韩松奇, 于微波， 杨宏涛， 王世程

(长春工业大学 电气与电子工程学院， 吉林 长春 130012)

0 引 言

角点是图像的重要局部特征，它既保留了图像中的特征信息,又同时有效地减少了信息数据量。角点检测在图像匹配、光流计算、运动估计、形状分析、相机标定、视觉的定位和测量等方面都有重要的应用[1]。

当前的角点检测技术可以分为两类：第一类是基于图像边缘信息，此方法经过三个步骤才能完成，分别为图像预分割、轮廓链码提取及角点检测，如基于边界小波变换的角点检测[2]、基于边界链码的角点检测[3]等；第二类是基于图像灰度信息，此方法主要通过计算曲率及梯度通过计算边缘曲率来判断角点的存在性，如Harris算法和SUSAN算法等。在实际应用中，前者角点过于依赖边缘信息，当被检测目标局部发生变化，可能会导致角点提取失败，所以应用范围有限；后者可能会出现漏检角点和伪角点等情况，其中Harris算法应用最为广泛，但是会出现精度不高、运算量大等问题。

针对Harris算法的不足，众多学者对经典的Harris算法进行了改进。毛雁明等[4]提出双阈值算法，解决了不易设置阈值的问题。赵萌等[5]提出了一种自适应参数算法，解决了因高斯参数固定导致的角点检测不准确的问题。李鹏程等[6]提出了一种优化算法，解决了原始算法实时性不好的问题。以上改进算法取得了一定成效，但是依旧存在检测精度低和实时性差的问题。文中提出了一种改进算法，首先采用B样条函数替代高斯窗口函数，以提高角点定位精度，再对角点进行预筛选，以提高算法的实时性，最后在非极性最大值时，采用阈值自适应方法以提高算法的自适应性。……