基于改进的Harris角点检测的车型识别方法

利用角点信息作为车辆正面图像的特征点对车型进行识别,将Harris角点检测的方法进行改进,将不同方向的特征值之比加入角点响应,提高了角点检出率;考虑到视频中行进车辆的位置变动,将车牌中心点位置作为定位点,计算不同车型的角点匹配率作为判定车型的依据。实验结果证实了所提方法的有效性。     

基于边界的角点无阈值识别算法

提出了局部特征和全局特征相结合的角点无阈值识别的思想和算法，同时提出了4个重要的概念及其算法：边界局部角度、相似度、高度、线性度，作为实现的基础。角度和相似度描述角点的局部特征；高度和线性度描述角点的全局特征，4者的拟合函数为F。F变化率的最大值点自动确定角点和非角点的分界。实验结果证实了该算法角点定位的准确性、旋转不变性，具有一定的尺度不变性和抗噪声能力。     

基于角点特征和自适应核聚类算法的目标识别

提出了基于角点特征和自适应核聚类的目标识别方法，将有效性函数引入核聚类算法中，提出了一种可动态估计聚类数目的自适应核聚类算法。该方法用于飞机识别中，通过对飞机角点特征的自适应核聚类，完成定位识别。实验结果表明，该方法是有效的。     

局部矩不变量轮廓图像角点检测

为解决图像轮廓特征点问题,提出了基于轮廓局部矩不变量的轮廓角点检测方法,通过计算轮廓线支撑区域内中心点两侧轮廓点的不变矩特征,从而提取轮廓曲率函数.实验结果验证了该方法具有抗干扰性好、定位准等优点.     

基于多视角车辆轮廓深度图像的割线迭代接近角计算方法

针对车辆通过性指标中接近角的测量问题，提出一种基于深度相机获取车辆底盘轮廓点云的接近角计算方法。首先使用深度相机对目标车辆底盘轮廓进行多视角的点云采集，并通过迭代最近点算法进行点云拼接与模型重建，对轮廓点云的轮胎特征进行分割提取，最后采用本文提出的割线迭代方法对接近角进行计算。通过计算机仿真构建车辆轮廓点云，并对该点云进行拼接、分析计算。结果表明，本文提出的方法具有快速、准确的接近角计算效果。     

基于角特征和Mean-shift的车辆跟踪方法

提出一种基于角特征点和Mean-shift的车辆跟踪方法,对不断改变尺寸的车辆目标进行有效跟踪,利用角特征点把模板目标构造成若干个同尺寸的子窗口,每个子窗口单独地按Mean-shift算法进行跟踪,并寻找其相应的中心位置,通过关联过程确定车辆目标在整个视场中的运行轨迹。实验结果表明,该方法简单、可靠,可以稳定地跟踪车辆目标。     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

一种复杂交通场景中的车辆检测与跟踪方法

为了提高复杂交通场景中车辆检测与跟踪算法的鲁棒性,提出了一种基于特征点匹配的车辆跟踪方法。由于使用了Harris角点检测算法和SIFT特征描述符,大幅降低了光照变化对车辆检测造成的影响。在车辆跟踪环节,采用基于图论的归一化割方法,充分地利用了车辆的速度、方向等信息,从而对部分遮挡的车辆取得了较好的分割效果。实验结果表明,所提出的方法在复杂交通场景中有较高的精确率与鲁棒性。     

基于视频角点特征匹配的车速检测方法

针对传统特征匹配车速检测方法实时性较差的问题,提出一种改进的角点特征匹配车速检测方法。基于视频图像,采用混合高斯模型检测方法提取运动车辆目标,利用Harris算法检测车辆目标的角点特征,将运动估计和NCC匹配相结合,优化匹配区域搜索方法,对车辆目标角点进行角点粗匹配,再通过RANSAC算法进行角点精匹配和单视测量坐标转换以实现车速检测。实验结果表明,与传统方法相比,该方法的角点粗匹配速度提高400％,角点精匹配速度提高200％,车速准确性达到90％以上,能有效提高车速检测的实时性和准确性,满足实际车速检测的要求。     

基于Harris角点检测的人体特征提取与测量

为准确地对人体图像特征尺寸进行自动识别和提取,提出一种基于Harris角点检测的人体特征提取与测量算法;首先对原始图像规范化处理,并采用Canny算子进行边缘检测,得到图像的二值边缘图;然后根据人体特征尺寸位置的突变性可用角点来描述的特点对轮廓图像进行特征点提取;最后利用人体关键尺寸与身高(由用户提供)的比例关系进行特征点筛选,计算获取人体测量学中的关键尺寸;经对实际测量数据分析比较得知,实验测量结果产生的误差较小,实验值和实际值之间无显著性差异,因此验证了该方法的可行性。     

