景军锋，孙久锐，章为川，白萌萌

(西安工程大学 电子信息学院，陕西 西安 710048)

0 引 言

图像特征检测是计算机视觉和图像处理的重要任务。在特征检测中，角点是最具代表性的特征之一。有许多应用依赖于角点检测，包括运动跟踪[1]、目标识别[2]和图像配准[3]。角点可以定义为边缘轮廓上轮廓方向变化剧烈的点，也可以定义为一个曲率较大的点[4]。通常，大多数角点检测器可以分为3类[5]：基于灰度强度[6-12]，基于模型[13]和基于轮廓[14-29]的方法。

本文主要研究基于轮廓的角点检测算法，现有的基于轮廓的角点检测算法通常先用边缘检测器从输入图像中提取平面曲线，然后沿着曲线像素搜索局部曲率极大值点[15]。1992年，RATTARANGSI等基于曲率尺度空间提出了一种多尺度算法，提升了在检测复杂图像和多尺寸图像上的性能[16]。1998年，MOKHTARIAN等改进了这一算法，该算法把图像边缘点的曲率绝对值极大值点定义为角点，并且在小尺度追踪角点提高定位能力[17]。2001年，HAN等使用弦到点的累加距离(chord-to-point distance accumulation，CPDA)计算边缘点的离散曲率[18]。其后，AWRANGJEB等在此基础上提出了CPDA角点检测算法，指出采用传统曲率计算方式会导致检测器对噪声和局部变化敏感[19]。ZHANG等提出了利用不同尺度乘积的多尺度算法来进行角点跟踪，减少了虚假角点的产生[20]。YUNG等提出基于全局和局部曲率特性的角点检测算法，即He&Yung算法，使用动态支撑区域计算自适应阈值去除错误角点,提高了检测准确性[21]。为了提高角点检测器对仿射变换的鲁棒性, AWRANGJEB等利用仿射长度参数化曲线进而求得曲率，提出了仿射弹性曲率尺度空间角点检测器，该检测器对仿射变换具有良好的鲁棒性[22]。……