二值图像角点检测的形态骨架法

本文提出一种新的基于形态骨架的角点检测方法,该方法把原始图像看成一个多边形,通过检测骨架中最大圆盘半径为零的点来获得角点,并由它的补图来获得凹点的角点,通过由原图及补图获得的角点进行异或操作,则得到全部角点并去掉离散化后产生的网格角点.实验证明此方法是可行,高效的,易于硬件实现.     

基于预检测SUSAN算法的图像拼接

为了快速精确提取图像角点,提出了一种基于预检测的SUSAN角点提取方法.文中首先采用预检测的方法排除部分伪角点,对预备角点采用SUSAN算法检测出图像的角点.然后采用图像分块技术和近邻角点排除方法来保证角点分布均匀,没有成簇现象,保证后续图像拼接的精度.实验结果表明,此方法不但能提高角点的检测速度,而且能合理地提取图像中的角点,提高角点的检测精度,进而提高图像拼接的速度和精度.     

一种改进的MIC的角点提取方法

针对基于多格算法的MIC角点检测方法易混淆边缘点和角点、遗漏角点及角点定位不够精确等缺点,在采用高分辨率的图像后,对低分辨率图像中的候选角点周围的2×2的像素点进行进一步计算,明显地减少了原算法由低分辨率到高分辨率的变化过程中角点的漏检和虚报的概率,同时用梯度的概念进行自适应插值,通过它对角点的候选点作进一步的筛选.测试结果表明提出的方法比改进前的MIC多格算法具有更好的效果.     

基于OpenCV的高精度零件角点距离测量研究

提出了一种基于OpenCV的非接触式的测量方案,为提高零件角点的测量精度提出了新的应用方案.首先使用摄像机标定方法来矫正透镜畸变,采用了中值滤波消除噪声,从图像中获得更多的细节和信息,利用哈里斯角点检测和亚像素检测方法实现角点提取.最后,实验分析和比较了基于OpenCV的高精度零件角点测量的应用效果.     

平面旋转人脸检测与特征定位方法研究

提出了一种基于角点检测、AdaBoost算法和C-V方法的平面旋转人脸检测及特征定位方法.方法首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后以角点作为眼睛的候选点,枚举任意两个角点构造可能的人脸区域,并在区域内运用人脸检测器进行检测;接着利用眼、鼻、嘴检测器检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置.在CMU平面旋转测试集上的检测率为94.6%,误报24个,提取出的特征点位置准确.实验结果表明方法是有效的.     

基于距离、角度、模板的角点检测算法

提出了一种基于距离、角度序列极值和距离模板匹配的角点检测算法。此算法不但与 基于灰度和基于曲率的方法截然不同,而且克服了他们的缺点。首先利用距离、角度序列极值检测得到明显转折部位的角点,然后根据距离模板匹配获得转折平稳部位的角点,最后经过伪角点删除,得到最终结果。仿真实验表明,该算法通过对序列极值判断支撑区域及模板大小的控制,抑制了数字化误差及噪声的影响,可以有效地实现二维图像的角点检测与定位,具有较高的精度,是一种实用、有效的角点探测算法。     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.     

基于角点和Hu矩不变量的可见光和红外图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征和透视变换模型的方法.首先采用自适应阈值对红外与可见光图像进行分割,然后利用Harris因子分别在分割后的红外和可见光图像上检测角点.通过分析角点邻域在原始图像上的相关性实现角点的粗匹配.接着通过RANSAC算法对角点进行细匹配,删除outliers,再...     

基于角点特征的图像自动拼接算法

提出了一种基于角点特征的图像自动拼接方法.分析了Harris角点检测算子的实现原理及其不足,提出一种改进的Harris角点检测算法提取图像特征角点,减少了计算量,同时提高角点的定位精度,增强了算法的抗噪性能.然后用快速RANSAC算法求出图像变换矩阵H的初值并使用LM非线性迭代算法精炼H,最后采用像素值加权的方法进行图像融合.实验结果表明,该算法能有效提高配准精确性,具有较高的实用价值.     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet立体校正算法对双目视觉系统进行立体校正;然后采用J.Shi和C.Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

图像处理技术在零件质检工作中的应用研究

在工业零件外观检测中,图像处理技术日益得到重视,对一些精度要求较高的微小零件,其缺陷检测的作用更加重要。通过分析零件表面缺陷检测技术的现状问题,综合运用了图像处理技术。对零件表面缺陷检测方法进行了研究,并开发了一套零件质检系统软件,为图像处理技术在复杂零件质检工作中的应用奠定了基础。     

