基于邊緣和角點的圖像特征提取方法的研究及實現.pdf

1、隨著科學技術的進步，人類社會已經邁入了一個全新的數字化時代。圖像作為信息的一種重要載體，對其進行有效的研究和表示，在數字信息處理中有著非常重要的意義。圖像特征作為圖像中可用做標注的屬性，常常成為數字圖像研究領域的熱點和難點，正確提取圖像的特征是圖像分割、圖像理解、模式識別和計算機視覺等領域的研究基礎和關鍵前提。在諸多圖像特征中，尤以圖像的邊緣和角點最為重要，因為它們能比較完整地刻畫出圖像的特點。圖像的邊緣可定義為圖像的灰度、紋理、顏色等

2、局部特征不連續(xù)性的區(qū)域，角點屬于邊緣中最特殊的一類點，它是尖銳邊緣的端點，角點還常常被定義為圖像邊界上曲率足夠高或曲率變化足夠明顯的點。圖像的邊緣檢測和角點檢測是圖像特征提取領域最為重要的研究內容，也是后續(xù)高級圖像處理的基礎。 本文首先細致比較了各類經典邊緣檢測算法以及SUSAN角點檢測算法中的優(yōu)劣點，發(fā)現傳統(tǒng)算法中存在缺乏濾波機制或者濾波機制較弱，缺少辦法對濾波后的模糊化圖像特征進行加強，沒用使用多尺度的方式來降低圖像特征的多

3、重響應和降低由噪聲干擾引起的圖像特征誤檢。針對以上不足，本文提出了一系列新的解決方案，主要的工作包括以下三個方面： 1）針對傳統(tǒng)算法中對圖像的濾波效果較差的情況，提出了一組共三個保留圖像細節(jié)的改進濾波算法（分別為CS-LAMF，ASF-M，CS-GF），來分別處理椒鹽噪聲、高斯噪聲和混合噪聲并盡可能地降低圖像特征模糊化現象。 2）引入數學形態(tài)學的相關理論，利用其運算對濾波后的圖像進行了特征加強處理，并結合新提出的一組濾波

4、算法提出一種基于Canny的噪聲類型自適應的邊緣檢測新算法。 3）借鑒了Harris角點檢測算法中的設計思想，融合了本文新提出的偽角點模板匹配檢測法、自適應計算USAN閾值和初始角點響應值上限/下限抑制這三種新機制給出一種改進的基于SUSAN的綜合改進的自適應角點檢測算法。 通過本文最后的對比實驗可以看出，新提出的一組濾波機制在有效改進濾波效果的同時很好地維持了圖像特征的細節(jié)；基于Canny的噪聲類型自適應的邊緣檢測算法