图像中的角点是描述物体特征时非常关键的信息,图像的角点检测是目标检测、目标跟踪、图像分类等复杂应用的预处理步骤。角点检测的质量直接影响后续图像处理步骤的效果,因此图像的角点检测在计算机视觉与图像处理领域中有着不可替代的作用,研究并设计具有较高准确性的角点检测算法具有十分重要的现实意义。本论文主要围绕着基于灰度变化的角点检测算法和基于边缘轮廓的角点检测方法展开研究。针对传统方法的不足,本文提出了两种新的角点检测算法,然后通过不同实验对算法的性能进行评价,最终验证了算法的有效性。论文主要可以概括为两大部分:(1)提出了一种基于双边滤波的角点检测算法。提出一种结合图像一阶和二阶导数构建局部结构张量,使用双边滤波器提取图像的灰度变化信息并计算角点测度的角点检测算法,以改善当前基于灰度变化的角点检测算法伪角点较多的问题。首先,结合图像的一阶和二阶导数信息计算局部结构张量并构造角点测度,精确区分边缘点和角点,以减少边缘点的干扰,确保算法准确率。然后,针对高斯滤波器的不足,选择使用双边滤波器对局部结构张量进行滤波,在滤噪的同时很好的保留了边缘和角点的特征信息,保证检测算法对真实角点有较高的响应,并有效去除伪角点。最后使用提出的角点测度构建了一种基于双边滤波的角点检测算法。本文使用常见的角点检测测试图像对算法做噪声稳健性实验及角点匹配实验;使用24幅不同场景的真实世界灰度图像作为初始图像进行4种仿射变换得到1050张测试图像,计算提出算法在不同图像变换下的重复率,并与4种经典角点检测算法进行对比。实验结果表明,提出的算法具有良好的检测性能。(2)提出了一种基于边缘线上主方向角度差的角点检测算法。传统的基于图像边缘轮廓的角点检测算法利用边缘的局部曲率信息构造角点测度进行角点判决,这类算法对边缘线上的噪声和细节变化很敏感,容易造成检测结果不稳定。针对该问题,本文结合边缘轮廓上的灰度信息,提出了一种基于边缘线上主方向角度差的角点检测算法。首先,使用Canny边缘检测器获取图像中的边缘映射,从获得的边缘映射中提取边缘,并进行缝隙补齐;然后,计算边缘线上每一点x方向和y方向的灰度变化信息,找到梯度变化的主方向;最后,利用边缘线上相邻像素点之间的梯度主方向角度差构造角点测度,进行角点检测。本文使用角点检测领域经典的测试图像进行角点匹配实验,使用从标准数据集中选取的测试图像,进行不同仿射变换下的平均重复率实验。最终的实验结果表明,提出的算法在不同的变换下,都表现出了良好的检测性能。