基于点到弦距离累加的快速角点检测

提出了一种鲁棒的快速角点检测算法,以解决现有基于点到弦距离累加的角点检测算法存在的缺陷,即角点定位低、算法时间复杂度高等问题。该算法结合了‘单尺度’和‘多尺度’的优势,首先在‘单尺度’下获取候选角点集合,保留了邻近角点,并使得后续计算量大大降低,然后在‘多尺度’下计算候选角点的特征值,使之有效地去除伪角点。实验表明,所提算法的时间复杂度降低了,并且保持了算法的鲁棒性,角点定位精度也得到了提升。     

基于精化曲线拓扑边长的角点增强检测

现有的直接角点检测方法难以处理多细节的角点检测问题.为此,本文提出一种角点增强策略:将直接方法所求出的角点强度评估值看成是实际强度值的平滑结果,通过选取适当的平滑函数,如Gauss函数,可以解出实际角点强度值的一个近似.这一策略的使用能够使得真角点容易被检测,而伪角点被有效去除.相应地,得到一种角点检测方法.该方法基于精化曲线的拓扑边长来检测角点,使得检测结果准确可靠,并具有旋转不变性.     

递进累加弦长（弧长）再生二次参数样条曲线

文章基于累加弦长的思想，给出了递进累加弦长（弦长）的计算公式，提出了两种再次生成二次参数样条曲线的方法，结果表明：新方法再生的二镒参数样条曲线的插值精度高于累加弦长的方法。     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。     

应用模糊理论的平面曲线角点检测技术

平面曲线角点检测是计算机图象处理与计算机视觉的重要研究课题,广泛地应用于指纹识别、汉字识别、人脸识别、图象拼合等科技应用领域。本文将应用模糊理论。提出一种对角点的模糊识别技术。结合现有文献中提出的角点增强方法,该模糊识别技术能有效地提高对角点识别的正确率。     

利用点弦距离递归的图像角点检测算法

目的 传统的基于边缘轮廓的角点检测算法需要计算每一个边缘像素点的曲率,对噪声和局部变化敏感,极易造成检测结果的不稳定。针对这一问题,提出一种利用点弦距离递归的角点检测算法。方法 首先,利用Canny边缘检测器提取边缘轮廓线。其次,用3个不同尺度的高斯核对边缘线进行平滑,对每一个高斯尺度平滑后的边缘线,连接首尾端点形成一条弦,计算边缘轮廓上每个边缘像素点到弦的距离,将点弦距离最长的像素点标为候选角点,该像素点将原边缘轮廓线分成两条边缘,然后将该像素点与首尾端点连接成两条弦,重新计算点弦距离,将所有距离大于设定阈值的点作为候选角点。最后,利用多尺度技术对候选角点进行判决并得到最终角点。结果 与现有的基于曲率计算的角点检测算法相比,本文算法不需要计算一、二阶导数,有效避免了局部变化带来的计算误差。通过计算得到4个角点检测器的平均排名依次为Harris （4.0）、He&Yung （2.67）、CPDA （1.83）、本文算法 （1.5）。与其他3种经典的角点检测算法相比,本文提出的检测算法排名第一,因此表现出了更好的检测性能。结论 提出了一种新的利用点弦距离递归的角点检测算法。从实验结果看,本文提出的角点检测器在图像仿射变换、JPEG质量压缩和高斯噪声条件下有更好的平均重复性和定位误差。     

基于角点的监控摄像头干扰检测

提出一种新的实时检测摄像头干扰的方法,建立一种基于最小核值相似区SUSAN(Smallest Univalve Segment AssimilatingNucleus)角点的图像特征函数,由于干扰发生时相对的几帧图像与正常图像相比会发生显著变化,因此通过比较图像的特征函数值来检测干扰的发生。利用一种逻辑判断方法做到对突变和渐变干扰的全面检测,并且避免对无害行为的误检,使之更具鲁棒性。对比已有的方法,分别对不同场景及不同类型的摄像头遮挡和转动干扰进行了多组测试,实验结果显示,该方法明显优于其它算法,能够很好地检测出对摄像头的遮挡及转动干扰,并且很好地避免了对无害行为的误检。     

