基于图像边缘信息的角点检测算法研究

摘要

模拟人类视觉系统来识别物体是模式识别和人工智能的一个重要研究内容。现阶段基于单特征的物体识别方法由于忽略了图像中很多有用信息导致不能有效识别物体，因此多特征融合的识别方法得到越来越多的关注。本文选题来源于教育部科学技术重点项目“多特征融合物体识别方法研究”中的图像特征检测。
　　 在对图像进行识别时，角点包含了图像中大部分的纹理、形状等信息，因此采用角点检测是多特征融合物体识别方法中一个重要的研究方向。现有的角点检测算法在检测精度、实时性以及时间复杂度等方面仍存在不足，本文改进了两个基于图像边缘信息的角点检测算法重点解决了检测精度的问题。主要工作包括:
　　 首先，针对现有的基于多尺度曲率乘积的角点检测算法由于阈值设置不合理导致算法性能不稳定的缺点，改进基于局部响应显著度的自适应角点检测算法。该算法综合考虑了角点本身的和其支持域内所有点的曲率信息，根据目标点与其周围点的差异显著程度判断该点是否为角点。实验证明该算法在角点检测中性能优于其他算法。
　　 其次，针对现有的基于曲率尺度空间的角点检测算法还未能真正实现动态设置阈值而导致在图像发生尺度、仿射等变化时算法检测到较多冗余角点的问题，提出一种无阈值的冗余角点去除算法以改进现有算法性能。算法先将角点按构成方式的不同进行分类，再通过角度比较的方法去除冗余角点。实验证明该方法在冗余角点的检测及去除方面有良好的实验效果，可将其应用于基于曲率尺度空间的角点检测算法中，提高角点检测的精确性。
　　 最后，为了验证该算法的有效性，引入了公认的角点评价准则CCN、ACU和重复率对文中提出的角点检测算法性能进行总体评估。实验对大量图像进行旋转、仿射、尺度变化、噪声加入等操作，并与MSCP检测器、ACSS检测器分别进行了实验比较。实验结果表明，本文提出的算法在角点数量一致性和正确性有更好效果。

目录

声明

摘要

第一章 绪论

1．1 研究目的及意义

1．2 国内外研究现状

1．3 研究内容及章节安排

第二章 基于边缘曲率信息的角点检测算法概述

2．1 曲率尺度空间角点检测算法

2．1．1 曲率尺度空间角点检测算法原理

2．1．2 曲率尺度空间角点检测算法特点

2．2 点到弦距离累加的角点检测

2．2．1 点到弦距离累加的角点检测原理

2．2．2 点到弦距离累加的角点检测特点

2．3 多尺度曲率乘积角点检测算法

2．3．1 多尺度曲率乘积角点检测算法原理

2．3．2 多尺度曲率乘积角点检测算法特点

2．4 基于局部与全局的角点检测

2．4．1 基于局部与全局的角点检测原理

2．4．2 基于局部与全局的角点检测特点

2．5 小结

第三章 基于局部曲率显著度的自适应角点检测法

3．1 自适应角点检测算法

3．1．1 多尺度曲率乘积算法问题分析

3．1．2 局部曲率显著度

3．2 实验结果与分析

3．2．1 仿射不变性

3．2．2 对噪声稳定性的检测

3．2．3 与其他角点检测器的比较

3．3 小结

第四章 无阈值的方法去除冗余角点

4．1 去除冗余角点的方法

4．1．1 基于边缘曲率信息的角点检测算法问题分析

4．1．2 划分角点类型

4．1．3 去除冗余角点

4．2 实验结果与分析

4．2．1 在Caltech-101图像库中试验

4．2．2 仿射不变性

4．2．3 对噪声稳定性的检测

4．3 小结

第五章 角点检测算法的性能评估

5．1 算法性能评估

5．2 性能评估试验

5．2．1 一致性

5．2．2 准确性

5．2．3 重复率

5．3 小结

第六章 结论及展望

6．1 结论

6．2 未来的工作

致谢

攻读硕士学位期间从事的科研工作及发表的论文

参考文献