基于对称性分析的棋盘图像角点检测方法

为实现摄像机标定过程中棋盘图像角点的自动检测,提出一种基于对称性分析的的角点检测方法.该方法主要包括图像特征点提取、初始角点检测和角点检测3部分.首先,根据棋盘图像角点与图像边缘的关系提取图像候选特征点并对其进行聚类.通过采用ChESS算子计算每个聚类对应的图像特征点,实现特征点提取.然后,提出初始角点概念,并以检测到的初始角点为起始点,对具有不同对称性的角点提出相应的检测方法.最后,以检测到的角点为初值进行角点亚像素检测.实验结果表明,检测到的角点重投影精度约为0.12个像素.提出的方法可实现棋盘图像角点自动检测,满足摄像机标定要求.     

基于亚像素特征点提取的螺纹检测粗糙聚类算法

本文研究了一种应用于高速图像检测的基于亚像素特征点提取的螺纹检测粗糙聚类算法。其基本思想是:采用分阶段的高精度亚像素特征点提取方法,将图像边缘特征离散为亚像素级特征点,利用粗糙集中的不可分辨概念和近似集合概念,对图像亚像素级特征点进行粗糙聚类,以便区分图像中多个螺纹零件,确定螺纹小径不可分辨类。在此基础上,给出了螺纹几何参数测量的步骤和计算规则,根据计算结果对螺纹零件进行基于图像特征的判别和处理。这种基于亚像素特征点提取的螺纹检测粗糙聚类方法具有较高的检测精度。     

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.     

残冰检测中飞机图像特征点精确提取算法

传统角点检测算法无法精确提取感兴趣的特征点。为此,提出一种新的特征点提取算法。通过曲率角点检测算法提取飞机图像的特征点,并作为待匹配图像,采用像素相关性匹配算法进行特征点提取,利用飞机机身固定结构约束匹配算法去除误匹配对。实验结果表明,该算法具有较好的适应性,能够精确提取特征点。     

基于改进Harris算法的汉字图像角点检测

根据汉字图像的特点,借鉴加速分割检测特征算法的思想,提出一种改进的Harris算法对汉字图像进行角点检测。首先,计算像素值初步判断出非角点并排除;然后,通过计算传统Harris算法中的角点响应函数对剩余的像素进行角点检测;最后,借鉴加速分割检测特征算法的思想对伪角点进行删除。最终检测出的角点是汉字笔画的起点和末端的角点,为下一步特征提取中确定线段的位置和计算线段的长度提供有利的技术基础。通过对一定数量的汉字图像的实验仿真,将本文方法与几种常用的角点检测方法进行比较,本文方法在检测正确率方面有所提高,但在运行时间上没有达到最短,综合考虑正确率和运行时间,本文方法较其他几种方法有所提高。      

基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.     

摄像机标定中亚像素级角点检测算法

针对摄像机标定中棋盘图像的角点检测问题,提出一种简单而有效的亚像素级角点检测算法.综合使用Harris算子、SVD方法、内插值法以及Forstner算子,能快速准确的提取棋盘图像的角点.该方法具有两个明显优点:利用SVD方法,能够自动去除歧义角点;定位精度高,摄像机标定实验中,角点的平均位置偏差在0.1个像素左右.     

基于Harris角点检测的改进算法

Harris角点检测算法是图像匹配中使用非常广泛的特征提取算法.针对目前图像处理过程中尺度不变特征点提取的算法实时性较差,算法计算量比较大的问题,在Harris角点检测算法的基础上提出一种简化的算法思想:邻近像素采用对比的方法,从理论上分析算法的性能,实验中保证算法性能的同时实时性得到了提高.     

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题.对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别.进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别.最后在识别出的角点区域内通过直线拟合确定亚像素级角点.实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强.     

基于灰度矩的脉搏图像亚像素特征点提取研究

在基于双目视觉脉搏图像传感器的脉搏三维信息检测中,图像特征点的提取是关键基础。为了提高脉搏图像特征点提取的精度,提出一种新的对脉搏图像特征点进行亚像素定位的算法。在完成脉搏图像的预处理后,对脉搏图像进行基于灰度矩的亚像素边缘检测,结合最小二乘拟合法得到圆形标志中心点,最终实现脉搏图像的特征点提取。实验结果表明该算法能够准确定位脉搏图像特征点,精度可达到0.03~0.04像素,为后续双目视觉的立体匹配及脉搏三维形态的重构奠定了基础。     

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。     

角点检测技术研究及进展

角点是图像的重要局部特征,在图像配准、图像理解及模式识别等领域中,角点检测具有十分重要的意义。对角点检测的各种方法进行了分析、比较,给出了性能评价标准。最后,分析了该领域现存的问题、最新研究动态及发展方向。     

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.     

基于熵和独特性的角点提取算法

针对角点提取在图像配准中的应用,利用图像窗口的互相关系数定义了邻域窗口的独特性,提出一种基于熵和独特性的角点提取算法.算法首先通过Canny算子提取图像边缘,然后通过计算边缘点所在圆形邻域的熵和独特性筛选出角点,并通过不断修正剩余候选角点的独特性达到输出角点分散分布的目的.通过与Harris算法及区域特征提取的Sift算法实验对比,表明该算法能够对角点准确提取、精确定位,具有较好的抗噪性和方向无关性,且提取的角点分散分布,尤其适用于图像配准,其局限性在于不具有尺度不变性.     

基于图像分块的多尺度Harris角点检测方法

Harris角点检测是一种经典的角点检测算法,在现实中应用广泛,但不具有尺度变化特性。为了改变其单一尺度的特性,使得角点提取更加精确和有效,将多尺度的概念和图像分块方法引入到Harris算法中,在多个尺度下对角点进行提取。将每个尺度上的角点响应值的本地最大值作为该尺度上的候选角点,并同时对图像进行分块;最后,沿小尺度到大尺度方向判断候选角点是否是真实角点,剔除伪角点,使得角点检测更加精确。通过对比实验,新算法明显地提高了图像角点的检测性能。     

角点检测技术综述

角点检测是机器视觉和计算机视觉领域的基本课题.角点有时也称为兴趣点,在简化图像信息数据的同时,还在一定程度上保留了图像较为重要的特征信息.角点检测在三维场景重建、运动估计、视觉跟踪以及图像配准与图像匹配等计算机视觉领域得到了广泛的应用.本文对现有的角点检测方法进行了分类及阐述,主要分为基于灰度强度的方法、基于边缘轮廓的方法,并将其余类别的角点检测方法也进行了汇总.并介绍了现有方法的部分测评技术以及实用案例,为图像角点检测技术提供参考和借鉴.     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

基于双目视觉的三维测量技术研究

本文对基于双目视觉的三维测量技术研究进行了深入挖掘,主要包括摄像机模型、双目相机的标定、图像校正、立体匹配等。同时借鉴机器学习的分类思想,将角点提取转化为二分类问题,利用随机森林算法来实现角点提取,再利用随机森林的预测结果来实现亚像素级角点提取。该方法相对于传统三维测量中的角点提取算法具有更好的自动化性能,能避免角点集群现象,能实现较高精度的亚像素级角点提取,获得更高精度的二维像素坐标。从而利用高精度的二维像素坐标来获得点的三维世界坐标,这也是基于双目视觉的三维测量技术的基础与核心。     

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。     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.