论文部分内容阅读
图像中边缘轮廓与角点是描述物体特征的非常关键的信息,在计算机视觉与图像处理领域中起着重要且不可替代的作用。在一些实际应用中,它们往往作为如目标识别、目标跟踪、同时定位与映射(SLAM)和机器人视觉等复杂系统运算的第一步。各向异性高斯方向导数(ANDDs)具有噪声稳健性,并且能够更好的提取图像像素周围的灰度变化。因此,它可以用于提取图像的局部特征,如角点和边缘。本文中,主要研究ANDDs在图像处理中的实际应用,如边缘与角点检测。论文主要可以概括为两大部分:1、基于自适应各向异性高斯核的噪声稳健边缘检测。提出了一种基于自适应各向异性高斯核(ANGKs)的新的噪声稳健边缘检测算法,改善了当前Canny边缘检测算法造成一些交叉边缘细节丢失的问题。首先,根据噪声抑制能力,边缘分辨率和定位精度设计了自适应的ANGKs滤波器,调解了它们之间的冲突。第二,分析了使用各向同性高斯核的Canny算法丢失交叉边缘像素点的原因。第三,使用自适应ANGKs平滑图像,并修订了一种边缘提取算法提取边缘轮廓。最后,使用聚集ROC测试曲线评价以及FOM评价测试提出的新边缘检测算法的性能,并与经典的检测算法进行对比。实验结果表明,提出的边缘检测算法在无噪声条件下都获得了良好的检测性能。2、基于统计学方法的多尺度角点检测。使用各向异性高斯核(ANGKs)在边缘检测的基础上,提出了一种使用统计学方法的多尺度角点检测算法。首先,利用边缘像素的梯度主方向构建新的角点测度,使其对于边缘曲线上的局部变化与噪声不敏感。第二,分析了角点测度在不同尺度下响应的均值与方差的特性,用统计学的方法构建了一个多尺度角点测度,它与传统的多尺度算法完全不同。而且,提出的多尺度角点测度有着较强的角点响应,更易于区分边缘与角点。最后,使用提出的多尺度角点测度构建了一个基于边缘的多尺度角点检测算法。使用3幅常见的角点检测测试图像在不同的噪声水平上测试其稳健性,使用60幅不同场景或者不同尺寸的初始灰度图像作为测试图像计算提出算法在不同图像变换下的重复率,测试图像许多为真实世界图像。实验的评价结果表明,提出的基于各向异性高斯核的多尺度角点检测算法在不同的图像变换下均获得良好的检测性能。