一种基于Harris-Laplace算法的角点检测方法（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

1.1 Harris-Laplace 检测方法原理

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献

---

​

💥1 概述

一幅图像通常包含大量几何结构信息，其中角点对描述物体空间结构和基本特征有着重要作

用。角点检测( Corner Detection) ［1］也被广泛应用于目标识别与跟踪、影像匹配与拼接、计算机视觉处理等领域。

根据检测原理，角点检测可分为两类: 一类是基于结构边缘信息的角点检测［2-6］。这类方法依

据图像结构的边缘特征检测角点，检测效果依赖边缘结构的提取和分割，具有很大的不确定性。

另一类是基于图像灰度信息的角点检测［7］。这类方法根据像素邻域内灰度梯度变化检测角点，

如 Harris 算法、SIFT 算法、SUＲF 算法以及一些它们的改进方法。基于图像灰度信息的角点检测是目前的研究重点［8-10］。Harris 等在 1988 年提出的Harris 角点检测算法［11］，根据不同方向的像点灰 度变化速率来判断。经过对几种角点检测算法进行分析，Schmid 等［12］发现 Harris 算法不具备尺度 和仿射不变性。Mikolajczyk 和 Schmid ［13］于 2004 年提出具有尺度不变性的 Harris-Laplace 检测方 法。该方法解决了尺度不变性问题，但是其仍存 在极值、定位精度以及冗余检测等问题。

1.1 Harris-Laplace 检测方法原理

Harris-Laplace 检测算法的步骤有 如 下 3 步。

1) 用高斯核函数与原始图像卷积生成尺度空间，在每层尺度空间中寻找候选角点 P。

2) 利用迭代法检验每层尺度空间候选角点P 的 LOG 运算值是否是整个尺度空间区域内的极

值点，如果不是则舍弃。

3) 计算保留下的候选角点的角点响应值，角 点 为响应值最大的角点，如果 存在则舍弃

 P。重复步骤 2) 和 3) 直到 不再变化 。

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]高翔,万成浩,李润生.一种基于Harris-Laplace算法的亚像素角点检测方法[J].测绘科学技术学报,2017,34(05):475-480.