基于SUSAN算法的角点检测

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。介绍SUSAN算法的原理,介绍该算法在角点检测中的应用,对实验结果进行了比较,并对该算法进行评价,给出评价角点检测算法的标准。     

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.     

图像特征提取算法仿真研究

研究图像特征提取问题。针对传统的图像的角点检测算法由于算法复杂度较高,方法精度不高、速度较慢,同时易陷于局部最优等缺陷,而造成混淆图像的边缘点和角点,遗漏角点和角点的定位精确度低,提出用一种改进的最小亮度变化角点提取算法。首先采用最小亮度变化对图像的角点进行检测,然后在原有的算法的基础上加入角点预检测机制以及优化过滤机制,通过采用自适应阈值检测窗口,有效的滤除图像的伪角点,减少了噪声所带来的干扰,仿真结果表明,提出的改进的算法比传统MIC角点检测算法检测精确度大大提高,是一种有效的具有实际应用价值的图像角点检测算法。     

一种新的快速鲁棒性角点检测算法

对现有的角点检测算法进行了综述,着重分析了SUSAN算法和MIC算法的实现原理以及检测性能的优劣,提出了一种基于像素亮度变化的快速角点检测算法。对模拟图像和真实图像的角点进行了实验,并与目前应用比较广泛的Harris、MIC以及SUSAN角点检测子进行了比较。实验结果和数据分析表明了算法在计算效率、定位精度和鲁棒性等到方面具有良好性能。     

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。     

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。     

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于“波峰”位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。     

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。     

多尺度模糊加权角点检测新算法研究

为了提高图像角点检测的准确度和降低噪声对检测效果的影响,将多尺度思想和模糊理论引入到角点检测过程中,在建立了像素点属于角点的隶属度函数的基础上提出一种多尺度模糊加权角点检测新算法.首先将原始图像使用高斯核函数进行变换生成一组响应图像,并将其进行加权叠加得到原始图像的平均角点响应值;再选取合适的阚值进行相关处理得到最终的角点.实验结果表明,该算法不但抗噪性能较好,而且提取出来的角点也较准确.     

基于角点跟踪的光流场计算

在综合视觉运动分析中的两类处理方法，选取图像中的角点作为特征点，并检测和跟踪图像序列中的角点。记录检测到的角点在图像序列中的位移，在理论上证明了时变图像的光流场可以近似地用角点的位移场代替，同时给出这种替代的两个前提条件。本文用真实图像序列验证提出的算法，实验结果表明该算法取得了较好的效果。     

基于Harris算法的图像角度计算方法

在识别图像中￡型角点及计算其角度大小时,会检测出较多错误角点且角度计算误差较大。为此,提出一种融合图像边缘特征和灰度特征的Harris角度计算方法。利用高斯窗口内边缘线权重和,以边缘梯度的平均值替代边缘上的梯度,通过比值影响函数筛选出L型角点。采用加权平面近似灰度表面,使用有关像元的主曲率幅度值拟合加权,以这2种方式的角点响应函数值相等为条件,推导角度计算公式。实验结果表明,该方法可使角点误检率从24．6％降为3．3％,L型角点角度计算平均误差率从10．21％降为3．82％。     

手掌角点检测及掌纹区域确定的新方法

在掌纹识别中,角点检测是其中一个非常重要的环节,能否正确地检测出有用的角点对后续掌纹的识别影响重大。目前角点检测的方法虽然很多,但大多比较复杂,或检测出的角点数目太多,并且会伴随着伪角点,应用时需要人为去选择角点,对后期掌纹的识别带来很多不必要的麻烦。本文结合极值的理论,结合手掌具有的特点,提出一种新的角点检测的方法。该方法检测准确,无伪角点和偏移角点,在掌纹识别中,不需要人为去更正和选择角点,并使后续提取手掌中心点及手掌旋转的实现更加简便。     

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.     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性，提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘，然后进行细化并填充边界线上的断点，再利用角点的几何特性来确定角点的位置。实验结果表明，这种算法提高了角点提取的正确率、定位精确、实用性强。     

基于角点检测配准的全景图像拼接技术研究

全景图像拼接技术是计算机数字图像处理领域中的一个重要分支,其在虚拟现实、医学图像处理、遥感技术等领域都有十分广泛的应用。全景图像拼接技术主要包括图像检测、图像配准和图像融合3个方面。其中,图像配准是图像拼接技术的核心环节。该文主要研究基于角点检测配准的全景图像拼接技术,并通过Matlab开发环境进行实验验证。     

基于SUSAN的种子点生长边缘检测算法①

角点是一种特殊的边缘点,是数字图像中重要的几何特征。利用边缘点连续的特性,提出了一种基于SUSAN算法的种子点生长边缘检测算法。利用Susan算法获得图像的角点,再将获得的角点作为种子点,根据边缘点的判断准则对其进行生长,最终实现边缘检测。实验证明,设计的算法具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

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。     

自适应阈值的遥感影像角点提取算法

针对传统SUSAN角点提取算法中阈值选取的不确定性,提出了一种自适应分割阈值的SUSAN改进算法。首先采用SUSAN模板对图像进行模板计算得到梯度图,然后根据梯度图的灰度分布特征,采用图像分割方法的判断分析法和KSW熵方法对梯度图做分析处理,最终实现阈值的自动选取,正确提取出有价值的特征角点。试验结果表明,改进算法较之传统算法有明显优势,能准确有效地提取出角点,具有较强的适应性和应用价值。     

一种改进的快速角点检测方法研究

传统的Harris角点检测算法检测率和可重复率高,但无法满足实时性要求,而Trajkovic等提出的角点检测器虽然计算量小,但是易对边缘产生伪响应,针对这些问题,提出一种新的基于Harris的快速角点检测算法。该算法使用多格算法,并使用四个基础方向上最小强度变化作为预处理结果,再使用自相关矩阵得到角点的响应函数。实验结果表明,新算法改进了Harris 算法和MIC算法,能够有效地抑制边缘响应及纹理角点,并且能够满足实时性要求。     

基于角点检测的彩色图像拼接技术

针对彩色图像的拼接问题,提出了一种基于角点检测和仿射变换模型的图像配准算法.利用Harris算子在彩色图像的HSV空间的亮度分量V中检测角点,然后引入基于灰度相关交叉匹配和简化RANSAC算法的两级约束机制确定同名角点,并计算图像仿射变换模型参数,实现图像配准.同时结合人眼的视觉非线性给出了一种分段加权函数,通过对饱和度分量S和亮度分量V的处理,消除明显的拼接缝,实现色彩和亮度的平稳过渡.实验结果表明,该算法具有良好的拼接精度和拼接缝消除效果.