文 献 综 述
前言
随着科技进步、时代发展，人们的生活水平提高，对图像的采集、显示、使用也出现了新的要求，随之带来的是高分辨率、高帧率的视频图像处理。这也使得使用软件完成高分辨率的视频图像处理越来越难，在此情况下硬件处理视频图像的高速性与实时性越来越受人们的重视。
角点是图像的特征点，一般认为是曲率极大值点或灰度剧烈变化点，可直观理解为图像中物体的突出点或两条线的交叉点。角点对于图形图像的分析十分重要，它可以帮助我们在保留其重要特征的同时，有效地减少图像处理过程中的数据量，提高后期计算的速度，使更复杂视觉算法的实时处理成为可能。国内外学者基于对角点的检测过程做了大量研究，取得了相应的成果，按照检测判断依据的不同大致分为基于灰度和基于边缘轮廓的角点检测。图像角点检测在图像特征提取的过程中有着非常重要的作用。为了对此进行研究，我们需要对角点检测进行资料搜集与整理，深入了解国内外对于此方面的研究进展。
从国内外文献看，以完成视频图像的角点提取、实现实时性图像处理为目的，目前已提出多种角点检测算法。本课题结合计算机视觉的研究要求,目的是为了完成视频图像的角点提取。传统的软件方法完成角点检测并不罕见,但对高分辨率、高实时性的视频处理仍有些吃力，因此我们以FPGA为依托，利用FPGA实现图像的输入、预处理、角点检测和角点图像输出，实现一套完整的视频图像角点检测系统。
主题
陈乐，吕文阁，丁少华在《角点检测技术研究进展》[1]一文中提出，单纯的角点提取对于实际的应用而言并没有太多的意义，但图像的角点作为图像中局部曲率极大值点，因其具有平移不变、旋转不变、缩放不变、光照不变等特殊性质，既能够体现目标的轮廓特征，承担大部分的图像信息，又能够大大地减少图像处理的数据量，实现视频图像的实时处理，常常是后续视觉研究的前提和基础。
王红梅, 张科的《图像匹配研究进展》[2]中提出在图像配准中，需要对不同环境获取的多幅图像做匹配、叠加，配准过程需要依赖图像的特征点做相似度匹配，空间变换等操作。而特征点提取是配准技术的关键的一环，高准确性、良好不变性的特征点提取方法，对特征匹配的成功与否起着至关重要的作用。
赵文彬, 张艳宁在《角点检测技术综述》[3]中说道，从算法角度上而言，角点检测理论自计算机视觉学科成立以来经过几十年的发展与众多学者的研究，因对角点有不同的定义，导致从不同的研究方向，涌现了不同种类的角点检测算法。根据角点检测的实现方法的不同，大概可以把角点检测算法分为三类：(1)基于轮廓曲线的角点检测方法；(2)基于模板的角点检测方法；(3)基于图像灰度变化的角点检测方法。
基于轮廓曲线的角点检测算法认为角点是两条或多条图像中曲线的交叉点，其算法的实现需要基于图像的边缘检测结果，在检测出的边缘上寻找曲率极大值点或交叉点。比较有代表性的算法是 Farzin Mokhtarian 和 Riku Suomela 基于尺度空间(Curvature Scale Space)的角点检测算法，即 CSS 算法[4],此算法一个显著的问题在于如何选择合适的高斯尺度以及角点的阈值。基于模板的角点检测算法使用角点模板，依据不同的模板比较标准模板与图像窗口内灰度区域的相似程度，来检测图像的角点。基于图像灰度变化的角点检测方法通过考察像素点及其邻域的灰度变化信息，利用其灰度变化的特征做角点检测判断。该方法避免了对图像边缘及数学模型的依赖，但对于定位精度抗噪声方面并不理想。较为典型的是Moravec角点检测算法[5]。
