曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称, 现有的角点检测算法难以准确提取棋盘格角点。为此本文提出了一种图像坐标系下基于环形模板的棋盘格角点检测算法。该算法通过分析棋盘格角点附近的灰度分布应满足的对称性和灰度交替性等性质, 得出环形模板卷积后的图像应满足的性质。利用该性质来定义并提取棋盘格角点, 最后利用局部冗余角点分布的对称性来去除冗余角点, 使角点检测更精确从而使提取的角点直接达到亚像素精度。实验结果表明: 本文提出的棋盘格角点检测算法在曝光过度, 镜头畸变和复杂背景情况下均能取得较好的棋盘格角点检测效果, 且运算速度快, 误差小。将该算法应用于实际摄像机标定, 结果显示重投影误差在0.3个像素以内。

针对Hausdorff距离的特性及其在图像匹配中的应用，提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔，然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明，该方法能在保证匹配精度的同时，有效加快匹配速度。

为解决 Harris角点检测算法在多尺度条件下无法正确提取角点的问题，本文将经验模式分解 (EMD)方法运用到二维图像特征点提取中。先利用二维 EMD方法将图像分解到多个图像细节层，并定义为本征模函数 (IMF)，再利用 Harris算子对各图像细节层进行角点检测，最后采用层层筛选的方法提取角点。对比实验结果表明，新算法得到的角点更加丰富，抗噪性增强，明显提高了图像角点检测性能。

为了提取亚像素角点和实现高精度的标定, 提出了一种基于Harris算子和空间矩的亚像素角点提取方法。利用Harris算子, 在优化后的范围内提取像素级角点; 运用改进后的梯度模板提取像素级角点周围部分边界点, 并利用空间矩的方法得到边界点的亚像素级坐标; 将亚像素边界点进行直线拟合, 并将交点的平均值作为该角点的亚像素坐标。实际测试证明：利用该方法提取到的角点精度可以达到0.1pixel, 可满足实际的公差要求, 为X型靶标的角点提取提供了一种新的思路, 目前已经将该方法应用到了嵌入式机器视觉工业现场。

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation, NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus, RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。

针对基于特征匹配的传统图像拼接方法对旋转和噪声敏感的问题,提出了一种基于兴趣点伪泽尼克(Zernike)矩的图像自动拼接技术。利用哈里斯(Harris)角检测器获取图像中的兴趣点,计算以兴趣点为中心邻域窗口的伪泽尼克矩,通过比较各个兴趣点邻域伪泽尼克矩的欧氏距离提取出初始特征点对,根据几何变换模型剔除伪特征点对,最后利用得到的几何变换模型,对输入图像进行几何变换后将两幅图像间的重叠区域进行图像融合,完成图像的拼接。实验表明,该方法对平移、任意角度的旋转以及噪声均具有鲁棒性,对于具有小尺度变换(小于1.5)的图像仍然具有很好的拼接效果。