角點在輪廓尺度空間的行為分析與檢測研究.pdf

1、圖像的局部特征在保留圖像重要信息的同時，又有效地減少了圖像處理的數(shù)據(jù)量，極大地提高了運算速度。因此特征提取成為模式識別與計算機視覺等圖像處理相關領域的基礎性研究內(nèi)容。在眾多圖像特征中，角點不僅具有最少的數(shù)據(jù)量，而且穩(wěn)定性極高，這使角點檢測成為特征提取的重要分支。然而目前的角點檢測算法更多的是在實驗層面得到解釋，缺乏系統(tǒng)的數(shù)學理論論證?；诖?，本文在輪廓尺度空間中研究角點的演化行為，為角點描述提供一種有效的表達方式。本文的研究工作如下：<

2、br>　　 ①將二階微分算子Laplacian應用到輪廓曲線上，利用角點為曲線上的不光滑點這一性質，定義曲線Laplacian變換的2-范數(shù)為角點響應(簡稱為Laplacian角點響應)，指出該角點響應與流行的曲率角點響應能夠導出相同的角點位置，定義具有一致性。
　　 ②在不同尺度下通過與Gaussian函數(shù)卷積來演化輪廓生成輪廓的Gaussian尺度空間，并定義演化輪廓的Laplacian角點響應為角點的LoG（Laplac

3、ian of Gaussian)響應。之后系統(tǒng)地分析了LoG角點的行為特征，以解析形式描述了單角點模型與雙角點模型在尺度空間中的形態(tài)。
　　 ③首先根據(jù)LoG角點行為理論提出LoG角點檢測算法，然后通過LoG算子的逼近形式DoG（Difference of Gaussian)算子構造DoG角點檢測算法。最后與經(jīng)典的CSS（Curvature Scale Space)角點檢測算法進行對比，實驗結果表明LoG與DoG算法具有更好的角