第2章 基于局部方向分布的角点检测及亚像素定位

长期以来，角点检测一直是计算机视觉、图像理解以及模式识别中最为基础和经典的课题之一，在图像匹配、遥感配准、图像拼接、物体识别和三维重建等诸多领域有着重要应用。文献中已有许多角点检测算法提出。为比较各种角点检测算法的性能，Mokhtarian提出了衡量角点检测算法性能的五条准则：真实角点检测能力、虚假角点抑制能力、角点定位精度、噪声鲁棒性和计算效率。对常见的检测算子分析比较后发现，Plessey 算子、Kitchen & Rosenfeld算子、SUSAN算子和CSS算子具有最好的角点检测性能。但是，这些文献在进行比较时没有进行角点定位精度的分析。实际上，由于诸多因素（噪声、滤波平滑效果和角点附近的其他边缘等）的影响，常见检测算子检测出的角点位置与真实位置之间经常存在偏差。

为提高角点检测的定位精度，本章^［42］通过引入方向线和局部方向分布的概念，定义了新的角点度量（绝对角点能量和相对角点能量），并提出了一种新型的角点检测及定位方法——基于局部方向分布的角点检测及亚像素定位算法。该算法将角点定位问题转化为直线交点的拟合问题，能够较准确地将角点定位到亚像素精度。