基于Harris多尺度角点检测的图像配准新算法

为改进角点检测算子的检测性能,提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,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、位置偏移和易受噪而提取出伪角点等问题。然后根据角度直方图得到的旋转角度,和提取的以角点为中心的特征子图,定义了角点点对的对齐度。最后,运用最大化对齐度准则来精确地确定角点匹配点对。实验表明,该配准算法具有精确性、有效性和抗噪性,实现了良好的配准效果。     

基于AP聚类图像分块的角点检测改进方法

将已有改进的Harris角点检测方法应用于图像拼接时,在单一尺度下检测角点会存在角点信息丢失、角点位置不准确和对噪声敏感致使检测率不高等缺点。为此,结合双边滤波和多尺度检测,提出一种Harris角点检测改进方法。采用双边滤波器代替原有的高斯低通滤波器,以增强方法的鲁棒性,引入近邻传播聚类方法将图像分块,避免因阈值问题造成角点分布不均,并将多尺度概念引入到改进方法中,判断候选角点是否为真实角点,剔除伪角点,使得角点检测更加精确。在 VS2010+OpenCV平台上进行实验,结果表明,与基于图像分块的多尺度Harris角点检测方法相比,该方法在去伪角点、漏检、准确度等方面取得了更好的效果,且具有更好的抗噪性。     

基于小波变换多尺度Harris角点检测算法

提出一种新的基于小波变换的Harris多尺度角点检测算法,可以在不同的尺度下获取角点,克服了单一尺度的Harris角点检测算法可能存在的角点信息丢失和易受噪声影响而检测出伪角点等缺点,测试实验表明,与传统Harris角点检测方法比较,本方法有角点检测率高,不易受噪声影响,检测到的角点具有较高的重复率等优点.     

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。     

一种改进的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,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果.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,文中将多尺度空问和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取.该算法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题.通过对比实验,文中算法明显地提高了图像角点检测性能.     

一种改进的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,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果。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,文中将多尺度空间和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取。该算法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题。通过对比实验,文中算法明显地提高了图像角点检测性能。     

基于高斯变换的多尺度SUSAN角点检测方法

针对传统SUSAN算子只能在单一尺度下检测图像中角点的不足,提出一种基于高斯变换的多尺度SUSAN角点检测方法。该方法利用高斯变换获得待检测图像的多尺度分层图像,以构建高斯金字塔,结合自适应阈值的SUSAN算子检测出不同尺度下的角点作为候选角点,将其还原到原始图像中的相应位置构成候选角点集,在候选角点集中经小邻域信息筛选获得最终角点。实验结果表明,该方法不仅能够在不同尺度下有效获取有用的角点信息,而且提高SUSAN算子正确率的同时,降低了角点的伪检率。     

一种改进的亚像素角点提取算法

针对Harris角点检测过程中存在定位粗糙、检测精度不高以及检测效率慢等原因,该文在Harris算法的基础上,结合Harris算子和Forstner算子提出一种改进的亚像素角点提取算法。该算法采用一种逐层检测策略,首先利用Harris算法进行角点粗略定位,首先对角点做一个初始选择,利用图像领域灰度相似度得到大部分角点的粗定位值,大大降低了算法的运算量,然后通过计算自相关矩阵的两个特征值,利用特征值和阈值比较筛选得到全部角点的粗定位值,避免了CRF（corner reference function角点响应函数）的计算,最后利用Forstner算子对粗定位后的角点进行亚像素级精确定位。实验证明,该算法不仅保证Harris算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且抗噪声性能较强。     

一种改进的亚像素角点提取算法

针对Harris角点检测过程中存在定位粗糙、检测精度不高以及检测效率慢等原因,该文在Harris算法的基础上,结合Harris算子和Forstner算子提出一种改进的亚像素角点提取算法。该算法采用一种逐层检测策略,首先利用Harris算法进行角点粗略定位,首先对角点做一个初始选择,利用图像领域灰度相似度得到大部分角点的粗定位值,大大降低了算法的运算量,然后通过计算自相关矩阵的两个特征值,利用特征值和阈值比较筛选得到全部角点的粗定位值,避免了CRF(corner reference function角点响应函数)的计算,最后利用Forstner算子对粗定位后的角点进行亚像素级精确定位。实验证明,该算法不仅保证Harris算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且抗噪声性能较强。     

