4。1 参数设置  13 

4。2 不加噪声的检测效果比较 。 13 

4。3 加噪声后的检测效果比较 。 15 

第五章       结论  18 

5。1 总结 。 18 

5。2 实际应用  18 

5。3 课题展望  19 

致          谢  20 

参考文献      21 

第一章 绪论

1。1 背景意义 

随着科技的发展，21 世纪的互联网已经发展到了一个新的高度，与此同时图像处理 的要求也在不断提高。图像处理，顾名思义，就是使用计算机对图像进行处理得到结果 的技术。一般具体是指用工业相机、摄像机、扫描仪等设备经过拍摄得到数组，数组中 的元素就是像素，像素的值为灰度值。图像处理通常包括增强和复原，压缩，匹配、描 述和识别。而图像特征提取是计算机视觉和图像处理中的一部分。从一幅图像中提取出 图像特征，特征点就是其中的一种关键的图像特征，特征点包含了图像中的许多信息。 通过图像处理中的特征点检测，我们可以找出图像中物体的特征点。通过特征点上显示 的图像信息，能让我们了解图像中物体的形状。特征点能在没有丢失图像信息的条件下， 可以减少图像处理的数据量。所以图像处理中准确的提取特征点非常重要，例如 Harris 和 SUSAN 这两种特征点检测算法。图像处理和视觉处理的基本任务之一是图像特征点检 测。特征点是图像的关键特征，在各种图像特征中特征点含有不随光改变和不随旋转改 变的特点。在图像处理中使用特征点进行处理，不但可以减少图像灰度信息的丢失，还 可以减少图像数据的运算量。特征点的重要性体现在多个方面，一是在对掌握目标信息 中，特征点是目标上局部特征的极大点。而且一旦找到了目标的特征点，也就等于掌握 了目标的大致形状。二是作为图像中的特征点，特征点的整个数量远远的比图像中像素 的数量少，所以特征点在图像处理中是一个很好的基元。综上所述特征点的检测的效果 好坏对于图像的处理非常重要，在实际中特征点检测算法有很广泛的运用，例如在三维 场景重建、运动估计、目标跟踪、形状检测、图像识别等计算机图像领域。所以图像处 理中特征点检测算法成为很多研究者研究的方向。本论文研究的目的是重现经典的特征 点检测算法，总结介绍前人的成果，并对图像处理特征点检测算法这个课题做了展望。 

1。2  图像特征点检测概述论文网

特征点[1]是图像中的兴趣点和关键点，是图像中反应图像具体信息的点，通过特征 点可以匹配和识别图像。特征点作为图像特征的一种，虽然至今学术界没有明确的数学 定义，但是被泛指为二维图像亮度变化大的点或图像边缘曲线上曲率最大的点。这些点 能在维持图像重要信息不变的同时，有效的减少图像处理的数据量，提高了运算的速度， 使图像的匹配变得可靠，让图像进行实时处理变为可能，在三维重建、运动估计、目标

跟踪、形状检测、图像识别等计算机图像领域起着非常重要的作用。关于如何分辨特征 点检测算法的准确性和抗噪性，研究者们提出的特征点检测算法都没有给出适当的定义。 有些研究者通过参数的大小和抗噪性的强弱来检测算法的结果。一般性参数有信噪比， 高斯尺度，和阈值。本文总结前人的特征点具体定义有如下几种：一阶导数最大或二阶 导数为零的点，图像中边缘上变化速度都很快的点，几个图像边缘相交的交点，灰度的 局部最大值对应的像素点，和周围的点有明显差别的点，在二维空间中灰度值变化较大 的点。通过文献的了解，特征点检测算法有如下几种。