机器视觉是用计算机来模拟人的视觉功能,其中非常重要的一环就是图像处理。特征提取是图像处理中的一个重要研究方面,而角点是图像中非常重要的特征,包含丰富的图像信息。角点提取的准确性会影响到对图像的理解和分析,同时它对于确定场景中的物体以及立体视图匹配都有重要的作用。本文在深入研究了基于灰度和基于边缘的两类角点提取算法后,运用多尺度思想分别提出了改进的Harris多尺度角点提取和基于图像特征融合的角点提取方法。Harris角点检测是一种经典的角点检测算法,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果。在Harris算法的基础上,本文将多尺度空间和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取,最后通过一全局阈值来筛选角点。通过算法设计和实现,将本文所提方法与经典算法统一实现在一个程序界面中利于进行比较研究。改进方法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题。基于图像边缘的角点提取虽提取精度较高,但往往对噪音敏感且运算量大;而基于图像灰度的角点提取易于实现但提取效果往往不佳。本文在研究了这两类提取特点的基础上提出一种融合图像边缘特征和图像灰度特征的角点检测方法。首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合。该方法进行了特征融合提取,可以较为有效改进在单一特征提取下的不足。通过对经典图像和黑片图像进行实验得到的准确性和稳定性比对结果,可以证明本文的改进方法可以有效的提高角点提取效果,具有较好的准确性和稳定性。