基于边缘和各向异性高斯熵的角点检测算法

"边缘线上各向异性高斯核信息熵的角点检测" 本文是一篇研究论文，主要探讨了如何利用图像边缘和各向异性高斯方向导数信息熵来提高角点检测的准确率。作者是章为川、水鹏朗和徐国靖，来自西安电子科技大学雷达信号处理国家重点实验室。该研究受到了国家自然科学基金的资助。 在角点检测领域，准确地定位图像中的角点对于许多计算机视觉应用至关重要，如目标识别、图像分割和3D重建等。传统的方法通常基于轮廓曲线的曲率来检测角点，但这种方法可能对噪声和图像不清晰的情况敏感。为了解决这个问题，论文提出了一种新的角点检测策略。 首先，论文采用Canny边缘检测算法来提取图像的边缘映射，这是一种经典的边缘检测方法，能够有效去除噪声并找到图像的主要边缘。然后，为了消除边缘映射中的小缺口，对轮廓曲线进行了填充，确保连续的边缘信息。 接下来，对于每一个边缘像素，研究者考虑了边缘像素及其邻近像素的最大方向导数。他们计算了这些像素的最大强度变化方向对应的主要方向的概率分布，并用信息熵来量化这种分布的不确定性。信息熵在这里起到了关键作用，因为它可以衡量方向信息的混乱程度，从而在一定程度上反映了角点的存在。 传统的角点检测方法往往依赖于轮廓曲线的曲率，而这种方法则更注重边缘像素和邻近像素的强度变化方向，这使得新方法具有更好的鲁棒性，能更好地应对图像的噪声和不规则性。通过这种方式，论文所提的角点检测方法能够更准确地检测到图像中的角点，而且实验结果证明，与现有方法相比，其性能有显著提升。 关键词包括：边缘轮廓、各向异性高斯方向导数、信息熵和角点检测。这篇文章发表在2013年8月的《西安电子科技大学学报（自然科学版）》第40卷第4期，通过doi：10.3969/j.issn.1001-2400.2013.04.020可在线获取。 这项工作为角点检测提供了一个新的视角，利用信息熵和各向异性高斯核，提高了检测的精度和稳定性，对于计算机视觉领域的研究和应用具有重要的参考价值。