基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于小尺度的数学形态学遥感图像边缘检测方法

根据遥感灰度图像的特点,提出了一种基于小尺度的数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的特点,通过对不同尺度下边缘特征提取的分析,采用非极大值运算方法提取边缘点,并与其他边缘检测法进行了比较,最后给出了遥感图像边缘提取的实验结果。     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

一种红外可见光图像融合及其目标识别方法

为结合红外图像和可见光图像对目标检测识别的优点,提出了一种红外可见光图像融合及其目标识别方法.该方法根据数学形态学算法获得局部感兴趣区域,减少图像特征点生成范围,提高效率;通过使用基于多模态图像尺度与部分灰度不变图像特征算法建立合适的特征点定位和描述;最终根据局部不变性匹配原则,实现图像误匹配消除,得到配准关系.实验结果表明,本文方法能实现融合图像多目标的检测识别,其精度好,有一定的应用前景.     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

基于象素主轴方向灰度变化特征的特征点检测算法

针对当前大多数特征点检测算子定位不够精确的问题,提出了基于象素主轴方向灰度 变化特征的特征点检测算法.与多数特征点检测算法采用x、y方向梯度作为特征不同 ,该算法设计了新的特征提取方法作为检测核心:首先计算象素的主轴方向,在主轴和副轴上, 分别提取各自正负半轴共4个方向的局部灰度变化特征;再根据4个特征的组合情况,参考象 素类别分类表判断象素所属类别.不仅如此,该方法还可以进一步扩展到边缘、峰、谷等其 它图像特征检测的应用中.对人工合成图像和复杂自然图像的实验结果表明,该算法能够实 现各种类型特征点的准确检测和精确定位.该方法具有旋转和尺度不变性,为计算机视觉领域特征点检测提供了一种新的检测方法.     

基于灰度合成的图像素描效果生成算法

提出一种采用灰度合成的图像素描效果快速生成算法,实现真实感图像的艺术化生成.不同于已有算法只是利用经典的边缘检测方法来提取图像的边缘特征,本算法通过灰度信息分布来控制素描图像的细节特征,通过灰度合成得到图像边缘特征的加强和柔化,形成素描效果.算法首先得到输入图像的灰度反色图,并对其进行高斯模糊滤波,平滑边缘特征.然后采用灰度合成将滤波后的反色图和输入图像的灰度图进行合成,并同时起到对混合的图像的亮度进行自适应调整的作用,形成图像素描艺术风格.实验结果表明,算法在突出边缘特征的同时,能够较好地保持输入图像的细节特征,并实现素描效果.     

自适应图像边缘检测LOG算法的DSP实现

LOG算子是图像边缘检测的重要算子,可以在不同尺度下检测图像的边缘特征。针对LOG算子存在的缺陷,并借助于LMS自适应算法获取最佳空间系数σ值,成功抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,当σ值较小时,LOG算子对高反差像素比较敏感,能够检测出物体的精细边缘,并且与实际边缘的一致性较好,但同时高斯滤波不彻底,图像中出现大量的虚假边缘;当σ值较大时,算子能够检测出原图像的边缘,噪声情况明显减小,但是边缘间存在相互干扰,位移严重等情况;本算法检测出的图像边缘,不仅成功抑制了图像中大部分噪声和微小的灰度变化,还保证了较高的边缘定位精度。增强了LOG算子的实用性,并且该算法易于实现,可以较好的解决图像边缘检测问题。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

高精度自动对准系统中特征点提取方法的研究

基于高精度自动对准系统中的视觉定位系统,对定位标识图像进行系列的图像处理算法研究和技术处理.为有效提取芯片定位标识图像的特征点,通过分析比较,对定位标识图像,首先采用SUSAN滤波算法进行噪声平滑,再对其进行迭代分割,最后采用SUSAN角点提取算法进行特征点提取.该算法能快速有效的提取特征点,可大幅度提高后续的图像匹配的精度和速度.     

