角点检测技术综述

角点检测是机器视觉和计算机视觉领域的基本课题.角点有时也称为兴趣点,在简化图像信息数据的同时,还在一定程度上保留了图像较为重要的特征信息.角点检测在三维场景重建、运动估计、视觉跟踪以及图像配准与图像匹配等计算机视觉领域得到了广泛的应用.本文对现有的角点检测方法进行了分类及阐述,主要分为基于灰度强度的方法、基于边缘轮廓的方法,并将其余类别的角点检测方法也进行了汇总.并介绍了现有方法的部分测评技术以及实用案例,为图像角点检测技术提供参考和借鉴.     

MOravec和Harris角点检测方法比较研究

角点是图像中的重要特征,在图像配准与匹配、运动分析、目标识别、目标跟踪等领域中均得到了广泛的应用.Moravec和Harris算法是计算机视觉领域中应用比较广泛的角点检测方法.介绍了Moravec和Harris及其改进等四种常用的角点检测算法的实现原理及其特点,并对这四种方法进行了分析、比较,给出了它们的效率性能评价.然后通过实验研究了它们在角点检测的速度、正确率和抗噪性等方面的差异,探讨了各种算法的优势和缺陷.最后,文章指出了角点检测技术的研究与发展方向.     

角点检测技术综述

角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述,分析了相关的算法,并对各种检测算法给出了评价。     

3D计算中高速图形转换器算法设计

在图像处理过程中的分析图像的特征,需要达成特征提取,为后续的图像处理和分析。在目标图像的提取过程中,本文选定了特征角点特征。角点定位准确的图像匹配在三维重建中起着重要的作用。角落像素相对于外在的像素灰度值的突变或凸形状的像素点较为集中。本文分析了三个角点提取方法:苏珊角点检测方法,哈里斯角点检测方法,多尺度结合苏珊算法改进,亚像素角点检测方法,以便满足系统对精度的要求。     

基于有向面积的角点分类算法

在3维场景重构、运动估计、机器视觉等领域,不仅希望能检测出图像中的角点,而且还希望获得角点附近更多的信息,即能对角点进行进一步分类。为了能对图像中检测出的角点进行分类,提出了一种基于有向面积的角点分类方法,该方法首先采用基于协方差矩阵特征向量的小波变换角点检测原理检测出图像边缘上的角点;然后根据角点两侧的边缘信息定义了6种类型的角点;最后通过计算角点附近边缘上顺序排列的3个有向面积,实现对角点的分类。实验表明,基于有向面积的角点分类,具有较高的准确性。     

角点检测技术研究进展

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。角点检测在光流计算、运动估计、形状分析、相机标定和3D重建、视觉的定位和测量等方面都有重要的应用;根据实现方法不同可将角点检测算法分为基于模板的方法、基于边缘的方法、基于亮度变化的方法,并将现有的角点检测方法作了较为详细的分析、比较。     

基于对称性分析的棋盘图像角点检测方法

为实现摄像机标定过程中棋盘图像角点的自动检测,提出一种基于对称性分析的的角点检测方法.该方法主要包括图像特征点提取、初始角点检测和角点检测3部分.首先,根据棋盘图像角点与图像边缘的关系提取图像候选特征点并对其进行聚类.通过采用ChESS算子计算每个聚类对应的图像特征点,实现特征点提取.然后,提出初始角点概念,并以检测到的初始角点为起始点,对具有不同对称性的角点提出相应的检测方法.最后,以检测到的角点为初值进行角点亚像素检测.实验结果表明,检测到的角点重投影精度约为0.12个像素.提出的方法可实现棋盘图像角点自动检测,满足摄像机标定要求.     

针对棋盘格角点快速检测的一种新方法

棋盘格图像在摄像机标定及视觉检测中有着广泛的应用。针对目前棋盘格图像角点检测的局限性,提出了一种棋盘格图像角点快速检测方法。该方法是利用存在过渡区和角点处灰度分布的独特性质,设计了环形检测方法。仿真及实测实验结果表明：该方法实时性强,对棋盘格图像的旋转变换、亮度变换和边缘模糊具有良好的适应性;与经典Harris角点检测算法相比,易于实现、计算量小。     

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。     

图像拼接方法及其关键技术研究

图像拼接是图像处理技术的一个重要内容,是一种将多张有衔接重叠的图像拼成一张高分辨率全景图像的技术。该技术广泛应用于显微图像分析、数字视频、运动分析、医学图像处理、虚拟现实技术和遥感图像处理等领域。文中阐述了图像拼接技术的一般问题及其难点,介绍了图像拼接技术发展过程中几种主要的图像拼接方法,重点分析了近几年提出的角点检测及尺度不变特征转换的方法,通过编程实现来讨论这些方法的优缺点,并给出实验的结果。     

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Matlab和BP神经网络的角点检测方法研究

角点检测在图像匹配、形状描述、边缘检测中具有重要作用。鉴于神经网络所具有的自组织、自学习和分布式存储信息的特点,提出了一种基于神经网络的角点检测方法,利用Matlab神经网络工具箱建立角点检测模型,检测图像中的角点。实验证明,神经网络为计算机视觉中的角点检测提供了一个很好的工具。     

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。     

一种平移旋转图像的角点匹配方法

在图像角点匹配过程中,目标图像往往存在平移旋转现象,直接影响匹配效果,为此提出了一种平移旋转图像的角点匹配方法。该方法首先利用角点检测生成自相关矩阵的梯度信息与仿射变换相结合,构造确定性退火算法中的自由能函数,然后对该自由能函数进行优化,获取待匹配角点间的仿射变换参数,最后利用该变换参数实现角点匹配。实验结果表明,该方法能够在目标图像发生平移旋转的情况下,有效实现角点匹配。     

基于形态学的快速拐点检测统一模型

拐点检测一直是计算机的视觉和图像处理中的关键问题，传统方法是通过计算曲率来实现拐点的检测，其要求准确定位拐点所在局部区域的位置，并易受到噪声干扰，为此提出了一种的新的基于形态骨架的快速拐眯检测方法，该方法基于物体条件骨架原理，采用改进的非对称开运算算子，并利用内外骨架分别实现对物体凸点和凹点的检测，以保证对拐点检测的完整性；对于有噪声图象，则采用多刻度形态滤波进行去噪预处理；对拐点给出了统一的检测和实现模型。实验结果表明，该统一算法检测准确度高、具有旋转不变性、计算量小、硬件实现简单，对有噪声干扰图象也能很好地进行检验。     

基于熵和独特性的角点提取算法

针对角点提取在图像配准中的应用,利用图像窗口的互相关系数定义了邻域窗口的独特性,提出一种基于熵和独特性的角点提取算法.算法首先通过Canny算子提取图像边缘,然后通过计算边缘点所在圆形邻域的熵和独特性筛选出角点,并通过不断修正剩余候选角点的独特性达到输出角点分散分布的目的.通过与Harris算法及区域特征提取的Sift算法实验对比,表明该算法能够对角点准确提取、精确定位,具有较好的抗噪性和方向无关性,且提取的角点分散分布,尤其适用于图像配准,其局限性在于不具有尺度不变性.     

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果。为了更好地了解角点检测技术的发展现状,根据三种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果。不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。