图像匹配中特征点提取算法研究

、原始依据

1.工作基础

特征点是数字图像中重要的几何特征，特征点的准确提取对于图像处理和图像测量具有重要意义。Harris算子是C. Harris和J. Stephens在1988年提出的一种基于信号的点特征提取算子。Harris角点检测算法是一种非常经典的提取算法，这种算子受信号处理中自相关函数的启发。给出与自相关函数相联系的矩阵M。M阵的特征

值是自相关函数的一阶曲率，如果两个曲率值都高，则认为该点是特征点。Harris算

法具有计算简单、提取的角点特征均匀合理、可以定量提取特征点以及算子稳定的特点。

2•研究条件

系统的开发已经具备的外界条件是具有藏书丰富的天津大学仁爱学院图书馆，并

且随时可以得到指导老师的辅导和指点，系统开发所使用的电脑已经介入In ternet，能方便的在外网上进行查阅资料。开发环境是普通个人计算机，软件支持是Windows 系列的操作系统。

3•应用环境

论文在解决图像特征点的提取问题上积极应用并改进Harris算法，并运用多个不

同类型的图像实验比较算法的优缺点。

4.工作目的

掌握使用Harris算法提取图像特征点的方法以及Harris算法的原理。考证不同类型图像使用Harris算法提取图像特征点的优劣。

二、参考文献修改同开题

[1]陈利军.图像角点检测和匹配算法的研究[D].西安：西安电子科技大学，

2005. 163—168.

[2]李兰友，王学彬.Visual C#图像处理程序设计实例[M].北京：北京国防工业出版社，2003. 88—

102.

[3]李玲玲，李印清.图像配准中角点检测算法的研究与比较[J].郑州：郑州航空工业管理学院学报

(社会科学版)，2006, 25(2): 190—192.

[4]W ANG Wei ，TANG Yi-ping. Image Corner Detection Technique Research on Machine Vision[R] . Beijing :

National Natural Scienee Foundation of China 2006. 46—58.

⑸Kitchen L，Rosenfeld A. Gray -Level Corner Detection[J]. Netherlands： Pattern Recog ni tion Letters，

1982，13(2)：163—175.

[6]Moravia HP . Towards Automatic Visual Obstacle Avoidance[C]. Proceedings of

International Joint Conference on Artificial Intelligenee, Cambridge, MA . USA:

1977. 10—12.

[7]Smith S M. Brady M. SUSAN-a New Approach to Low Level Image Processi ng

[J] .In ternatio nal Journal of Computer Version 1997, 23(1): 45—78.

[8]王展，皇普堪，万建伟.基于多尺度小波变换的二维图像角点检测技术[J].北京: 国防科技大学学

报，1999, 8(3): 122—125.

[9]杨莉，初秀琴，李玉山.最小亮度变化角点自适应检测算法研究[J].西安：西安

电子科技大学学报.2003, 30(4): 530—533.

[10]陈白帆，蔡自兴.基于尺度空间理论的Harris角点检测[J].中南大学学报(自然

科学版)，2005, 15(3): 187—192.

三、设计(研究)内容和要求

1 .设计内容

利用Harris算法提取图像特征点，对比其他经典算法具体体现该算法的优越性，在角点检测系统中，基于图像匹配从参数对角点检测的影响、算法运行时间、识别角

点数目以及算子的抗噪能力等几个方面对Harris角点检测算法和其他经典算法进行

对比实验，然后分别作了对应的分析。经过实验分析得出Harris算子是用于图像匹配最适合的角点检测算法。

2.主要指标与技术参数

做出Harris算法与另外两种经典算法的对比试验，通过实现深入研究该算法。

3.具体要求

主要对Harris算法进行理论分析，并且基于C #实现这种算子的角点检测系统。同时对比分析SUSAN和MIC这另外两种经典算法来进一步研究Harris算法的优越性。

指导教师(签字)

年月日

审题小组组长(签字)

年月日

天津大学仁爱学院本科生毕业设计（论文）开题报告

、课题的来源与意义

出版社，2003. 88—102.

[3]李玲玲，李印清.图像配准中角点检测算法的研究与比较[J].郑州：郑州航空

工业管理学院学报(社会科学版)，2006, 25(2): 190—192.

[4]WANG Wei , TANG Yi-ping. Image Corner Detection Technique Research on

Machine Vision[R] . Beijing : National Natural Scienee Foundation of China 2006. 46—58.

⑸Kitchen L , Rosenfeld A. Gray -Level Corner Detection[J]. Netherlands：

Pattern Recog ni tion Letters 1982, 13(2): 163—175.

[6]Moravia HP . Towards Automatic Visual Obstacle Avoidance[C]. Proceedings of

International Joint Conference on Artificial Intelligenee, Cambridge, MA . USA: 1977. 10—12. [7]Smith S M. Brady M. SUSAN-a New Approach to Low Level Image Processi ng

[J] .In ternatio nal Journal of Computer Version, 1997, 23(1): 45—78.

[8]王展，皇普堪，万建伟.基于多尺度小波变换的二维图像角点检测技术[J].北

京：国防科技大学学报，1999, 8(3): 122—125.

[9]杨莉，初秀琴，李玉山.最小亮度变化角点自适应检测算法研究[J].西安：西