基于欧氏距离的拐点检测算法

拐点是数字图像中的一个重要信息载体，提出一种新的拐点检测算法，该算法并非寻找连续空间中曲率的离散近似计算方法，而是源于离散曲线的外观特征，推导出离散曲线上拐点处k个点对间欧氏距离平方和局部最小这一重要性质。基于该性质，本算法首先利用Freeman链码的性质过滤掉物体边界上明显不可能成为拐点的象素，然后在剩余的边界点中通过寻找该局部最小值定位出拐点。给出了本算法与四种著名拐点检测算法的对比实验。     

基于局部曲率函数的角点检测

角点检测是计算机图像处理领域的基本问题之一,在全局曲率函数角点检测的基础上,提出一种基于局部曲率函数的快速角点检测算法.通过Canny算子提取图像的边缘,在边缘的基础上计算轮廓的局部曲率函数,由于Canny算子首先用高斯滤波器对图像平滑处理,尽可能的去除了噪声而不损失角点,计算局部曲率函数的最大峰值,通过设定阈值检测出角点.对算法进行仿真,试验结果表明该算法可以稳定的检测角点,并对旋转、尺度和噪声具有较强的鲁棒性.     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

改进D-P算法在图像轮廓平滑中的应用

针对传统D-P算法速度较慢、编程不方便的问题,提出一种改进算法。以一定步长对轮廓进行遍历,根据轮廓上点到所选轮廓段首末点连线最大距离与距离阈值的大小关系,按轮廓遍历顺序获取曲线轮廓的特征点,并在相邻的特征点之间采用贝塞尔曲线进行平滑。实验结果表明,改进算法的速度比传统算法提高10%以上。     

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。     

基于图像轮廓分析的室内窗户检测

针对室内窗户检测的问题，提出一种基于图像轮廓分析的室内窗户检测方法。对预处理后的图像进行阈值分割和形态学处理；然后采用基于拓扑结构分析的边界跟踪算法，提取边界轮廓的一系列坐标点，根据窗户轮廓特点筛选出符合条件的轮廓，求各轮廓的最小外接矩形，计算两两最小外接矩形间的距离；最后利用最小生成树对各个矩形分类合并，确定窗户区域。实验结果表明，所提出的方法能有效地实现不同室内场景中窗户的检测。     

最大比率圆弧逼近轮廓的匹配方法

提出了一种新的圆孤逼近轮廓曲线进行目标匹配的方法-最大比率法。曲线上两点之间的圆弧和曲线夹成的面积与对应扇形的比值随曲线上点的曲率的变化而变化。通过设置一个阈值算法可以检测曲率的较大的特征点用于圆弧逼近匹配。     

利用CPDH和动态规划算法的形状检索

用形状轮廓上点的坐标位置相对于形状重心位置的分布关系描述形状,提出一种极坐标下形状轮廓点分布直方图描述符(contour points distribution histogram),该描述符不仅符合人眼的视觉直观感受、计算简单,而且其本质上具有缩放和平移不变性。用动态规划算法(dynamic programming algorithm)来度量轮廓点分布直方图之间的距离,部分解决了轮廓点分布直方图对于旋转不变性的要求。在多个形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好效果。     

轮廓曲线的LoG变换及图像共变区域的检测

本文将LoG (Laplacian of Gaussian)变换应用到轮廓曲线上, 其范数的平方具有稳健的曲率特性, 由此构造了轮廓角点的响应函数; 在此基础上, 结合轮廓LoG所检测的角点和角点邻域内轮廓方向的尺度共变性设计了一种新的关于旋转和尺度共变的特征区域检测算法. 最后, 利用相关度准则对多组受干扰的图像进行特征共变区域匹配, 实验结果验证了所提出的共变特征区域检测算法具有计算简单、容易实现和较强的鲁棒性等特点.     

二值图像中基于陡变度的拐角点集检测方法

文章认为目前流行的拐角点检测方法有三个缺点：一是在数字图像空间中曲率存在计算误区,因而用曲率定位拐角点不合适;二是导致图像边缘产生拐角的不仅有单点,还有点集,因此不求拐角点集是不妥的;三是大曲率点不等价于拐角点。鉴于此,文章提出一种基于陡变度的拐角点集检测方法,其思想是：在二值图像中,图像边缘可看成是一维流形,陡变点集将一维流形分割成大小不等的光滑流形段,如果光滑流形通过该陡变点集后方向发生急剧改变,则此陡变点集是拐角点集。通过实验对比,文章中提出的算法检测结果优于目前流行算法的检测结果。     

一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对?祝-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。     

对Freeman链码分析的角点检测算法

针对传统的基于轮廓曲线的角点检测算法需要计算曲率和选取阈值的不足,提出一种对Freeman链码分析的角点检测算法,首先通过图像边缘检测,轮廓提取得到轮廓的Freeman链码,当链码发生变化时分析其连续前后多个点的链码是否符合一定的规则来判定角点,无需经过传统的角点阈值选取,曲率计算等步骤.实验通过与He&Yung、CPDA、Fast-CPDA和ARCSS角点检测器比较,结果表明本文算法在角点检测时准确率（ACU）最高;在变换实验中,本算法的平均重复率（AR）最高,由此可以得出本算法具有良好的角点检测性能.     

基于角点检测的图像形状特征提取方法

针对形状标记表示法可能遗漏轮廓曲线上较重要边界点的问题,提出一种基于角点检测的质心距离标记法。该方法采用轮廓跟踪技术获取物体的轮廓曲线,通过角点检测得到曲线上的所有角点,利用质心距离产生形状标记。以最近邻分类和K-中心聚类对其性能进行验证,结果证明了该方法的有效性。     

基于Freeman链码的汉字图像轮廓曲线拐角点检测方法

拐角点检测在模式识别和机器视觉中有重要作用。本文应用基于Freeman链码的一种检测和确定图像轮廓曲线拐角点位置的方法,提取出汉字轮廓图像的拐角点作为特征点用于图像配准中。首先提取出汉字图像的轮廓曲线,然后利用Freeman链码给轮廓曲线编码,根据判断准则,提取出必是拐角点的点与可疑拐角点,最后估算可疑拐角点的曲率,挑出每组临近可能拐角点中曲率最大的点为真实拐角点。实验结果表明本文应用的方法能准确地检测出同被测对象相一致的拐角点,给出了实验数据与过程。     

Contour matching using epipolar geometry

Matching features computed in images is an important process in multiview image analysis. When the motion between two images is large, the matching problem becomes very difficult. In this paper, we propose a contour matching algorithm based on geometric constraints. With the assumption that the contours are obtained from images taken from a moving camera with static scenes, we apply the epipolar constraint between two sets of contours and compute the corresponding points on the contours. From the initial epipolar constraints obtained from corner point matching, candidate contours are selected according to the epipolar geometry, contour end point constraints, and contour distance measures. In order to reduce the possibility of false matches, the number of match points on a contour is also used as a selection measure. The initial epipolar constraint is refined from the matched sets of contours. The algorithm can be applied to a pair or two pairs of images. All of the processes are fully automatic and successfully implemented and tested with various real images