具有Harris角点的RANSAC交通标志检测算法

考虑到交通标志具有颜色与形状这两个特征,提出了一种具有Harris角点特征的随机抽样一致性(RANSAC)算法来对交通标志进行检测.通过对含交通标志图像进行颜色特征提取后利用Canny算子对边缘进行检测,再利用Harris角点检测算子来提取初步检测后图像的角点,最后通过RANSAC算法与检测模型进行匹配进行检测,得出结果.仿真实验表明:该算法在检测率上达到了84%,也基本满足了实时性的要求.     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际 应用。     

一种改进的多尺度Harris角点检测算法

传统角点检测算法对尺度很敏感,而且提取角点是像素级的。采用图像增强技术,通过DOG算子将多尺度运用到Harris算法中,然后除去极值点附近低对比度的特征点。不仅避免了传统灰度变换技术的单一性,还提高了增强处理后图像的稳定性。改进的多尺度Harris角点检测方法具有误差较小、伪角点较少、错误率较低、匹配精度性较高等特点。     

基于图像噪声检测的Harris角点提取方法

角点提取在图像匹配、相机标定、模式识别和三维重建等方面有着极其重要的应用,是当前图像研究的热点。在阐述经典的Harris算法基础上,分析了其优缺点。针对Harris算法受随机噪声影响较大和运算速度慢的局限,在采用Sobel梯度算子基础上,提出了基于噪声检测的改进算法,实验表明噪声检测算子可有效检出随机噪声,证明了方法的有效性与可行性。     

基于图像噪声检测的Harris角点提取方法

角点提取在图像匹配、相机标定、模式识别和三维重建等方面有着极其重要的应用,是当前图像研究的热点。在阐述经典的Harris算法基础上,分析了其优缺点。针对Harris算法受随机噪声影响较大和运算速度慢的局限,在采用Sobel梯度算子基础上,提出了基于噪声检测的改进算法,实验表明,噪声检测算子可有效检出随机噪声,证明了方法的有效性与可行性。     

基于Harris的快速3-D特征点检测算子

图像匹配是数字摄影测量和计算机视觉领域中的关键技术.目前,基于特征点的匹配广泛应用于图像匹配中,至关重要的是如何定位特征点,高精度的特征点产生高精度的匹配结果.本文提出了3-D Harris特征点检测算子,分两个步骤实现:采用高斯算子平滑灰度突变点和利用Harris算子提出视频中的像素角点.实验结果表明了3-D Harris算子的高效性和精确性.     

摄像机标定中亚像素级角点检测算法

针对摄像机标定中棋盘图像的角点检测问题,提出一种简单而有效的亚像素级角点检测算法.综合使用Harris算子、SVD方法、内插值法以及Forstner算子,能快速准确的提取棋盘图像的角点.该方法具有两个明显优点:利用SVD方法,能够自动去除歧义角点;定位精度高,摄像机标定实验中,角点的平均位置偏差在0.1个像素左右.     

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.     

基于脑磁共振图像配准的动态联合角点检测算法

角点检测算法是基于角特征点的图像配准方法的核心。Harris和Susan是两种重要的角点检测算法,有较好的检测能力,但是其在描述角点信息方面都不全面。因此,联合Harris、Susan两种算法是一种较好的解决思路。其中,如何确定在联合算法中Harris、Susan两种算法的权重是一个关键。设计了一种联合算法,并通过统计实验获取两者的权重,通过引入两个加权因子ω1和ω2分别对Harris角点响应值与Susan角点响应值进行加权计算,获得其角点强度,从而筛选出新的角点集合,使该联合算法的角点检测能力明显提高。最后将该方法用于脑磁共振图像配准实验中。实验比较结果表明,该联合角点检测算法在脑磁共振图像配准的应用中,相对于目前已有角点检测算法,能获得较高的配准精度和较好的稳定性。     

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。     

改进Harris-SIFT算法在双目立体视觉中的应用

针对双目立体视觉图像匹配的实时性问题,提出了一种改进Harris-SIFT算法,克服了原SIFT算法提取的特征点不是角点且耗时长等问题。该算法首先用改进Harris算子进行角点提取,然后用SIFT算子构建特征描述子,最后对提取的特征点采用欧氏距离度量点对的相似性,利用最近邻搜索策略进行特征匹配。在VC++6.0与Open CV平台上,通过实验比较了所提算法与SIFT算法的特征点提取匹配结果,证明了所提算法的有效性与实时性。     

SAR图像尺度不变特征提取方法研究

与光学图像相比,SAR图像噪声干扰明显增强,导致光学图像处理领域中常用的尺度不变特征提取算法的稳定性在SAR图像中明显下降。为此,提出一种基于Harris算子的SAR图像尺度不变特征提取方法。该方法首先将单尺度图像特征点检测中具有良好稳定性的Harris算子拓展到多尺度图像域,并结合Harris算子极值点的稳定性分析实现尺度不变特征定位,以提高特征定位的稳定性。进而采用迭代滤波器取代传统卷积滤波器完成特征定位中所需高斯滤波操作,以提高特征定位的速度。最后利用特征点邻域内的像素梯度信息完成了特征描述字的构造。SAR图像实测数据验证表明,与其他尺度不变特征提取算法相比,本文算法具有更优的稳定性。     

一种引入角点特征的遥感图像道路提取方法

道路是遥感图像中的一种重要目标，遥感图像自动道路提取成为一个重要的研究方向。该文在对现有道路提取算法总结分析的基础上，提出一种引入角点特征的遥感图像道路提取方法，针对城市道路网的结构特点，建立了道路模型，并对算法的结构和策略进行了描述。在提取道路直线特征和角点特征基础上得到道路段，然后根据道路之间的几何关系对独立道路段进行连接得到最终结果，有效解决了以往道路提取算法中道路交叉点断裂的问题。另外为了得到准确的道路角点信息，还对该文算法中用到的角点检测方法进行了改进。最终实验结果分析表明该文道路提取算法的有效性。     

基于深度学习的卫星遥感图像边缘检测方法

为解决卫星遥感图像边缘模糊噪点过多,导致图像清晰度过低的问题,提出基于深度学习的卫星遥感图像边缘检测方法。利用Softmax分类器结构,提取边缘图像节点处的数据信息参量,遵循深度学习算法,完成对图像信息的卷积与池化处理,实现基于深度学习的卫星遥感图像识别。根据尺度空间定义原则,确定边缘检测特征点所处位置,再联合梯度信息熵计算结果,完成对卫星遥感图像的拼接处理。分别计算一阶微分边缘算子、二阶微分边缘算子的具体数值,确定梯度幅值的取值区间,总结已知数值参量,建立完整的双阈值表达式,完成基于深度学习的卫星遥感图像边缘检测方法的设计。实验结果表明,应用所提方法后卫星遥感图像边缘节点处信噪比指标增大,可有效控制模糊噪点对图像清晰度的影响,在卫星遥感图像边缘精准检测方面具有较强的实用性。