基于多特征融合的高精度视频火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率的工程应用需要,提出了一种使用Choquet积分进行火焰多特征融合的检测算法。首先通过优化运行期均值法进行背景建模,然后对疑似区域进行边缘分形维数检测、角点形心运动轨迹检测和图像相关性检测,最后对模糊化的特征检测结果计算Choquet积分,并以此判断火焰是否存在。试验表明,本文提出的检测算法高效、快速,具有较好的应用前景。     

硬度图像角点检测算法

硬度检测图像中存在大量杂质与噪声,目标区域的边缘模糊且形状复杂,传统角点检测算法无法检测出目标区域的角点,也很难应用直线拟合或直线检测算法实现角点的精确定位。针对硬度检测中面临的复杂环境下角点检测任务,提出一种新的基于旋转灰度变化的角点检测算法。与传统的角点检测算法相比,该方法对噪声和杂质具有更好的鲁棒性,能够在背景复杂、边缘模糊的情况下准确检测出目标区域的角点位置,具有更好的适用性。在硬度图像上与传角点检测算法及直线求交确定角点方法的对比实验表明了算法的有效性。     

基于MIC的快速角点提取改进算法研究

针对MIC算子不能区分部分边缘点和角点的缺陷,提出一种自适应边缘点滤除算法。在边缘清晰的情况下,使用求USAN区域的方法过滤掉边缘点;在边缘模糊的情况下,使用模板较大的插值方法在核心点邻域计算其角点响应值。实验证明,该算法能够很好地区分出边缘点和角点。     

基于边缘方向角的自适应尺度角点检测

在边缘方向角的基础上提出了一种新颖的角点检测方法。新模型基于:边缘在角点处必定发生弯折;在一定尺度范围内,角点两边的点均有方向角的最大趋向一致性;合理的放宽尺度,角点两边的点均有方向角最大趋向一致性增强。实验结果表明:新模型能够排除更多的伪角点,利用边缘方向向量判断角点的凸凹性;和其它多种角点检测模型相比,这种方法能够提供更多的角点信息,而且检测准确率高。     

基于直线逼近的图形角点检测技术研究

拐点是数字图像中的一个重要信息载体,本文针对具有类直线边界的图像提出一种新的拐点检测算法。该算法并非通过在连续空间内选择支撑区域计算每个点的特征值来选择角点,而是在针对特定图形特征,首先通过Freeman链码提取图像边缘;然后通过图像支撑点和连接点的概念过滤掉一些明显不为拐点的像素;最后用直线逐段来代替图像边缘曲线,而替代直线的端点则构成了图像的拐点。     

A feature extraction and correspondence algorithm for laser range finder with sensor uncertainty

This paper presents a feature extraction and conrrespondence algorithm which employs a novel feature transform. Unlike conventional approaches such as Hough Transform, we employ a robust but simple approach to extract the geometrical feature under real dynamic world conditions. Multi-threshold segmentation and the split-and-merge method are employed to interpret geometrical features such as edge, concave comers, convex corners, and segments in a unified framework. The features are represented by feature tree (F-Tree) so as to compactly represent the environments and some important properties of the F-Tree are discussed in this paper. To demonstrate the validity of the approach, we show, the actual experiment results which are based on real Laser Range Finder data and real time analysis. The comparative study with Hough Transform shows the advantages and the high performance of the proposed algorithm.     

基于神经网络的由单幅二维工程图形重建三维形体系统的研究

针对基于单幅图形的三维重建方法的多解性和病态性的难点问题,设计实现了一套三维重建系统,提出一种基于角点特征和图形结构特征的人工神经网络分类算法,对输入图形进行识别分类,然后分别对识别结果精确重建,从而避免了直接恢复深度信息的病态解问题.为有效地提取角点特征,采用改进的基于曲率的自适应角点检测算法,给出了滑动窗口的自适应调整策略,并得到图像边界点的局部支持域的特征向量,从而使提取的角点曲率特征具有旋转、平移和尺度不变性.实验验证了改进算法的快速、准确和稳定的特性.