基于灰度变化的角点检测算法研究
发布时间:2024-02-19 09:00
图像特征提取是计算机视觉与模式识别领域中的研究热点和关键技术。作为图像的诸多特征之一,角点不仅具有光照、旋转等不变性,而且信息含量丰富、数据量小,因而广泛应用于图像匹配、相机标定、运动估计、三维重建和目标识别等任务中。在这些任务中,角点检测既是基础工作,又是关键步骤,且角点检测结果的好坏将直接影响到后续图像处理的性能,因此研究和完善角点检测相关理论和方法具有重要意义。本文首先对数字图像角点检测算法进行了研究,并在此基础上着重对基于灰度变化的角点检测算法中尺度变化敏感、角点检测速度慢以及自适应性差等问题进行了深入研究,具体研究内容如下:(1)对角点的定义、角点检测算法性能的评价准则、角点检测的一般过程及其过程中所用到的相关技术以及几种典型角点检测算法的原理及其角点检测步骤进行了介绍。(2)针对Harris算法提取的角点对尺度变化较敏感,且运行速度慢的问题,本文提出了一种基于相似像素的Harris角点检测改进算法。受SUSAN算法启发,改进算法首先计算目标像素8邻域内与之相似的像素数目,并据此筛选出候选角点,然后利用候选角点的相似像素数目改进角点响应函数,最后进行局部非极大值抑制确定最终角...
【文章页数】:62 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究目的与意义
1.2 国内外研究现状
1.3 论文主要研究工作
1.4 论文章节安排
2 角点检测技术
2.1 角点的定义
2.2 角点检测算法评价准则
2.3 角点检测的一般步骤
2.3.1 图像预处理
2.3.2 角点响应函数的计算
2.3.3 阈值的选择
2.3.4 非极大值抑制
2.4 本章小结
3 角点检测算法分类
3.1 基于边缘信息的角点检测算法
3.1.1 CSS角点检测算法
3.1.2 ACSS角点检测算法
3.2 基于灰度变化的角点检测算法
3.2.1 Moravec角点检测算法
3.2.2 MIC角点检测算法
3.2.3 FAST角点检测算法
3.3 本章小结
4 基于Harris角点检测算法改进
4.1 Harris角点检测算法
4.1.1 Harris算法原理
4.1.2 Harris算法步骤
4.2 基于相似像素的Harris角点检测改进算法
4.2.1 候选角点的筛选
4.2.2 角点响应函数的改进
4.2.3 改进算法步骤
4.2.4 实验结果及分析
4.3 基于灰度差分与模板的Harris角点检测快速算法
4.3.1 初始角点集的筛选
4.3.2 初始角点集的精化
4.3.3 改进算法步骤
4.3.4 实验结果及分析
4.4 本章小结
5 基于SUSAN角点检测算法优化
5.1 SUSAN角点检测算法
5.1.1 SUSAN算法原理
5.1.2 SUSAN算法步骤
5.2 自适应的SUSAN角点检测快速算法
5.2.1 改进思路
5.2.2 快速的角点预筛选
5.2.3 灰度差阈值的自适应计算
5.2.4 改进算法步骤
5.2.5 实验结果及分析
5.3 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
攻读硕士学位期间的论文及获奖情况
致谢
本文编号:3902439
【文章页数】:62 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究目的与意义
1.2 国内外研究现状
1.3 论文主要研究工作
1.4 论文章节安排
2 角点检测技术
2.1 角点的定义
2.2 角点检测算法评价准则
2.3 角点检测的一般步骤
2.3.1 图像预处理
2.3.2 角点响应函数的计算
2.3.3 阈值的选择
2.3.4 非极大值抑制
2.4 本章小结
3 角点检测算法分类
3.1 基于边缘信息的角点检测算法
3.1.1 CSS角点检测算法
3.1.2 ACSS角点检测算法
3.2 基于灰度变化的角点检测算法
3.2.1 Moravec角点检测算法
3.2.2 MIC角点检测算法
3.2.3 FAST角点检测算法
3.3 本章小结
4 基于Harris角点检测算法改进
4.1 Harris角点检测算法
4.1.1 Harris算法原理
4.1.2 Harris算法步骤
4.2 基于相似像素的Harris角点检测改进算法
4.2.1 候选角点的筛选
4.2.2 角点响应函数的改进
4.2.3 改进算法步骤
4.2.4 实验结果及分析
4.3 基于灰度差分与模板的Harris角点检测快速算法
4.3.1 初始角点集的筛选
4.3.2 初始角点集的精化
4.3.3 改进算法步骤
4.3.4 实验结果及分析
4.4 本章小结
5 基于SUSAN角点检测算法优化
5.1 SUSAN角点检测算法
5.1.1 SUSAN算法原理
5.1.2 SUSAN算法步骤
5.2 自适应的SUSAN角点检测快速算法
5.2.1 改进思路
5.2.2 快速的角点预筛选
5.2.3 灰度差阈值的自适应计算
5.2.4 改进算法步骤
5.2.5 实验结果及分析
5.3 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
攻读硕士学位期间的论文及获奖情况
致谢
本文编号:3902439
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3902439.html
最近更新
教材专著