基于圖像邊緣信息的角點(diǎn)檢測(cè)算法研究.pdf

1、模擬人類視覺系統(tǒng)來識(shí)別物體是模式識(shí)別和人工智能的一個(gè)重要研究?jī)?nèi)容?，F(xiàn)階段基于單特征的物體識(shí)別方法由于忽略了圖像中很多有用信息導(dǎo)致不能有效識(shí)別物體，因此多特征融合的識(shí)別方法得到越來越多的關(guān)注。本文選題來源于教育部科學(xué)技術(shù)重點(diǎn)項(xiàng)目“多特征融合物體識(shí)別方法研究”中的圖像特征檢測(cè)。
　　 在對(duì)圖像進(jìn)行識(shí)別時(shí)，角點(diǎn)包含了圖像中大部分的紋理、形狀等信息，因此采用角點(diǎn)檢測(cè)是多特征融合物體識(shí)別方法中一個(gè)重要的研究方向?，F(xiàn)有的角點(diǎn)檢測(cè)算法在檢測(cè)精

2、度、實(shí)時(shí)性以及時(shí)間復(fù)雜度等方面仍存在不足，本文改進(jìn)了兩個(gè)基于圖像邊緣信息的角點(diǎn)檢測(cè)算法重點(diǎn)解決了檢測(cè)精度的問題。主要工作包括:
　　 首先，針對(duì)現(xiàn)有的基于多尺度曲率乘積的角點(diǎn)檢測(cè)算法由于閾值設(shè)置不合理導(dǎo)致算法性能不穩(wěn)定的缺點(diǎn)，改進(jìn)基于局部響應(yīng)顯著度的自適應(yīng)角點(diǎn)檢測(cè)算法。該算法綜合考慮了角點(diǎn)本身的和其支持域內(nèi)所有點(diǎn)的曲率信息，根據(jù)目標(biāo)點(diǎn)與其周圍點(diǎn)的差異顯著程度判斷該點(diǎn)是否為角點(diǎn)。實(shí)驗(yàn)證明該算法在角點(diǎn)檢測(cè)中性能優(yōu)于其他算法。

3、　　 其次，針對(duì)現(xiàn)有的基于曲率尺度空間的角點(diǎn)檢測(cè)算法還未能真正實(shí)現(xiàn)動(dòng)態(tài)設(shè)置閾值而導(dǎo)致在圖像發(fā)生尺度、仿射等變化時(shí)算法檢測(cè)到較多冗余角點(diǎn)的問題，提出一種無閾值的冗余角點(diǎn)去除算法以改進(jìn)現(xiàn)有算法性能。算法先將角點(diǎn)按構(gòu)成方式的不同進(jìn)行分類，再通過角度比較的方法去除冗余角點(diǎn)。實(shí)驗(yàn)證明該方法在冗余角點(diǎn)的檢測(cè)及去除方面有良好的實(shí)驗(yàn)效果，可將其應(yīng)用于基于曲率尺度空間的角點(diǎn)檢測(cè)算法中，提高角點(diǎn)檢測(cè)的精確性。
　　 最后，為了驗(yàn)證該算法的有效性，