改进的Harris算法在海洋遥感图像处理中的应用

研究HY-1B卫星水色图像数据时需要先对水域进行定位,一般采用轮廓明显的海岸线来辅助附近海域的定位。为了克服基于传统Harris角点检测算法带来的漏检、定位精度差等问题,提出一种改进Harris角点检测算法。在双边滤波预处理图像后引入多尺度空间表示,最终对候选角点集进行分组检测选取出最小尺度下的角点作为最佳角点。实验结果表明,改进的算法提高了角点检测率并且减少了冗余角点数量,优于多尺度Harris算法和Harris-Laplace算法。     

基于双边滤波的Harris角点检测

角点是图像重要的特征之一。角点检测在图像处理和计算机视觉中起着重要的作用。原始的Harris角点检测不具有尺度不变性且常常将噪声作为角点,为了解决此问题,结合尺度空间理论和双边滤波的思想,对原始的Harris算法进行了改进。改进的算法加入高斯核,让算法具有尺度性,加入双边滤波,对检测的对象去噪保边,提高了检测精度。利用该算法,也可以快速准确地自动实现了对一定区域的棋盘格角点检测与提取。实验证明,该改进算法有较高的检测精度、准确率和稳定性,达到了预期的效果。     

一种基于支持向量机的角点检测算法

支持向量机应用于文本分类、手写数字识别、基因表达等许多领域,由于Harris角点检测算子对噪声点非常敏感,本文在文献[3]的基础上提出Harris算子和支持向量机相结合的方法来进行角点检测.首先利用Harris角点检测算法对两幅以上的无噪声图像提取角点,然后将提取的角点作为支持向量机的训练样本.构造支持向最机,最后利用...     

一种改进的图像快速高精度角点检测算法

针对传统的图像角点检测方法精度不高、速度较慢的情况,为提高速度抑制噪声,提出了一种快速、高精度的图像角点检测算法.利用改进的Harris算法提取出候选角点,再通过USAN区域所对应的弧的像元灰度与角点的相似性来完成最终角点的提取,使得处理的数据大为减少,同时能保证检测准确性等其他指标.通过和SUSAN算法、Harris...     

基于角点特征的图像自动拼接算法

提出了一种基于角点特征的图像自动拼接方法.分析了Harris角点检测算子的实现原理及其不足,提出一种改进的Harris角点检测算法提取图像特征角点,减少了计算量,同时提高角点的定位精度,增强了算法的抗噪性能.然后用快速RANSAC算法求出图像变换矩阵H的初值并使用LM非线性迭代算法精炼H,最后采用像素值加权的方法进行图像融合.实验结果表明,该算法能有效提高配准精确性,具有较高的实用价值.     

一种快速自适应的Harris角点检测方法研究

Harris角点检测算法在图像处理中使用非常广泛,有着较高检测率,但算法运算量比较大,实时性不高.同时,该算法无法设置通用阈值处理不同图像.针对这些问题,提出一种快速自适应Harris角点检测算法.该算法先使用Fast算法,对图像进行预筛选,再使用Harris算法,并构造自适应阈值.实验结果表明,该算法可以有效克服阈值选择不当造成的角点冗余或丢失,并可大幅减少运算量.     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

基于自适应筛选Harris角点检测的快速图像配准算法

针对传统Harris角点检测算法的图像配准过程计算量大、速度慢等问题,提出一种快速预筛选Harris角点检测算法。首先通过FAST算法快速排除大量非特征点,再通过抑制半径解决FAST角点聚簇现象,然后在FAST角点邻域内筛选出Harris角点,最后采用Brute-Force匹配方式得到精准匹配。实验结果表明:所提改进算法不仅提高了角点检测速度而且减少了冗余角点数量,在图像配准过程中有效提高了配准速度与精度,配准效果良好。     

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

一种新的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,但不具有尺度变化特性。该文把多分辨分析的思想引入到该算法中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的基于小波变换的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪而提取出伪角点等问题。通过对比实验,新算法明显地提高了图像角点检测性能。     

基于FPGA的改进Harris角点检测方法

针对目前基于角点特征的视频分析系统前期特征提取速度较慢的问题,提出了一种利用FPGA来实现Harris角点提取的方法,并在充分考虑FPGA处理器结构以及Harris角点提取算法理论的情况下,对算法进行了进一步的改进,最后进行了仿真验证。结果表明,新算法在保证提取的角点完整准确的情况下,进一步提高了系统的实时性,同时大大简化了系统结构,减少了系统硬件开销,非常容易实现,具有较强的实用价值。     

激光成像引信的目标识别方法研究

为了高效准确地滤掉云烟雾等悬浮粒子,减少对激光成像引信工作的影响,采用了改进的Harris+最小核值相似区域(SUSAN)角点检测算法与矩形度结合的目标识别方法。改进算法在原有Harris和SUSAN算法基础上,利用8邻域模板标准差对目标像素点进行初次筛选获得候选角点,经高斯滤波后,利用改进的角点响应函数值进行二次筛选,再通过非极大值抑制得到最终角点,最后利用矩形度对目标与干扰进行二次区分。通过理论分析和实验验证可知,95%的目标能被有效地识别出来。结果表明,该方法能高效准确地区分目标与干扰,同时满足实时性要求,为激光成像引信抗干扰方面提供了一定的理论参考。