各向异性高斯导数角点检测算法：抑制噪声影响

"利用各向异性高斯方向导数相关矩阵的角点检测方法 (2012年)" 本文介绍了一种角点检测方法，旨在减少图像边缘局部变化和噪声对角点检测的干扰。该方法基于各向异性高斯方向导数自相关矩阵，其流程如下： 首先，通过经典的Canny边缘检测器对输入图像进行处理，得到图像的边缘映射。Canny边缘检测器是一种多级边缘检测算法，它通过高斯滤波器去除噪声，然后应用强度梯度和非最大值抑制来确定边缘位置，有效地避免了边缘断裂。 接着，应用各向异性高斯方向导数滤波器对原始图像进行平滑。这种滤波器考虑了图像的局部结构，能更好地适应图像的方向变化，从而更精确地描述边缘信息。在平滑过程中，滤波器会计算每个像素点及其相邻像素点的方向导数。 对于每个边缘像素点，根据其与相邻像素的方向导数构建一个自相关矩阵。自相关矩阵反映了像素点在特定方向上的变化模式。如果这个边缘像素点的自相关矩阵对应的归一化特征值之和是局部极大值，那么这个点就被识别为角点。这种方法不同于传统的基于轮廓曲线曲率的角点检测，因为它依赖于相邻像素的方向导数相关性，这使得它在处理图像噪声和局部变化时更具鲁棒性。 实验结果表明，该方法在无噪声和含噪声的图像上与已有的一些角点检测算法（未具体指明是哪些算法）相比，表现出更高的角点匹配数量和更小的定位误差。平均配准角点数分别提高了7.4%和9.3%，平均定位误差降低了10%和15.2%。这些改进意味着新算法在角点检测的准确性和稳定性方面有显著优势，适用于图像处理和计算机视觉领域的各种应用，如目标识别、图像配准和场景理解等。 关键词：边缘轮廓、角点检测、各向异性高斯方向导数。该研究受国家自然科学基金资助，展示了在理论研究和实际应用中的价值。 这篇论文发表在《西安交通大学学报》第46卷第11期，2012年11月，由章为川、水鹏朗和朱磊共同完成。水鹏朗作为通信作者，是教授和博士生导师。文章在网络出版时间2012年8月27日，可以通过指定的网络地址访问。