角点是指图像中灰度值变化剧烈的点,包括物体轮廓上曲率变化最大的点、多条直线的交点、单调背景上的孤立点等等。由于角点所含的信息量较高,角点的数目亦相对较少,所以角点检测技术被广泛应用于图像匹配、目标跟踪与识别及三维重建与运动估计等领域。角点检测算法一般分为基于边缘和基于灰度。本文主要研究基于边缘的角点检测算法,具体的研究内容和工作成果如下:Gabor变换属于加窗傅里叶变换,其是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况。Gabor变换实际上还是对二维图像求卷积,提取图像的特征分量,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor滤波器的频率和方向类似于人类的视觉系统,所以可应用于特征提取、指纹识别,虹膜识别,人脸识别,纹理分析等。本文在分析了奇Gabor滤波器优异的边缘检测性能的基础上,提出了多通道奇Gabor梯度相关矩阵的角点检测算法。该算法在角点检测性、定位准确性等方面比Harris算法、曲率尺度空间(CSS)算法等有明显提升。不变矩理论和图像角点检测是计算机视觉和模式识别中的重要研究课题。常用的基于区域的矩不变量理论是1962年Hu最早提出的基于区域的二维不变矩理论,该理论可以用于提取图像大小、旋转情况等形态特征,有不少相关的算法。由于Hu不变矩概念简单、识别率稳定,具有缩放、平移和旋转不变性,故被广泛地应用在图像的特征提取中。本文在多尺度多顶式算法和局部矩不变量算法的基础上,提出了多尺度局部矩不变量的轮廓角点检测算法,该方法可增强角点特征信息、抑制噪声影响,并取得了良好的检测效果。