Copy-move tampering detection using affine transformation property preservation on clustered keypoints

Recent advances in multimedia technologies have made imaging devices and image editing tools ubiquitous and affordable. Image editing done with malicious intent is called as image tampering or forgery. The most common forgery is the copy-move forgery which involves copying a part of an image and pasting it on some other part of the same image. There are many existing methods for such forgery detection, but most of them are sensitive to post-processing and do not detect multiple instances of forgeries in an image. In the proposed approach, affine transformation property preservation of clustered keypoints in the image is used, which includes the tests for collinearity and distance ratio preservation. Our method is also able to detect multiple copy-move forgeries within an image. The proposed method is tested against four image tampering detection datasets, and the results of our method are the best compared to the existing eight state-of-the-art methods in terms of accuracy.     

基于绝对关联度的图像目标边缘提取方法

针对传统边缘检测方法对光学经纬仪实际拍摄的含噪声图像边缘检测效果不理想的问题,将灰色系统理论引入图像边缘检测,通过绝对关联分析与边缘检测算子相结合,提出一种利用二阶微分算子作为参考序列,图像像素作为比较序列,通过计算灰色绝对关联度来检测图像边缘的方法。实验结果表明,该方法与现有方法相比,边缘检测效果更好,检测的边缘清晰、连续,对噪声图像边缘的检测精度较高,抗噪声能力强。     

基于元胞自动机的红外图像边缘检测新方法

元胞自动机是一种新的快速、有效的实现各种图像处理算法的理论工具,其核心是状态转移函数的确定.针对红外图像边缘检测,研究并实现了三种状态转移函数:最大最小值法、阈值法和形态梯度法.和传统边缘检测方法的对比实验表明,基于元胞自动机的边缘检测方法整体上不仅检测效果好,且可实时实现.     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

深度学习在雷达目标检测中的应用综述

雷达目标检测技术能够判断回波信号中目标存在与否,并提取目标位置信息。随着雷达图像质量的提升和人工智能技术的发展,利用雷达图像数据通过深度学习方法实现雷达目标检测功能成为一种新的思路。该文首先从雷达目标检测原理入手,对传统和现代两类检测方法进行了梳理,分析了各类检测方法的特点及适用性。然后针对现代雷达回波信号复杂性增大导致传统检测方法统计建模难的问题和机器学习方法特征提取难度大的问题,对深度学习目标检测方法进行了归纳,主要从深度学习算法、雷达回波图像数据类型和应用场景三个方面进行总结。最后分析了深度学习在雷达目标检测应用中面临的挑战,展望了未来的发展趋势。     

一种基于YOLOv3的水下声呐图像目标检测方法

将目标检测框架应用于水下声呐图像处理是近期的高热度话题,现有水下声呐目标检测方法多基于声呐图像的纹理特征识别不同物体,难以解决声呐图像中由于形状畸变造成的几何特征不稳定问题。为此,该文提出一种基于YOLOv3的水下物体检测模型YOLOv3F,该模型将从声呐图像中提取的纹理特征和从深度图中提取的空间几何特征相融合,利用深度图中相对稳定的空间几何特征弥补纹理特征表述能力的不足,再将融合后的特征用于目标检测。实验结果表明,所提改进模型的检测性能相较于3个基线模型在识别精度方面具有明显提升;在对单个类别的物体进行检测的情况下,与YOLOv3相比,改进模型也表现出了更出色的检测效果。     

物体融入背景情况下的目标检测方法

针对运动物体运动进入背景区域后,由运动变为静止,成为背景一部分的情况下,传统利用当前图像和背景图像加权得到新的背景图像的方法,背景图像更新较慢,不能快速消除变为背景的物体的影响,提出了帧差法和背景差法相结合的运动目标检测方法,较好地消除了其影响,顺利检测出运动目标,提高运动目标检测方法的适用范围。     

基于改进颜色模型的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题,传统的边缘检测方法仅利用图像的亮度分量信息。给出一种基于改进颜色模型中颜色距离的彩色图像边缘检测方法,通过实验,将文中给出的边缘检测算法与常用的边缘检测算子进行比较。并对边缘灰度图像的阈值处理方法予以讨论,提出一种具有良好的自适应性的算法——极大值法,通过寻找局部极大值点定位边缘。实验表明文中给出的算法在改进图像边缘检测效果上是有效的。