基于基元表示的多边形检测方法

特征检测是图像处理的经典问题,但多边形检测一直研究较少,针对这一现况,提出了一种简单有效的多边形检测方法——基于基元表示的多边形检测方法. 该方法的主要思想是:首先,检测图像关键点并计算关键点附近的边缘方向,利用关键点位置与边缘方向信息定义点基元(一维基元);其次,将满足组合条件的点基元进行组合, 获得线基元(二维基元);然后,将满足组合条件的线基元与点基元进行组合,获得三维基元或者三角形,实现三角形检测;同样,可将满足组合条件的n(n≥2)维基元与点基元进行组合,获得n+1维基元或者n+1边形,实现多边形检测. 实验结果表明,本文提出的基于基元表示的多边形检测方法可准确有效地检测出图像中包含的各种多边形. 此外,本文提出的基元表示方法也为其他由线条组成的复杂图形的检测提供了一种新的思路.     

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。     

基于无向图的图像整体骨架表示模型及其算法

在图像处理、模式识别领域,往往需要求解图像的骨架来获得图像的骨架来获得图像特征的最有效的数字信息。该文提出了一种基于无向图的图像整体骨架表示模型,并基于这一模型设计实现了图像的骨架化算法。它通过专门的分割算法,对图像进行分割并用无向图表示,然后对无向图中各项点采用多边形近似方法进行骨架化。算法充分利用了图像的全局和局部信息,具有速度快、效果好等优点,并得到了实际应用。文章最后给出了一些应用实例。     

保持特征的平面形状近似骨架的抽取算法

针对多边形骨架抽取中轮廓噪声严重影响骨架的问题,提出一种保持特征的多边形近似骨架的抽取算法.通过分水岭算法检测平面多边形的特征突起点,在分支末端点引导骨架的抽取,从而避免多边形轮廓噪声对骨架的影响,得到有效的形状简洁的近似骨架.另外,该方法还适用于半自动的骨架抽取,即允许用户手动指定骨架末端点,使计算所得的骨架具有更高的实用性.实验结果表明,文中方法简单易行,能应用于计算机动画和形状检索等领域.     

利用圆结构元的形态学角点检测

提出一种基于圆盘结构元的形态学角点检测算法,使用形态学方法,在圆盘结构元高帽运算后剩余部分中确定一个三角形区域,通过检测三角形的顶点获得图像中的角点.在检测角点的同时,利用三角形区域的几何特征完成检测角的角度和朝向估计,并引入结构元尺寸自学习机制自动确定结构元尺寸,完成角检测.与其他6种角检测方法的对比实验证明了文中方法的优越性,并对其他角检测方法中很少涉及的角度和朝向估计给出了实验结果.     

凝胶图像重叠蛋白质点分割算法研究

针对双向凝胶图像中的重叠蛋白质点检测,提出一种角点检测与多边形近似相结合的重叠蛋白质点分割方法。首先利用Harris角点检测法得到重叠蛋白质点的角点,然后利用角点对蛋白质点进行多边形近似并判断多边形顶点的凹凸性获得凹角点,最后通过凹点选取与匹配原则从凹角点中选取凹点并构造分离线完成对重叠蛋白质点的分割。实验结果表明该方法能准确快速地实现重叠蛋白质点的分割,尤其适用于重度重叠的蛋白质点。     

基于Delaunay三角剖分的印鉴识别算法

针对印鉴图像姿势纠正及印鉴匹配处理,引入计算几何中平面点集的三角剖分方法--Delaunay三角剖分方法和基于此的多边形三角剖分方法,并提出一种基于DT网格的印鉴识别方法.通过对两种细节点(基于线条的细节点和基于多边形的细节点)的拓扑结构进行DT三角划分,把空间上位置相近的细节点按照一定的规则相连,得到DT三角形网格,并基于该网格寻找若干参考点对,根据获得的参考点对将两幅印鉴图像进行姿势调整,使用获得的参考点对实现基于点模式的印鉴匹配.经分析该方法可以获得较多的参考点,确保了印鉴旋转、印鉴平移参数计算结果的准确性,有效地提高了最终的识别效果.     

平面Bezier曲线拐点的两个定理

本文用几何的方法证明了平面 Bezier曲线拐点的一个基本定理 :当 Bezier曲线的控制多边形只有一个可把原多边形分为两个凸的子多边形的拐向点时 ,其 Bezer曲线总会出现拐点或尖点 ,但最多只有一个拐点 ;本文还导出了具有几何直观意义的有关拐点的方程及其有关结论 ;本文的定理和结论具有直观的几何意义 ,能使我们直接从 Bezier曲线的控制多边形的边向量的形状来判断曲线的拐点的情况。     

基于骨架提取特征的可控渐变算法

提出了一种基于视觉特征的渐变算法,通过图像骨架确立特征点,进而对图形进行同构特征分解。采用可控制子多边形边角插值,通过轮廓多边形渐变控制子多边形渐变,用户也可以通过控制轮廓插值交互控制渐变过程。实验表明：该算法简单有效,渐变过程自然合理。     

基于参数空间的混合多分辨率绘制

根据点和多边形在表示和绘制物体上各自不同的特点,提出了一种有效绘制细节高度复杂物体的多分辨率方法.3D表面被映射到参数平面,经规则采样成为几何图像,P-Quadtrees是基于几何图像建立的四叉树多分辨率层次结构.通过对四叉树的遍历,面向视点的表面用较大多边形面片绘制,光照细节通过法向映射完成;轮廓部分通过视点相关的LOD(level of detail)控制进行细化,使用点来绘制物体复杂精细的轮廓.通过此方法,细节复杂模型的绘制不仅可以被硬件加速,而且无论在表面还是在轮廓部分都能获得很好的视觉效果.     

