改进的边缘特征点提取算法

对一种基于图像几何重心的特征点提取算法进行了改进。改进后的算法可以提取任何边缘线上凹凸处的特征点。其基本思想是,首先提取图像的边缘轮廓线,计算封闭边缘线和非封闭边缘线的几何重心。然后以重心为极点,对边缘点极坐标化,形成幅角-极径曲线,在该曲线上寻找局部极大极小值点。最后根据局部非极大（小）抑制原则对极大（小）值点进行取舍获得特征点。模拟结果表明算法计算简单、稳定性好。该方法提取的特征点能准确地反映目标的形状,对目标的识别、跟踪以及三维表面重建等都具有重要的价值。     

基于多尺度角点的改进SIFT算法

重点讨论一种基于角点的改进SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)算法。该算法采用统一的低主曲率比值删除不稳定边缘响应点,把高斯空间中提取的角点加入到运用主曲率比值筛选后的SIFT特征点中。另外,在角点检测中,以图像区域方差来动态确定角点检测的阈值,大大提高了算法的适应性。实验证明,改进后的算法能提取更加稠密且高匹配的特征点,并且具有对主曲率比值不敏感的优点。     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

新的轨道特征提取算法

轨道沉降是影响列车快捷、安全运行的重要原因.提取出轨道部件稳定的目标特征,为后续SLAM算法提供轨道区域匹配点.通过研究轨道组成及部件,分析出能提取出稳定目标特征的轨道部件.在CCD获取图像后,对图像均衡化、增强与洞形填充以完成钢轨和扣件轮廓的初识别.二值膨胀生成线性0、90度结构,水平、垂直闭关运算,生成成对元素,完成钢轨和扣件初步轮廓提取.对处理后的图像采用改进的Canny算子进行边缘检测,最后根据实验进一步证明了改进后的Canny在直线特征检测上面具有速度快,降低内存等优点,从而会后续DSP硬件开发上节约Flash空间,对整个课题具有重大的理论支撑意义.     

基于自适应混合高斯的改进三帧差分算法

为提高运动目标检测算法的准确性,保证较低的时间复杂度,提出基于自适应混合高斯的改进三帧差分算法.为获取目标内部运动点,采用基于自适应学习率的混合高斯背景建模,以像素点间的匹配次数作为参考量来修正模型的学习速率,提高算法对动态环境的适应性,通过基于边缘提取的三帧差分改进算法对视频图像的目标轮廓进行提取,保证目标信息的完整.实验结果表明,所提算法能够完整提取运动目标,保证目标轮廓的完整,算法的时间复杂度有效降低.     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

融合特征的快速SURF配准算法

目的 针对基于SURF特征点的图像配准算法对颜色单一的彩色图像提取的特征点较少及配准时间复杂度高等问题,提出一种基于融合特征的快速SURF(speed up robust features)配准算法.方法 该算法首先提取图像的颜色不变量边缘特征和CS-LBP(central symmetry-local binary patterns)纹理特征形成融合特征灰度图,并利用颜色直方图的方差自适应调节融合特征间的权重.其次,在融合特征灰度图上提取SURF(speed up robust features)特征点及描述子.再次,用最近邻匹配法形成粗匹配对,结合改进的快速RANSAC(random sample consensus)算法得到精匹配对.最后,使用最小二乘法求出映射关系用于配准图像.结果 本文算法能够在融合特征上提取更稳定的SURF特征点,用该特征点进行配准能提高配准5％精度,且减少时间复杂度15％,实现了对普通场景下图像的快速配准.结论 本文算法能提取稳定数量的特征点,提高了精确度与鲁棒性,并通过改进的RANSAC算法提高了执行效率,降低了迭代次数.     

红外与可见光图像特征点边缘描述与匹配算法

针对红外与可见光图像中特征点匹配的难题,提出一种基于形状上下文的特征点邻域边缘描述与匹配算法.首先采用基于曲率尺度空间的角点检测算法进行特征点提取,并将特征点所在曲线的法线作为主方向,避免了图像的旋转代价;然后搜索相同边缘上最近的特征点,通过计算这2个特征点邻域的边缘的像素点分布直方图构造一个120维的特征点描述符,并进行归一化;最后采用最近邻算法实现特征点匹配.实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配.     

基于粒子群三次样条优化的图像边缘描述算法

针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题,以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点,利用粒子群算法对这些型值点进行优化,使得到的样条曲线对图像边缘有很好的贴合。实验表明,该算法不仅能够快速拟合样条曲线,而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。     

曲率尺度空间耦合旋转约束的图像篡改检测

针对当前复制-粘贴篡改检测算法存在的识别准确度不高的问题,提出了曲率尺度空间耦合旋转约束聚类的图像篡改检测方法.借助Canny算子,计算图像边缘曲线,再引入曲率尺度空间特征提取方法,通过像素点与高斯函数的卷积运算,求取曲线曲率,从而获取图像的初始特征点.采用初始特征点的二次Taylor项,对其真伪性进行辨别,以精确提取...