基于角度累加的鲁棒角点检测算法EI北大核心CSCD

为了更好地进行角点检测,提出一种基于角度累加的鲁棒角点检测算法.首先定义反映边缘点特征的角度累加概念,并在"单弦"下计算边缘点的角度累加值来获取候选角点,避免邻近角点的丢失;然后构造局部自适应阈值来去除圆形角点,并提出其支撑邻域和比例系数的选取方法;最后通过"多弦"下的角度累加乘积来获取角点特征值,并构造全局阈值来去除虚假角点.实验结果表明,该算法提高了角点检测正确率,并且在角点重复率及定位误差方面也优于其他算法.     

基于曲率尺度空间的角点检测图像匹配算法

随着计算机技术的发展,提出了优化图像匹配算法,能有效提高图像检测精度。笔者以依托曲率尺度空间的角点检测图像匹配算法为研究视角,在介绍其执行步骤的基础上,通过仿真实例验证其有效性。研究结果表明,这种算法能有效改进图像匹配过程中特征点过渡分离的不足之处,提升其匹配精度约为10%,说明这种算法具有推广应用的价值。     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

基于图像轮廓曲线的拐点检测算法

拐点是图像很重要的特征,包含图像的主要结构信息，拐点检测对图像配准、目标识别和三维重建等任务的处理都有着非常重要的作用。从研究轮廓上点的曲率出发，针对传统基于轮廓的拐点检测算法对噪声和局部变化敏感而造成检测结果不稳定的问题，提出一种间接反映轮廓曲率特性的方法，记为APTD(Accumulation of Point to Tangent Distance)。使用高斯函数对轮廓曲线进行平滑处理，轮廓上点的曲率越大则该点附近的点到该点处切线的距离也越大，根据这一思想，将轮廓上点附近支撑域内的点到该点所对应切线相对距离的累加和作为拐点的判别函数，从而实现轮廓拐点的检测。经由数学推导表明所提出的算法具有合理性和可行性，对比实验分析表明该算法精度高、运算量小、定位准确。     

基于椭圆曲线的代理数字签名方案

对白国强等人提出的基于椭圆曲线的代理数字签名方案,以及武玉华等人对此方案的改进进行了分析,指出该方案不能有效控制代理人对代理权限的滥用,并对其进行了改进。改进的方案在保证原签名方案安全性的基础上,从时间上对代理人的代理权限进行了有效控制。验证人收到代理人的代理签名信息,通过检查代理人的代理权是否在有效时期内,判断代理人的代理权是否合法。     

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...     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。     

基于轮廓重构和特征点弦长的图像检索

轮廓描述法作为形状检索中最为关键的步骤,应体现目标的整体形状信息和重要特征点信息,并具备对噪声干扰的鲁棒性.提出一种基于轮廓重构和特征点弦长的图像检索算法,首先在目标轮廓提取的基础上分析轮廓的能量保持率,并进行轮廓的降维重构处理,从而减少了随机噪声造成的轮廓畸变.然后,通过新定义的支持域来计算轮廓点的特征强度,并分析了支持域半径与特征点提取结果的关系,从而筛选出有效的轮廓特征点.最后,根据轮廓点和相应特征点间的弦长关系构造轮廓特征函数,经相应处理后,最终得到的形状描述子满足不变性要求.大量实验结果表明,该算法无论是在常规样本库中,还是在噪声样本库中都具有更优的检索性能.     

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.     

基于角点特征检测的视频图像质量评价方法

为对视频会议系统中图像的降质程度进行有效评估,提出一种基于角点特征检测的视频图像质量评价方法。模拟测试图像在真实环境下的降质情况,生成仿真图像。计算两者的二值边缘轮廓曲率,获得不同检测参数下的角点检测数,寻找用于真实环境的最佳测试图像和角点检测参数。根据角点检测数将图像质量分成若干个等级,并依此判别图像质量的好坏。Matlab 仿真实验结果表明,该方法得到的结果与主观评价结果一致,能正确评价图像质量。     

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.