一种自动、快速的Kinect标定方法

针对目前Kinect传感器人工标定方法误差大、速度慢等问题,提出一种自动、快速的Kinect传感器外参标定方法。首先,根据彩色图像提取的角点,生成彩色图像的角点集合;其次,为了实现角点点云的自动提取,对点云图像进行深度分割,提取棋盘格点云,采用三维哈夫(Hough)变换检测方法将棋盘格点云投影到深度图像的模板平面上,在深度图像模板中提取深度图像中的角点;然后,将深度图像中的角点映射到棋盘格点云中,形成角点点云;最后,将角点点云与彩色图像的角点集合进行配准,得到角点的3D空间坐标,进而计算出深度相机到彩色相机的姿态变换矩阵。实验结果表明,本文提出的算法在保证相机标定精度的前提下,将相机参数的计算时间从平均218ms降低到166ms,实现了自动、快速的Kinect相机标定。     

Comparing salient point detectors

The use of salient points in content-based retrieval allows an image index to represent local properties of the image. Classic corner detectors can also be used for this purpose but they have drawbacks when are applied to various natural images mainly because visual features do not need to be corners and corners may gather in small regions. In this paper, we present a salient point detector using wavelet transform and we compare it with two corner detectors using two criteria: repeatability rate and information content. We determine which detector gives the best results and show that it satisfies the criteria well.     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

基于三角形骨架坐标的图象渐变算法

为快速进行不规则多边形区域内的数字图象渐变处理,提出了一种基于三角形骨架坐标的图象渐变算法,即先将图象区域分割为若干个三角形区域,再逐个对这些三角形区域建立象素点的骨架坐标,这样三角形骨架外壳的改变就会带动其内部图象的渐变,并根据骨架坐标变换,推导三角形区域内象素点坐标随外壳三角形顶点改变的计算公式,进而建立了骨架外壳改变后的新象素点与原始象素点间的颜色对应关系。利用该不规则多边形区域内的图象渐变算法,可解决运动模拟等常见图象的变形问题。     

A VLSI architecture for a half-edge-based corner detector

Corner detection is a low-level feature detection operator that is of great use in image processing applications, for example, optical flow and structure from motion by image correspondence. The detection of corners is a computationally intensive operation. Past implementations of corner detection techniques have been restricted to software. In this paper we propose an efficient very large-scale integration (VLSI) architecture for detection of corners in images. The corner detection technique is based on the half-edge concept and the first directional derivative of Gaussian. Apart from the location of the corner points, the algorithm also computes the corner orientation and the corner angle and outputs the edge map of the image. The symmetrical properties of the masks are utilized to reduce the number of convolutions effectively, from eight to two. Therefore, the number of multiplications required per pixel is reduced from 1800 to 392. Thus, the proposed architecture yields a speed-up factor of 4.6 over conventional convolution architectures. The architecture uses the principles of pipelining and parallelism and can be implemented in VLSI.     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。     

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。     

基于段测试的X角点检测与亚像素定位

针对X角点快速检测和精确定位要求,提出了一种实时识别、定位X角点的方法:首先,根据X角点图像对称性和亮度分布特征,筛选出候选X角点;随后,对候选X角点进行段测试,确认候选X角点,并检出测试段中位于图像边缘上的像素,进行角点的亚像素定位.与Harris算法比较,该方法能有效检测X角点并排除其他类型角点,具有较高的定位精度...     

改进的Harris亚像素角点快速定位

针对Harris算法检测角点存在偏差、运算慢、像素级精度难于满足实际应用需要等问题,改进了Harris角点检测方法。该方法在Harris提取角点过程中,通过两次角点筛选,剔除非角点和伪角点,利用角点响应函数执行非极大值抑制,以局部角点响应函数最大值的像素点作为初始角点,并以该初始角点为中心,以一定半径搜索角点簇,采用最小二乘法加权角点簇与待求角点的欧几里得距离,精化初始角点坐标,从而实现Harris亚像素角点准确快速定位。实验结果表明了该方法的有效性和实用性。     

基于图像角点特征的第二代水印算法研究

提出了一种新颖的基于图像角点特征的第2代水印算法。该方法首先将水印图像进行置乱预处理,其次对载体图像进行小波3级提升,然后利用第2步的结果和多尺度曲率积角点检测（MSP）方法,提取出图像最低频成分中的角点,最后在角点位置对应的所有高频系数中嵌入水印。检测时,在这些系数上做水印嵌入的逆运算,并用事先得到的密钥反变换出水印。实验结果表明,所提出的水印算法较第1代数字水印算法不仅在运行速度上大大提高,而且在抵抗旋转、放缩、平移、裁剪等几何攻击方面的鲁棒性也有显著提高。