祝毅鸣

(郑州大学西亚斯国际学院，河南 新郑 451150)

1 引言

角点特征用来反映图像稳定稀疏的分布情况，如像素、结构与尺寸等，其在医疗影像、建筑物裂缝、数控雕刻以及计算机视觉等领域中起着至关重要的作用。图像角点常用二维空间图像亮度变化程度的点来表示，也可以用图像边缘线的曲率最大值点与最小值点来表示[1]。传统图像角点检测方法均效果不佳，不能精准获取到图像真实信息特征，也不能满足日常生活的需求，为此将引入人工智能技术对图像角点特征取证进行检测。

图像角点检测是图像特征取证与模式识别方面关键性研究课题。当前，对面向图像角点特征取证的检测方法研究诸多，例如张见双，张红民等人[2]发现Harris图像角点特征取证与检测时，由于是人工输入阈值，会出现假角点与角点聚簇等问题，为此对Harris图像角点方法进行改进。先使用分割技术将图像分割成若干个部分，并对该部分图像特征进行取证，再根据取证结果设定阈值，随后使用NCC方法对各部分图像进行特征取证，并将得出结果做匹配，最后通过参数化模型将该过程中出现错误匹配点删除，剩余部分则为正确角点。闫小盼，敖磊等人[3]认为传统检测方法运算复杂，浪费大量时间，提出使用编程方法对图像角点特征取证进行检测。首先根据编程的特征把整个图像分割成两部分，并分别对各部分图像角点进行特征取证，然后使用流水线算法将这两部分图像角点特征做处理，其中流水线算法主要包括导数、加权平均、图像角点响应、最大值与和最小值五部分算法构成，同时需要把该过程中繁琐计算变换成简单的位移与加减法进行计算，最终快速完成图像角点检测。……