基于小波变换多尺度Harris角点检测算法

提出一种新的基于小波变换的Harris多尺度角点检测算法,可以在不同的尺度下获取角点,克服了单一尺度的Harris角点检测算法可能存在的角点信息丢失和易受噪声影响而检测出伪角点等缺点,测试实验表明,与传统Harris角点检测方法比较,本方法有角点检测率高,不易受噪声影响,检测到的角点具有较高的重复率等优点.     

一种改进的Harris多尺度角点检测

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.为了改变其单一尺度的特性,使得角点提取更加精确和有效,文中将多尺度空问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.该算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.通过对比实验,文中算法明显地提高了图像角点检测性能.     

一种改进的Harris多尺度角点检测

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。为了改变其单一尺度的特性,使得角点提取更加精确和有效,文中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。该算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。通过对比实验,文中算法明显地提高了图像角点检测性能。     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

基于图像分块的多尺度Harris角点检测方法

Harris角点检测是一种经典的角点检测算法,在现实中应用广泛,但不具有尺度变化特性。为了改变其单一尺度的特性,使得角点提取更加精确和有效,将多尺度的概念和图像分块方法引入到Harris算法中,在多个尺度下对角点进行提取。将每个尺度上的角点响应值的本地最大值作为该尺度上的候选角点,并同时对图像进行分块;最后,沿小尺度到大尺度方向判断候选角点是否是真实角点,剔除伪角点,使得角点检测更加精确。通过对比实验,新算法明显地提高了图像角点的检测性能。     

基于Harris多尺度角点检测的图像配准新算法

为改进角点检测算子的检测性能,提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、位置偏移和易受噪而提取出伪角点等问题。然后根据角度直方图得到的旋转角度,和提取的以角点为中心的特征子图,定义了角点点对的对齐度。最后,运用最大化对齐度准则来精确地确定角点匹配点对。实验表明,该配准算法具有精确性、有效性和抗噪性,实现了良好的配准效果。     

基于角点检测的图像分割算法及在三维重建中的应用

针对基于单幅图像的三维重建方法的多解性和病态性的难点问题,提出了一种基于Harris多尺度角点检测的图像分割算法,将复杂的工程图像分离成若干个简单基本几何形体,分别对其重建以避免直接恢复深度信息的病态解问题;为了提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而使改进的Harris角点检测算法具有旋转、平移和尺度的不变性;实验验证了改进算法的快速、准确和稳定的特性。     

Sa4多小波提升格式的Harris角点检测

针对Harris算法对噪声敏感且不具有尺度不变性的不足,将Sa4提升多小波多分辨技术运用到图像角点检测中。先利用Sa4多小波的提升格式构造图像金子塔,再在不同尺度下进行角点检测,实现多分辨率分析即小尺度下的精确定位和大尺度下的抗噪性强。最后为了综合利用各尺度下的角点信息,采用由细到粗和由粗到细相结合的角点筛选方案,克服了单一尺度下角点信息丢失,位置偏移,提取出伪角点等不足。实验结果表明,该算法定位更准确,抗噪性能更好。     

近邻传播聚类优化的角点检测改进算法

针对传统Harris角点检测算法和目前一些改进算法应用在图像拼接时,仍然可能存在只可在单一尺度上检测、角点位置不准确、伪检和对噪声敏感致使检测率不高等缺点,提出一种基于AP聚类角点提取优化的双边滤波（BF）角点检测改进算法。该算法在对图像进行双边滤波和多尺度角点检测的基础上,采用一种新型的聚类算法--近邻传播聚类算法（AP聚类算法）,对候选角点提取真实角点的效率进行优化,并对角点算子进行改进。实验是在VS2010+OpenCV平台实现的。结果表明提出的改进算法不仅提高了角点提取效率,而且更加精确地检测图像角点,具有更好的效果,更强的实用性。     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

