1、圖像的局部特征在保留圖像重要信息的同時(shí)，又有效地減少了圖像處理的數(shù)據(jù)量，極大地提高了運(yùn)算速度。因此特征提取成為模式識(shí)別與計(jì)算機(jī)視覺(jué)等圖像處理相關(guān)領(lǐng)域的基礎(chǔ)性研究?jī)?nèi)容。在眾多圖像特征中，角點(diǎn)不僅具有最少的數(shù)據(jù)量，而且穩(wěn)定性極高，這使角點(diǎn)檢測(cè)成為特征提取的重要分支。然而目前的角點(diǎn)檢測(cè)算法更多的是在實(shí)驗(yàn)層面得到解釋?zhuān)狈ο到y(tǒng)的數(shù)學(xué)理論論證。基于此，本文在輪廓尺度空間中研究角點(diǎn)的演化行為，為角點(diǎn)描述提供一種有效的表達(dá)方式。本文的研究工作如下：<

2、br>　　 ①將二階微分算子Laplacian應(yīng)用到輪廓曲線(xiàn)上，利用角點(diǎn)為曲線(xiàn)上的不光滑點(diǎn)這一性質(zhì)，定義曲線(xiàn)Laplacian變換的2-范數(shù)為角點(diǎn)響應(yīng)(簡(jiǎn)稱(chēng)為L(zhǎng)aplacian角點(diǎn)響應(yīng))，指出該角點(diǎn)響應(yīng)與流行的曲率角點(diǎn)響應(yīng)能夠?qū)С鱿嗤慕屈c(diǎn)位置，定義具有一致性。
　　 ②在不同尺度下通過(guò)與Gaussian函數(shù)卷積來(lái)演化輪廓生成輪廓的Gaussian尺度空間，并定義演化輪廓的Laplacian角點(diǎn)響應(yīng)為角點(diǎn)的LoG（Laplac

3、ian of Gaussian)響應(yīng)。之后系統(tǒng)地分析了LoG角點(diǎn)的行為特征，以解析形式描述了單角點(diǎn)模型與雙角點(diǎn)模型在尺度空間中的形態(tài)。
　　 ③首先根據(jù)LoG角點(diǎn)行為理論提出LoG角點(diǎn)檢測(cè)算法，然后通過(guò)LoG算子的逼近形式DoG（Difference of Gaussian)算子構(gòu)造DoG角點(diǎn)檢測(cè)算法。最后與經(jīng)典的CSS（Curvature Scale Space)角點(diǎn)檢測(cè)算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明LoG與DoG算法具有更好的角