1.1.1  研究背景

人们对角点检测的早期方法是首先对图像整体做区域分割，随后以链码的方法提取边缘，最后在边缘上寻找方向上那些变化较快的点，这种方法的成效在很大程度上依赖于图像分割的效果。早先的这种方法不仅繁琐，而且计算复杂，不利于实时处理。考虑到图像特征的重要性，学术界对角点检测早已研究已久。尤其在最近十余年里，科研人员又从不同的出发点多次进行了深入研究，取得的成果十分明显。也表明针对不同的问题背景，它们都能切身有效的体现自身的应用价值。 

 尽管到目前为止，角点在图像处理[3]领域中还没有很好的数学定义，仍然存在着多种数学的描述方法，因而在许多的相关文献中也涌现出了很多角点检测方法。角点作为图像一种重要的局部特征，一方面，保留了图像许多重要的特征信息；另一方面也有效地减少了信息的数据量，这样使得对图像处理时运算量大大地减少。

1.1.2  研究意义

目前人们对角点还没有明确的定义。它可以是两条线交叉处的点，也可以是不同的事物相邻的两个主要方向上的点。角点的提取在图像识别、图像匹配、目标跟踪等方面具有重要的作用。

作为图像重要特征的点，角点对图像理解和分析具有重要意义。角点在保留图像图形重要特征的同时，不仅可以有效地减少图像信息的数据量，使其信息的含量很高，让计算的速度大幅度提高，这样我们就可以对图像进行实时处理。本文利用的就是SUSAN算法来对图像角点进行提取[4]。来!自~751论-文|网www.751com.cn

1.2  角点检测研究现状

1.3 论文的主要工作

本文详细介绍了几种常见的角点检测方法，随后在众多角点检测方法中，重点分析和研究SUSAN角点检测方法，并针对该算法存在的不足进行了改进。本文的结构如下：

第一章主要介绍了角点检测的研究背景和研究现状。

第二章主要阐述了SUSAN角点检测方法。

第三章SUSAN角点检测的改进。

第四章对全文进行了总结。