角点作为特征点,在三维重建、图像匹配、运动估计、目标识别和跟踪等各种图像处理中具有非常重要的作用,并且在实时处理系统中有着重要的运用。角点特征作为二维图像中重要的二维局部特征,代表了图像的局部特征和形状特征,决定了目标轮廓特征。角点具有计算量少,不随环境条件改变,具有旋转、平移、缩放不变性等优点,因此角点检测算法在机器视觉中有着非常重要的应用和研究价值。论文根据检测思想的不同,将检测算法进行了分类,并总结了基于灰度和基于边缘特性的检测方法的原理。论文首先分析了CSS算法的优缺点和ACSS算法的改进方向。其次分析了基于灰度大小变化的几种检测算法,并针对这些算法实时性较差的缺陷,给出了基于灰度变化的快速检测方法。实验结果表明,改进算法在实时性上表现较好,但是其检测效果并未得到提高,抗噪性能也不够理想。针对现有的基于灰度角点检测算法实时性差、运算量大且抗噪能力较弱等问题,论文给出基于Harris算子和MIC算子(Minimum Intensity Change)的改进方法,利用灰度图像局部加权熵与MIC算法相结合的方法改进角点检测效果。首先,通过运用图像局部加权熵初步得出候选角点集;其次利用Harris算法角点响应函数(CRF,Corner Response Function)计算待测点的灰度变化大小,将候选待测角点按CRF值大小分为三类;最后使用自适应模板和自适应阈值的MIC检测方法进行角点提取,得出最佳匹配点。实验结果表明,论文算法有效提高了原算法的实时性和准确性;在加噪情况下,该算法在增加了真实角点的提取数量的同时剔除了大部分的伪角点。