改进Harris特征的印刷体图像检索

目的 文档图像检索过程中，传统的光学字符识别（OCR）技术因易受文档图像质量和字体等相关因素的影响，难以达到有效检索的目的。关键词识别技术作为OCR技术的替代方案，不需经过繁琐的OCR识别，可直接对关键词进行检索。本文针对Harris算法聚簇现象严重和运算速度慢等问题，在关键词识别技术的框架下提出了改进Harris的图像匹配算法。方法 基于Fast进行特征点检测，利用Harris进行特征描述，并采用非极大值抑制的方法，最后利用暴力匹配中的汉明距离进行特征的相似性度量，输出最终的匹配结果。结果 实验结果表明本文算法在特征提取上的时间为0.101 s，相对于原始Harris算法的0.664 s和SIFT算法的1.066 s，实时性方面有了明显提高，改善了原始算法的聚簇现象，并且在无噪声的情况下，准确率达到98%，高于Sift算法的90%，召回率达到87.5%，而且在固定均值，不断提高方差的高斯噪声条件下，与Sift算法相比，准确率也高于后者，取得了较好的实验效果。结论 本文提出的方法满足了快速、精确的查找需求，在印刷体图像的文档图像检索中有效提高了检索率，具有较好的实验效果。     

基于区域划分的角点检测

本文主要研究角点检测中全局/局部的搜索算法,针对该算法效率较低的情况提出了改进的角点检测算法. 该算法采用相似金字塔计算原理构造多层图像,同时采用多尺度Harris算子分层搜索并提取图像特征角点,经过分层图像、分区域图像的特征角点进行融合计算,实现了目标特征点寻找. 该算法主要在角点检测上考虑不同层次的图像和单张图像区域关系,并且通过特征点周围像素的变化参数来实现目标的定位. 实验结果表明,本文提出的改进算法提高了总体定位的速度,降低了误定位的概率.     

基于特征点的图像拼接算法研究与实现

针对传统的图像拼接算法中存在的误匹配率较高的问题,采用了基于特征点的图像配准算法.在提取特征点阶段,采用了多尺度的Harris特征点提取算法;在特征点匹配阶段,采用的是改进的基于相关窗口的特征点匹配算法,并采用RANSAC算法对特征点匹配对进行提纯;最后采用了最佳缝合线算法消除了拼接效果图中存在的鬼影问题.实验表明该算...     

基于多尺度Harris角点SAM的医学图像配准算法

为满足医学图像配准对多分辨率,高配准率,低时耗率的高要求,提出了一种新颖的基于多尺度Harris角点方根-算术均值距离（SAM）的配准算法。该算法通过对图像进行小波多尺度积边缘检测和多尺度Harris角点检测,首先得到了估计变换参数;然后利用角点间的SAM作为相似性测度函数来获得最佳匹配点对,并通过最小二乘得到最终配准参数。实验表明,算法可实现含噪声图像以及不同分辨率的多模医学图像的配准,由于算法只对角点匹配,无须最优搜索,从而不仅大大减少了计算量,而且避免了陷入局部极值的情况。最后,通过3类实验验证了算法的可行性和鲁棒性。     

一种改进的亚像素角点提取算法

针对Harris角点检测过程中存在定位粗糙、检测精度不高以及检测效率慢等原因,该文在Harris算法的基础上,结合Harris算子和Forstner算子提出一种改进的亚像素角点提取算法。该算法采用一种逐层检测策略,首先利用Harris算法进行角点粗略定位,首先对角点做一个初始选择,利用图像领域灰度相似度得到大部分角点的粗定位值,大大降低了算法的运算量,然后通过计算自相关矩阵的两个特征值,利用特征值和阈值比较筛选得到全部角点的粗定位值,避免了CRF（corner reference function角点响应函数）的计算,最后利用Forstner算子对粗定位后的角点进行亚像素级精确定位。实验证明,该算法不仅保证Harris算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且抗噪声性能较强。     

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。     

改进的Harris亚像素角点快速定位

针对Harris算法检测角点存在偏差、运算慢、像素级精度难于满足实际应用需要等问题,改进了Harris角点检测方法。该方法在Harris提取角点过程中,通过两次角点筛选,剔除非角点和伪角点,利用角点响应函数执行非极大值抑制,以局部角点响应函数最大值的像素点作为初始角点,并以该初始角点为中心,以一定半径搜索角点簇,采用最小二乘法加权角点簇与待求角点的欧几里得距离,精化初始角点坐标,从而实现Harris亚像素角点准确快速定位。实验结果表明了该方法的有效性和实用性。