基于边缘和角点的图像特征提取方法的研究及实现

摘要

随着科学技术的进步，人类社会已经迈入了一个全新的数字化时代。图像作为信息的一种重要载体，对其进行有效的研究和表示，在数字信息处理中有着非常重要的意义。图像特征作为图像中可用做标注的属性，常常成为数字图像研究领域的热点和难点，正确提取图像的特征是图像分割、图像理解、模式识别和计算机视觉等领域的研究基础和关键前提。在诸多图像特征中，尤以图像的边缘和角点最为重要，因为它们能比较完整地刻画出图像的特点。图像的边缘可定义为图像的灰度、纹理、颜色等局部特征不连续性的区域，角点属于边缘中最特殊的一类点，它是尖锐边缘的端点，角点还常常被定义为图像边界上曲率足够高或曲率变化足够明显的点。图像的边缘检测和角点检测是图像特征提取领域最为重要的研究内容，也是后续高级图像处理的基础。 本文首先细致比较了各类经典边缘检测算法以及SUSAN角点检测算法中的优劣点，发现传统算法中存在缺乏滤波机制或者滤波机制较弱，缺少办法对滤波后的模糊化图像特征进行加强，没用使用多尺度的方式来降低图像特征的多重响应和降低由噪声干扰引起的图像特征误检。针对以上不足，本文提出了一系列新的解决方案，主要的工作包括以下三个方面： 1）针对传统算法中对图像的滤波效果较差的情况，提出了一组共三个保留图像细节的改进滤波算法（分别为CS-LAMF，ASF-M，CS-GF），来分别处理椒盐噪声、高斯噪声和混合噪声并尽可能地降低图像特征模糊化现象。 2）引入数学形态学的相关理论，利用其运算对滤波后的图像进行了特征加强处理，并结合新提出的一组滤波算法提出一种基于Canny的噪声类型自适应的边缘检测新算法。 3）借鉴了Harris角点检测算法中的设计思想，融合了本文新提出的伪角点模板匹配检测法、自适应计算USAN阈值和初始角点响应值上限/下限抑制这三种新机制给出一种改进的基于SUSAN的综合改进的自适应角点检测算法。 通过本文最后的对比实验可以看出，新提出的一组滤波机制在有效改进滤波效果的同时很好地维持了图像特征的细节；基于Canny的噪声类型自适应的边缘检测算法则在多类噪声环境下有着远超传统算法的检测效果；基于SUSAN的综合改进的自适应角点检测算法既能提供较好的检测效果也保持了较好的实时性能。

目录

文摘

英文文摘

声明

第一章绪论及研究背景介绍

1.1数字图像处理技术概述

1.2图像的数字化描述

1.3图像滤波技术概述

1.3.1图像噪声

1.3.2图像质量的衡量标准

1.3.3常用滤波器简介

1.4图像特征提取理论的历史与发展

1.4.1图像边缘定义及边缘检测

1.4.2图像角点定义及角点检测

1.4.3纹理提取

1.4.4图像特征提取的应用

1.5本文的结构与内容

第二章图像边缘特征提取技术研究

2.1经典边缘检测算法

2.1.1 Crack算子和Roberts算子

2.1.2 Sobel算子和Prewitt算子

2.1.3 Robinson算子和Kirsch算子

2.1.4 LoG算法

2.1.5 Canny算法与Canny准则

2.2基于梯度的边缘检测算法对比分析

2.3边缘检测算法改进研究

2.3.1数学形态学的基本理论

2.3.2一组改进的保留图像细节的滤波算法

2.3.3基于Canny的噪声类型自适应的边缘检测算法

2.4小结

第三章图像角点特征提取技术研究

3.1经典角点检测算法介绍

3.1.1 Moravec算法

3.1.2 Harris算法

3.1.3 SUSAN算法

3.2基于USAN的角点检测算法的改进研究

3.2.1 SUSAN算法优缺点分析

3.2.2角点检测的评判准则

3.2.3基于SUSAN的综合改进的自适应角点检测算法

3.3小结

第四章对比实验及结果分析

4.1实验平台简介

4.2改进边缘检测算法与其他经典边缘检测算法的效果比较

4.2.1第一组对比实验

4.2.2第二组对比实验

4.2.3第三组对比实验

4.2.3实验结果分析

4.3改进角点检测算法与其他经典角点检测算法的效果比较

4.3.1实验结果比较

4.3.2实验结果分析

4.4小结

第五章总结及展望

5.1论文的主要工作总结

5.2进一步的研究方向

参考文献

致谢

作者攻读学位期间发表的学术论文目录