图像特征提取是计算机视觉与模式识别领域中的研究热点和关键技术。作为图像的诸多特征之一,角点不仅具有光照、旋转等不变性,而且信息含量丰富、数据量小,因而广泛应用于图像匹配、相机标定、运动估计、三维重建和目标识别等任务中。在这些任务中,角点检测既是基础工作,又是关键步骤,且角点检测结果的好坏将直接影响到后续图像处理的性能,因此研究和完善角点检测相关理论和方法具有重要意义。本文首先对数字图像角点检测算法进行了研究,并在此基础上着重对基于灰度变化的角点检测算法中尺度变化敏感、角点检测速度慢以及自适应性差等问题进行了深入研究,具体研究内容如下:(1)对角点的定义、角点检测算法性能的评价准则、角点检测的一般过程及其过程中所用到的相关技术以及几种典型角点检测算法的原理及其角点检测步骤进行了介绍。(2)针对Harris算法提取的角点对尺度变化较敏感,且运行速度慢的问题,本文提出了一种基于相似像素的Harris角点检测改进算法。受SUSAN算法启发,改进算法首先计算目标像素8邻域内与之相似的像素数目,并据此筛选出候选角点,然后利用候选角点的相似像素数目改进角点响应函数,最后进行局部非极大值抑制确定最终角点。实验表明,与Harris算法相比,改进算法缩短了角点检测时间,且改进算法所提取的角点更加准确和稳定。本文所提算法提高了Harris算法的角点检测效率和稳定性。(3)为了去除伪角点和减少角点遗漏并且实现图像中角点的实时提取,本文提出了一种基于灰度差分与模板的Harris角点检测快速算法。改进算法采用灰度差分与小模板相结合的方法筛选出初始角点集,并在此基础上对SUSAN算法进行了优化并采用优化的SUSAN算法精化初始角点集;最后,通过计算初始角点的角点响应函数值并进行非极大值抑制,以确定最终的角点。实验表明,改进算法能够准确提取图像中的角点并去除大量伪角点。改进算法的角点检测时间显著减少,仅为原算法的4.7%,能够满足角点实时提取的需求。(4)针对SUSAN角点检测算法自适应性和实时性差的问题,本文提出了一种自适应的SUSAN角点检测快速算法。该算法首先计算图像中像素上下左右四个方向上的灰度差分,并根据筛选阈值筛选出候选角点;为了实现筛选阈值的自适应确定,选取图像灰度标准差作为筛选阈值。然后,采用圆形模板遍历候选角点,并将圆形模板内像素的灰度标准差作为灰度差阈值,以实现SUSAN算法角点的自适应提取。实验表明,所提算法能够实现图像中角点的自适应提取,且所提算法的角点检测时间大大缩短。所提改进算法增强了SUSAN算法的自适应性和实时性。