角点检测一直是数字图像处理和计算机视觉领域不可或缺的预处理过程。一些传统的基于图像边缘轮廓的检测算法利用曲率公式计算像素点的曲率值,将局部曲率极大值点作为候选角点。然而,这类算法对边缘线上的量化噪声和细节变化很敏感,容易造成检测结果不稳定,使得角点检测算法的性能变差。针对此类算法存在的问题,论文进行图像角点检测算法研究,提出一种基于图像边缘轮廓的多尺度点弦距离角点检测算法,通过不同实验进行性能评价,验证算法的有效性。(1)基于多尺度点弦距离的角点检测算法。首先,使用Canny边缘检测器从原始图像中提取边缘映射图,接着提取每一条边缘线,使用三种不同的高斯尺度进行平滑,连接边缘线的首末端点形成一段弦长,计算得到边缘像素点到弦长的最大欧式距离,只有当最大距离大于所设阈值并且在三种不同高斯尺度下都能检测得到时,对应的边缘像素点才被当作候选角点。然后将此像素点分别连接到边缘线上的两个端点继续进行点弦距离判断,直到选出所有候选角点。最后,对候选角点进行非极大值抑制得到最终角点。与现有基于曲率计算的角点检测算法相比,论文提出的算法不需要计算一、二阶导数,有效避免了局部变化带来的计算误差。(2)对算法中涉及的参数进行测试分析,根据性能评价准则得到最佳参数组合。使用16幅标准测试图像比较Harris算法,He&Yung算法,CPDA算法与本文算法在旋转,统一缩放,非统一缩放,剪切变换,JPEG质量压缩和高斯噪声变换下的平均重复率和定位误差。实验结果表明,论文提出的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。使用常用图像‘Block’和‘Lab’进行角点匹配实验,验证5种检测算法分别在无噪声和加入方差为10的噪声情况下的角点检测效果。这些检测算法的平均误检率从高到低依次为:CSS检测算法为32.775%,Harris检测算法为28.375%,He&Yung检测算法为24.925%,CPDA检测算法为22.925%,本文算法为20.525%。与其它几种经典的角点检测算法相比,论文提出的多尺度点弦距离角点检测算法的平均误检率最低,角点检测性能更好。