【正文】 本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。北京：北京郵電大學(xué)出版社，2002[7] [D].天津:河海大學(xué)，2005.[8] [M].西安:.[9] ZHOU Dongxiang, LIU Yunhui, CAI Xuanping. An efficient and robust~detection algorithm[C]//Intelligent Control and Automation,1519 June, 2004 :40204024.[10] Tang B A B,Bogdan J efficient feature based matching algorithm for stereo images[J].Proceedings of the Geometric Modeling and Imaging IEEE,2006，90（4）：7275.　答 謝本文是在李娟和劉勇老師的悉心指導(dǎo)下完成的。imshow(image,[]) 第六章 結(jié)語角點(diǎn)檢測(cè)之所以受到如此多的關(guān)注, 是因?yàn)榻屈c(diǎn)包含了圖像中的重要信息, 在圖像匹配、運(yùn)動(dòng)物體的跟蹤、目標(biāo)識(shí)別及攝像機(jī)標(biāo)定等方面有著廣泛的應(yīng)用。r+39。 R(i,j) R(i+1,j+1) result(i,j) = 1。for i = 2:height1 for j = 2:width1 if R(i,j) *Rmax amp。 Ix2 = filter2(h,Ix2)。0 0 0。close all。第五章 圖片實(shí)現(xiàn)及結(jié)論圖1（harris角點(diǎn)檢測(cè)）圖2（harris角點(diǎn)檢測(cè)）圖3（harris角點(diǎn)檢測(cè)）檢測(cè)結(jié)果為：優(yōu)點(diǎn)：從上圖我們可以看到Harris算法直接從原始圖像中檢測(cè)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(cè)興趣點(diǎn)。無論對(duì)直線，還是曲線邊緣，SUSAN算法基本上可以檢測(cè)出所有的邊緣，檢測(cè)結(jié)果較好。 Harris角點(diǎn)檢測(cè)原理是對(duì)于一副圖像，角點(diǎn)于自相關(guān)函數(shù)的曲率特性有關(guān)，自相關(guān)函數(shù)描述了局部局部圖像灰度的變化程度。 這類方法的優(yōu)點(diǎn)是易于實(shí)現(xiàn), 并能得到角點(diǎn)的順序關(guān)系, 但算法和處理步驟過于復(fù)雜, 且檢測(cè)結(jié)果很大程度上依賴于邊緣特征的提取。第二章 角點(diǎn)檢測(cè).目前關(guān)于角點(diǎn)的具體定義和描述主要有如下幾種：角點(diǎn)是一階導(dǎo)數(shù)（即灰度的梯度）的局部最大所對(duì)應(yīng)的像素點(diǎn)。 圖像角點(diǎn)檢測(cè)是完成視覺處理的基本任務(wù)之一，也是圖像處理基本任務(wù)。harris算子是一種簡(jiǎn)單的點(diǎn)特征提取算子，這種算子受信號(hào)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。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)。角點(diǎn)特征是影像的重要特征。角點(diǎn)是兩條及兩條以上邊緣的交點(diǎn)。基于灰度的角點(diǎn)檢測(cè)：直接對(duì)原圖像進(jìn)行處理, 利用角點(diǎn)本身的特點(diǎn)提取角點(diǎn)。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。雖然實(shí)驗(yàn)中沒有達(dá)到一個(gè)象素的精度，但這主要是因?yàn)閷?duì)邊緣的兩側(cè)都應(yīng)用了SUSAN算法，對(duì)具體的實(shí)際應(yīng)用，可以對(duì)背景不再應(yīng)用SUSAN算法，這樣不但可以達(dá)到細(xì)化邊緣的目的，而且運(yùn)算量也大大減少。缺點(diǎn)：定位性能差，在需要精確定位時(shí)不能滿足要求。filename=39。5 8 5]。Iy2 = filter2(h,Iy2)。amp。 t = t+1。)。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。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。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(guó)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。對(duì)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。數(shù)字圖像處理與圖像通信。image = susan(image_in,27)。plot(posr,posc,39。amp。 t = 0。,[7 7],2)。 % fy = [5 8 5。clc。因此對(duì)于不同對(duì)比度和噪聲情況的圖像，應(yīng)取不同的t值。因此，非常適于含噪圖像或低對(duì)比度灰度圖像的邊緣檢測(cè)。 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(duì)于圖像灰度的仿射變化具有部分的不變性；對(duì)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(cè)的性能下降。 第三章 角點(diǎn)檢測(cè)的理論基礎(chǔ) 基于邊緣的角點(diǎn)檢測(cè)：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)。整個(gè)論文主要運(yùn)用Harris和SUSAN兩種不同的算法，并對(duì)其同一張圖像進(jìn)行不同方法的角點(diǎn)檢測(cè)，實(shí)現(xiàn)被檢測(cè)的圖像，并比較其中的不同，然后得出檢測(cè)結(jié)果，再加以分析兩種檢測(cè)方法的優(yōu)缺點(diǎn)。正確的識(shí)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。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。關(guān)鍵詞：角點(diǎn)，角點(diǎn)檢測(cè)，Harris角點(diǎn)ABSTRACTThis 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 d