孙惠英

摘要：该文基于全局和局部曲率特性的角点算法，提出了一种基于直接曲率尺度空间的曲率积分的角点检测。该算法首先将原算法中的曲率尺度空间替换为直接曲率尺度空间，减少了计算量，然后针对原算法中容易将钝角点误认为圆角点移除的缺点利用设置阈值的多尺度曲率积来加强角点检测，减少了正确角点的丢失。最后再利用自适应支持域确定的角度和动态曲率阈值移除由噪声引起的错误角点和圆角点。实验结果证实该算法不仅提高了检测正确角点的数目，同时提高了检测效率，并且取到的角点更加稳定。

关键词： 角点检测；曲率尺度空间；直接曲率尺度空间；自适应支持区域

中图分类号：TP37 文献标识码：A 文章编号：1009-3044（2015）28-0184-02

角点作为图像的一个局部特征，有不受光照影响及旋转不变的特点。角点不仅保留图像重要的特征信息，同时降低了图像信息的数据量，提高了计算速度，使其在目标跟踪、形状匹配等领域有着广泛的应用。在Witkin[[1]]和Koenderink[[2]]提出基于尺度空间的图像处理算法后，Mokhtarian及Suomela提出了基于曲率尺度空间（Curvature Scale Space）的角点检测算法[[3]]。该算法容易丢失真实角点，同时出现大量的伪角点，因此， Mokhtarian和Mohanna针对轮廓长度不同的使用不一样的尺度，以避免正确角点的遗漏[[4]]，X.C.He 和N H C Yung提出了自适应的角点算法[[5]]。该算法在考虑全局特性时，由于钝角点邻域的全局曲率特征变化很快，带有重要的角点信息，具有提取价值，所以应该保留钝角角点，但是圆角点和钝角点在某些特殊情况下不好分辨，并且一个钝角在多次滤波以后也会变成圆角的，这个时候就容易丢失正确角点，并且该文献用于移除边界噪声引起的伪角点所用的算法过于复杂，增大了计算的复杂度。……