學、朋友、老師和親人。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁以上的雙面打印 4）圖表應(yīng)繪制于無格子的頁面上 5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計（論文） 2）附件：按照任務(wù)書、開題報告、外文譯文、譯文原文（復印件）次序裝訂 。 作者簽名： 日期： 年 月 日 學位論文版權(quán)使用授權(quán)書 本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。在這里，謹用一句話來表達我無法言明的心情：感謝你們！ 27 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得 的成果。承蒙李老師和劉老師在繁忙之中抽出時間給予我指導和幫助，這篇論文才能夠成稿。角點檢測技術(shù)及研究 。雖已有很多學者在這方面做了大量研究 , 使這項工作日趨成熟 , 但其整體性能還不盡如人意。 clear all。)。 i=i+1。 t = t+1。amp。amp。Ixy(i,j) Iy2(i,j)]。 Iy2 = filter2(h,Iy2)。 Iy2 = Iy.^2。5 8 5]。 %end % fx = [5 0 5。 filen