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。