随着计算机技术和人工智能研究的迅速发展,图像特征信息提取技术的研究在数字图像处理领域显得愈加重要。在图像众多的特征中,代表图像局部结构的特征点起着独特的作用。在图像配准、运动追踪、目标识别、机器导航等多种应用中,提取特征点都是关键的一步。所以图像的特征点检测算法受到很多专家的重视,许多优秀的数字图像特征点提取方法也相继出现。本文先对已有的经典特征点检测算法进行了分析,指出了他们各自的优点和不足。我们发现Harris和Harris-Laplace算法由于使用了传统的高斯滤波器,削弱了一些特征点的细节,使得一些弱特征点无法得到算子的响应。此外,Harris-Laplace算子使用统一的LoG算子,去除了一些低尺度下Harris算子原本能检测到的弱特征点,而无法去除一些得到LoG强响应的冗余特征点。在特征点检测过程中,图像的滤波操作起着十分重要的作用。通过对滤波操作的研究,我们发现双边滤波有着边缘保护的特性,这正好符合特征点检测的要求。但传统双边滤波不利于硬件的实现。为此,我们对ex进行Thiele型连分式逼近,有效提升了运行速度。最后,本文提出了一种改进的特征点检测算法。我们采用改进后的双边滤波替代传统的高斯滤波对特征点进行多尺度Harris算子检测,并且在多尺度检测特征点时对特征点进行分组,每组代表一个局部结构,然后在每组中选取一个自相关矩阵特征值最接近的点来代表这一结构。实验证明了该方法在特征点查全率、查准率、去冗余方面都有较好的效果。