1、在圖像配準(zhǔn)中，數(shù)字圖像的角點一般被選為特征點，它是圖像中輪廓線上曲率的局部極大值點，是數(shù)字圖像中非常重要的特征31。有兩種算法用于數(shù)字圖像中角點的檢測： 一是基于圖像灰點的算法，這種角點檢測算法主要是通過計算在局部范圍內(nèi)的圖像灰度和梯度變化極大值點來作為角點；另一個是基于圖像邊緣的算法，這種角點檢測算法要先檢測圖像的邊緣， 再將邊緣方向有突變的那些點選取作為檢測出的角點。計算曲率以及梯度的算法時這類角點檢測需要用的，因為它不用檢測圖像邊緣， 計算時間就有所縮短， 因而被廣泛用于實際操作中。數(shù)字圖像中角點為重要圖像特征，作為配準(zhǔn)特征在圖像配準(zhǔn)中常被使用。為了對角點特征了解的更多，本節(jié)重點介紹幾種

2、常用的角點檢測算法32：式中，det 表示矩陣的行列式；trace 表示矩陣的跡(也就是矩陣對角線元素的和)；k 代表常數(shù)，通常為 0.04。角點就是 CRF 處于局部極大值的點。下面就是詳細(xì)操作步驟：針對灰度圖像 I 中的每一個像素，對其x 方向以及 y 方向分別計算一階導(dǎo)數(shù)，還要將兩個一階導(dǎo)數(shù)相乘。計算時采取的具體計算法和卷積類似，使用的模板分別為:在圖像 I 上不斷移動， 在移動至每一位置都進行模板對應(yīng)中心像素梯度值的計算，從而得到處于兩個方向上的兩幅梯度圖像。然后再將每個像素所對應(yīng)得兩個方向上的梯度相乘，第三幅圖像就形成了，三幅圖像中的每一像素分別表示 Ix，Iy 和 IxIy。分別對

3、通過步驟計算所得的三幅圖像進行標(biāo)準(zhǔn)差為的高斯濾波。具體來說就是對這三幅圖像分別運用高斯模板進行卷積。將原始圖像上的角點響應(yīng)函數(shù)值計算出來。計算法有以下兩種：其一為經(jīng)典的Harris 算法。式(3-16)代表 CRF 定義：此時，角點和 CRF 的局部極小值點相對應(yīng)。因為經(jīng)典的Harris 算法其角點響應(yīng)函數(shù)要求公式中k 值必須要確定，因此本算法中的角點響應(yīng)函數(shù)采用的是 Nobel的。圖像中有很多局部極值點，角點的數(shù)目的提取要通過 CRF 門限限制的設(shè)置來進行。下面分析Harris 角點檢測算法的性能：1) 在圖像中 Harris 角點具有各向同性的特點，圖像即使旋轉(zhuǎn)，檢測角點不會受到影響；2) Harris 角點檢測算法中對圖像一階導(dǎo)數(shù)有要求，因此光強對檢測角點無影響；3) 當(dāng)比例發(fā)生變換，Harris