在曲率属性计算之前需要对图像进行去噪预处理, 传统的图像滤波方法在去除噪声的同时会破坏边缘、线条、纹理等图像特征, 而基于偏微分方程的P-M模型在平滑过程中会出现块效应。针对这些问题, 提出了一种基于张量扩散的各向异性滤波的预处理方法。通过定义散布矩阵来获得丰富的图像局部结构信息, 然后利用这些结构来控制扩散过程, 以便实现图像的更好滤波。理论分析和实验结果表明, 相较于一些常规的图像滤波算法, 各向异性滤波得到的曲率属性效果更清晰、质量更高。

CORNER 按以下步骤工作： 1. 将 Canny 边缘检测器应用于灰度图像并获得二值边缘图。 2. 从边缘图中提取边缘轮廓，填充轮廓中的空隙。 3.为每个轮廓以低比例计算曲率，以保留所有真实角。将所有曲率局部最大值视为初始角候选。 4. 使用自适应局部阈值比较初始角候选以去除圆角。 5. 评估角候选的角度以消除由于量化噪声和琐碎细节引起的任何假角。 上述评估基于动态支持区域，该区域根据其相邻角候选而变化。 6. 轮廓的端点用附加标准来考虑。 算法来源于： XC He 和 NHC Yung，“具有自适应阈值和动态支持区域的曲率尺度空间角检测器”，第 17 届模式识别国际会议论文集，2：791-794，2004 年 8 月。 上述改进算法已发表于： XC He 和 NHC Yung，“基于全局和局部曲率特性的角点检测器”，光学工程，47（5），pp：057008，2008。（本文包含

本代码给出了一种以曲面拟合为基础的地震面曲率属性计算方法