检测图像边缘信息的特征点算法：通过边缘检测后，在边缘找出曲率变化最大的点 作为特征点，也就是在几个边界相交的特殊的边界点，该算法存在的主要问题是对边缘 提取算法非常依赖，一些类似于边缘线中断的情况会影响特征点检测的结果。

检测图像灰度信息的特征点算法：关键是通过计算曲率及梯度大小来检测出特征点， 能够避免对边缘的依赖，该算法存在的主要问题是有时曲率与梯度的乘积的局部极大值 点和特征点的实际位置有很大的偏移导致检测特征点的准确性较低。细分下去的话，此 算法又可分为基于图像亮度变化的特征检测算法和基于方向导数变化的特征检测算法。 实际应用中关于自相关函数的特征点检测用的比较广泛。

检测小波函数变换的特征点算法：先通过用边缘检测的原理提取出图像的边缘，在 不同尺度下计算高斯平滑过后的方向角函数，当边缘上的点尺度最大时，所抽取到的点 作为特征点，然后通过算法除去伪特征点，提取出真特征点。该算法的基本原理是把特 征点看几个图像相交的特殊边界点，基于这个原理，可以通过下面几种方法来检测特征 点：利用亚像素边界检测算法先检测出图像的边界，再用使边界上的直线合在一起，任 意两条直线的交点就是检测出的特征点；先抽取出图像的边界再使用数组来表示边界， 通过计算边界点的曲率来检测出特征点；由于边界和多边形相类似，任意两条线的交点 就是检测出的特征点。文献综述

1。3  国内外研究现状

1。4 本文所使用的开发环境

1。4。1OpenCV 3。0

OpenCV 是英特尔公司在 1999 年建立的计算机图像处理库，现在由 Willow Garage 管理支持，它是开源的，任何人都可以免费使用 OpenCV 上的全部功能，而且可以横跨 几个平台，程序都能转换运行，还获得了 BSD 许可。可以在 Windows、Linux 或 Mac OS 操作系统上安全运行。OpenCV 是由 C++语言编写，所以接口主要也是 C++， MATLAB、 Python 等语言都能与 OpenCV 接口。OpenCV 库中拥有包括许多个跨平台的 API，这些 API 都可以通过在线文档获得，通过这些资源，程序员可以方便运用。 

1。4。2Microsoft Visual Studio 2012

Microsoft Visual Studio 2012 是微软公司研究开发的代码工程开发工具。微软公司支

持的所有平台都能运行在 Microsoft Visual Studio 2012 中编写的工程或代码，其中也同 样包含了大量的库，还包含了软件工程中所需的大部分工具，使用者可以方便快捷的使 用。本文选择 OpenCV 和 Microsoft Visual Studio 2012 来重现图像特征检测算法，所有 程序都通过这两个环境调试。 

1。5 论文的主要工作

本文主要研究图像处理中特征点检测的算法，分为以下几部分。 第一章：介绍了图像处理的背景意义，又介绍了特征点，特征点检测算法的国内外

研究现状以及本文使用的开发环境。  来;自]优Y尔E论L文W网www.youerw.com +QQ752018766-

第二章：介绍了 Harris 特征点检测算法的基本原理和 SUSAN 特征点检测算法的基 本原理。 

第三章：介绍了两种改进的 Harris 特征点检测算法，分别是多尺度 Harris 特征点检 测算法和基于梯度方向与高斯尺度空间下的 Harris 特征点检测算法。 

第四章：从不加噪声和加噪声两个方面比较了 Harris 特征点检测和 SUSAN 特征点 检测算法，分析它们的计算量，精确性，抗噪性和运行时间。 

第五章：对全文进行了总结，概括了本文的研究内容，算法需要改进的地方，还介 绍了在实际中，例如三维重建、运动估计、目标跟踪、图像识别、形状分析、图像配准 与匹配等中的应用，最后展望了图像处理中特征点检测算法今后的研究趋势。