提取图像的特征信息,是图像处理工作中的基础工作之一。在图像的各种特征中,角点包含的信息数据量较小,即非常小的数据信息保存了图像的灰度变化的特征信息,同时外界影响因素对角点特征提取算法的影响也很小。因此角点检测算法是一项非常有意义并且有广阔应用前景的研究工作。本文的主要工作之一是对目前使用较为广泛的Harris角点检测进行改进。提出了基于高斯尺度和梯度方向的算法,以改善Harris角点检测算法尺度单一并且鲁棒性不强的现状。算法设计的目的为在对算法的速度影响较小的前提下,有效的降低角点的错误率,提高算法的鲁棒性。仿真实验表明,在噪声影响比较大的图像中,该算法具有很好的抗噪性,并且检测出的角点更加稳定,定位更加准确。本文的另一个重点工作是针对Trajkovic角点检测算法出现错误角点率较高的情况进行改进,算法通过对初选点局部区域灰度的变化分情况讨论,对初选点是否为角点进行二次判断,降低了角点错误率,同时消除了Trajkovic角点检测算法的异常斜边反应,并通过仿真实验对改进的算法进行验证。