【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(dāng) R(x,y)超過給定的閾值，則認(rèn)為該點(diǎn)為圖像的角點(diǎn)。 arris 算子是一種簡單的點(diǎn)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(diǎn)檢測算法 算子特 征 Harris 算子是一種有效的點(diǎn)特征提取算子 ,其優(yōu)點(diǎn)總結(jié)起來有 : ① 計(jì)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(shí)時(shí)性強(qiáng) , 但定位精度不夠 , 還可能漏掉一些真實(shí)的角點(diǎn) 。經(jīng)過三十多年的發(fā)展，產(chǎn)生了大量的角點(diǎn)檢測算法， 8 取得了很大的突破和進(jìn)展，但這方面的研究仍一直在進(jìn)行中，對存在的各種角點(diǎn)檢測算法做一個(gè)詳盡的綜述是非常必要的。 角點(diǎn)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(gè)方向已經(jīng)取得了許多研究成果，學(xué)術(shù)界在最近十余年進(jìn)行了研究，基于不同的出發(fā)點(diǎn)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(jià)值。角點(diǎn)時(shí)目標(biāo)輪廓線上曲率的局部極大點(diǎn)， 5 對掌握目標(biāo)的輪廓特征具有約 束的作用。 圖像特征的獲取是順利進(jìn)行攝像機(jī)標(biāo)定和立體視覺研究的前提和基礎(chǔ)。 關(guān)鍵詞 ： 角點(diǎn)，角點(diǎn)檢測， Harris 角點(diǎn) 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(diǎn)又是圖像的一個(gè)重要局部特征，它決定了圖像中目標(biāo)的形狀，因此在圖像匹配，目標(biāo)描述與識別及運(yùn)動(dòng)估計(jì)，目標(biāo)跟蹤等領(lǐng)域，角點(diǎn)提取都具有重要的意義。在角點(diǎn)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(jì)算機(jī)來適應(yīng)人的習(xí)慣和要求，以人所習(xí)慣的方式與人進(jìn)行信息交換，也就是讓計(jì)算機(jī)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(gè)前提。角點(diǎn)對于攝像機(jī)標(biāo)定，匹配和重建具有 非常重要的意義，角點(diǎn)檢測結(jié)果直接影響到標(biāo)定，匹配和重建的精度。 整個(gè)論文主要運(yùn)用 Harris 和 SUSAN 兩種不同的算法，并 對 其 同一張圖像進(jìn)行不同方法的角點(diǎn)檢測，實(shí)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(diǎn)。特征提取在計(jì)算 機(jī)視覺、圖像處理和機(jī)器視覺中一直是一個(gè)重要方向，而角點(diǎn)作為圖像的一個(gè)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(diǎn)檢測的理論基礎(chǔ) 常用角點(diǎn)檢測簡介 基于邊緣的角點(diǎn)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(diǎn)作為角點(diǎn)。 該算法具有很好的抗燥能力和魯棒性。 角點(diǎn)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(diǎn)檢測的性能下降 。 對于一幅圖像，角點(diǎn)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(huì)增大運(yùn)算量大，通常可取 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(diǎn)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(diǎn)，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(diǎn)。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(diǎn)檢測算法研究方向仍將會(huì)在檢測精度和實(shí)時(shí)處理等方面有所進(jìn)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(xué)、朋友、老師和親人。對本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)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(jì)（論文） 2）附件：按照任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件）次序裝訂 。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。在這里，謹(jǐn)用一句話來表達(dá)我無法言明的心情：感謝你們！ 27 畢業(yè)設(shè)計(jì)（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(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)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(shí)間給予我指導(dǎo)和幫助，這篇論文才能夠成稿。角點(diǎn)檢測技術(shù)及研究 。雖已有很多學(xué)者在這方面做了大量研究 , 使這項(xiàng)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