用于吊具位姿估计的改进SIFT立体匹配方法

针对在传统立体匹配计算中存在的特征匹配耗时过长、错误特征匹配点较多以及位姿估计过程中存在的误差过大等问题,提出了一种结合Harris算子和极限约束改进的立体匹配算法,用于在机械吊具的位姿检测中获取更加精确的特征点。算法增加Harris算子的尺度参数,以弥补现有立体匹配算法中图像尺度不变性的缺乏;同时将SIFT算子替换成新的Harris算子进行角点检测,并引入极限约束条件提高角点定位精度。实验结果表明,经改进算法估计的吊具位姿与实际位姿基本一致,其可行性与实用性得到验证。     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

基于高斯平滑的自适应角点检测

文中算法首先在曲线尺度空间中通过高斯平滑以消除噪声；然后再基于自适应弯曲度计算和角点筛选准则确定角点，该算法不需要预先输入参数，具有较好的抗干扰性，实现简单有效。     

Scale-based detection of corners of planar curves

A technique for detecting and localizing corners of planar curves is proposed. The technique is based on Gaussian scale space, which consists of the maxima of absolute curvature of the boundary function presented at all scales. The scale space of isolated simple and double corners is first analyzed to investigate the behavior of scale space due to smoothing and interactions between two adjacent corners. The analysis shows that the resulting scale space contains line patterns that either persist, terminate, or merge with a neighboring line. Next, the scale space is transformed into a tree that provides simple but concise representation of corners at multiple scales. Finally, a multiple-scale corner detection scheme is developed using a coarse-to-fine tree parsing technique. The parsing scheme is based on a stability criterion that states that the presence of a corner must concur with a curvature maximum observable at a majority of scales. Experiments were performed to show that the scale space corner detector is reliable for objects with multiple-size features and noisy boundaries and compares favorably with other corner detectors tested     

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...     

机器视觉复杂平面边缘角点的高精度定位方法

基于机器视觉的二维复杂平面尺寸测量中,边缘角点包含丰富的图像目标特征信息,其检测精度对后续图像分析及参数计算精度有着至关重要的影响。本文提出了一种边缘轮廓角点的高精度定位方法,该方法先利用角点处的曲率变化及相邻两角点线段与x轴正向的夹角变化,初步确定角点的位置坐标,然后利用优化方法去除伪角点,以实现对真实角点的高精度定位。研究表明,该方法便捷、高效,在服装衣片的样片边缘测量中取得了理想的结果。     

基于角点聚类的移动机器人自然路标检测与识别

针对未知环境中机器人视觉导航的自然路标检测,提出了一种基于角点聚类的自然路标局部特征提取、不变性表示及其匹配算法.用SUSAN算子提取左右视图中的角点,在极线约束下对左右视图的角点进行匹配,消除遮挡或噪声引起的角点;同时应用立体视觉计算角点视差,进一步筛选角点.根据角点聚类策略提取自然路标局部特征,并提出不随距离、角度变化的局部特征不变性表示及匹配方法.理论分析和实验结果表明,该算法具有较好的鲁棒性,在一定距离和角度变换下能够对路标进行正确识别.     

基于USAN的改进的角点检测算法

提出了一种基于USAN的改进的角点检测算法。该算法在原有SUSAN算法的基础上做了如下改进：使用一个3×3的方形预检测窗口对图像的像素进行预检测，在精确检测角点前剔除掉大部分的背景点、边界点及脉冲噪声点，提高了算法的效率；根据图像不同区域对比度不同的特性，采用根据对比度自动调节核心点与其邻域像素的灰度差值门限的方法，使所检测出的角点分布均匀；利用基于USAN定义的角点所应具有的特征(角的边缘及USAN的连续性)来剔除伪角点，降低了角点虚报和漏检的发生率。仿真实验证明了该文所提出的算法具有抗噪能力强、运算量小的特点，适于实时实现。     

多尺度积的协方差矩阵行列式的角点检测方法

研究平面轮廓局部支撑域上的协方差矩阵,通过对图像协方差矩阵的特征值和特征向量的分析,以V角点模型为例,证明了协方差矩阵行列式在角点位置有唯一的极值响应.同时,为了有效地融合各个尺度信息,采用多尺度乘积方法来增强角点响应的幅度,抑制非角点或噪声的幅度.基于此,提出以多尺度乘积的协方差矩阵行列式作为角点响应函数的角点检测算...     

基于点特征的序列图像匹配方法研究

提出了用3个向量描述Harris角点方向特征的方法,该算法首先用Harris角点检测得到特征点,并把SIFT算法中使用的特征描述方法引入到特征点描述中;然后利用欧氏距离对点特征进行匹配;提出一种简单高效的排除错误匹配的方法。该算法对数字城市中序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该算法匹配准确率较高,具有实用价值。