數(shù)字圖像特征點(diǎn)檢測(cè)算法的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和人工智能研究的迅速發(fā)展,圖像特征信息提取技術(shù)的研究在數(shù)字圖像處理領(lǐng)域顯得愈加重要。在圖像眾多的特征中,代表圖像局部結(jié)構(gòu)的特征點(diǎn)起著獨(dú)特的作用。在圖像配準(zhǔn)、運(yùn)動(dòng)追蹤、目標(biāo)識(shí)別、機(jī)器導(dǎo)航等多種應(yīng)用中,提取特征點(diǎn)都是關(guān)鍵的一步。所以圖像的特征點(diǎn)檢測(cè)算法受到很多專家的重視,許多優(yōu)秀的數(shù)字圖像特征點(diǎn)提取方法也相繼出現(xiàn)。
　　本文先對(duì)已有的經(jīng)典特征點(diǎn)檢測(cè)算法進(jìn)行了分析,指出了他們各自的優(yōu)點(diǎn)和不足。我們發(fā)現(xiàn)Harris和Harr

2、is-Laplace算法由于使用了傳統(tǒng)的高斯濾波器,削弱了一些特征點(diǎn)的細(xì)節(jié),使得一些弱特征點(diǎn)無(wú)法得到算子的響應(yīng)。此外, Harris-Laplace算子使用統(tǒng)一的LoG算子,去除了一些低尺度下 Harris算子原本能檢測(cè)到的弱特征點(diǎn),而無(wú)法去除一些得到LoG強(qiáng)響應(yīng)的冗余特征點(diǎn)。
　　在特征點(diǎn)檢測(cè)過(guò)程中,圖像的濾波操作起著十分重要的作用。通過(guò)對(duì)濾波操作的研究,我們發(fā)現(xiàn)雙邊濾波有著邊緣保護(hù)的特性,這正好符合特征點(diǎn)檢測(cè)的要求。但傳統(tǒng)雙邊