海冰观测中的图像匹配方法研究

海冰流速的测定是寒区海冰观测的重要内容。结合海洋工程实际,提出一种根据视频图像的特征点提取和匹配来测算海冰流速的方法：把Harries角点作为海冰的特征点,根据不同时刻下特征点的单应得到特征点的移动距离和移动方向,通过高斯混合模型消除单应计算中的误匹配,最终得到海冰的移动方向和速度。实验结果表明,这种方法具有较好的鲁棒性。     

利用空间矩提取亚象素角特征

A novel subpixel corner detection method based on spatial moment is developed in this paper. Firstly, the spatial-moment-generating function, gradient magnitude and variation of gradient-direction corner are used as the decision rule of corner detection by analyzing the mathematical formula of corner-model spatial moment. Then Non-max suppression technique is utilized to detect the vertex of feature corner. Finally, in order to improve its localization performance, subpixel corner detection is implemented by the bilinear interpolation and Newton iteration method. Experiments illustrate that the spatial moment corner detector has better robustness and localization performance than Kitchen detector and Harris detector.     

基于角点特征的眼睛轮廓提取

提出了一种新的基于可变形模板的提取眼睛轮廓的方法。在新的方法中,利用了眼睛所有角点的信息来构造能量函数。同时,采用了SUSAN(smallest univalue segment assimilating nucleus)中的角点强度函数来描述角点的特性。通过结合角点的信息,眼睛轮廓能够得到更为鲁棒地提取。考虑到角点能量函数的局部特性,采用了三步优化的方法来对能量函数进行优化。为了测试新的能量函数的表现,随机设置眼睛模板的初始参数以模拟各种预处理方法得到的结果。实验结果表明,该方法能比以前的方法更精确地提取出眼睛的轮廓。     

基于空间纹理相似性的图像角点特征匹配算法

本文针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小,实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明本文算法不仅能够很好的适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比本文算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48ms,而匹配特征数量较多时能够降低2408ms。     

光流引导下机器人抓取目标物角点动态匹配

针对目标物位姿在线估计中的特征点动态匹配问题,以木块作为实验对象,提出了一种光流引导的目标物角点动态匹配方法。使用Yolov2-tiny进行目标物识别,完成目标物定位与分类。在提取区域内完成Shi-Tomasi角点检测,采用LK（Lucas-Kanade）光流对角点跟踪的方法实现角点在相邻两帧图像中的初始匹配,针对光流跟踪中特征点的偏移问题,对跟踪点为中心的11×11邻域进行角点再提纯。实验证明该算法能在视频序列中对目标物角点实时动态地匹配,且角点匹配结果比SIFT和Harris-SIFT方法准确度更高,实时性更好。     

角点检测的甜瓜瓜蒂高效分离法

准确检测并分离甜瓜瓜蒂,对于基于计算机图像处理的甜瓜品质分级系统具有重要意义.提出了一种基于角点检测的瓜蒂检测和分离方法,该方法利用瓜蒂区域和甜瓜其它部分角点分布差异较大特点,可准确地找到并擦除瓜蒂,本算法对瓜蒂形状、长短、粗细不敏感,有较好的适应性.与多种已知瓜蒂检测算法的对比实验表明,本算法具有很高的识别率和较小的...     

基于低层次计算机视觉的超分辨率图像重建

在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术。首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作。其次,提出了一种适合于超分辨率图像重建的插值算法:基于圆区域的自适应插值算法。该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起。大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现。     

基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法. 首先利用经典的角点检测算法提取待匹配图像的特征点或角点; 其次利用相位相关法估算出两幅图像的重叠区域, 以缩小匹配范围; 然后对角点邻域模板区域施行Laplace变换; 最后利用基于改进的SSIM (结构相似性)作为相似性度量准则建立特征点之间的匹配关系. 实验结果表明, 该方法可以很好的完成特征点匹配, 匹配点对充足且具有很高的准确率, 而且对亮度差异具有一定的鲁棒性, 从而保证图像配准精度.     

视网膜血管图像特征点自动提取和分类

由动静脉血管组成的眼底视网膜血管结构的特征点是预测心血管疾病、图像分析和生物学应用的重要特征。把角点检测引入到视网膜血管分叉点和交叉点提取中,利用边缘检测算子得到二值边缘图像,采用基于累加点到弦的距离（CPDA）的角点检测方法得到候选特征点,再根据视网膜血管图像的拓扑结构设计自适应矩形探测器对候选特征点进行删减和分类。实验结果表明,基于CPDA的角点检测和自适应矩形探测器的方法有效地实现了节点的提取和分类。     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题。为此,对面向图像角点特征取证的人工智能检测进行研究。通过在不同干扰情况下对图像做简化处理,完成特征取证。采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测。结果表明,面向图像角点特征取证的人工智能检测精准度较高,可以有删除假图像角点,使用结果更贴近真实情况,具有较高鲁棒性。