基于几何特征的快速高精度角点检测算法

角点检测应用十分广泛,是许多计算机视觉任务的基础.本文提出了一种快速、高精度的角点检测算法,算法简单新颖,角点条件和角点响应函数设计独特.和以往不同的是:算法在设计上考虑的是角点的局部几何特征,使得处理的数据量大为减少,同时能够很好地保证检测精度等其他性能指标.通过和广泛使用的SUSAN算法、Harris算法在正确率、漏检、精度、抗噪声、计算复杂度等方面进行综合比较,结果表明该算法无论对人工合成图像还是对自然图像均具有良好的性能.     

一种改进型的Harris角点检测算法

Harris角点检测方法是在计算机视觉领域中使用非常广泛的点特征提取算法,它算法简单,而且稳定,但在对一些图像进行角点提取时存在角点信息丢失和位置偏移等现象,为此提出一种改进的Harris角点检测方法.实验表明该方法在点特征的提取和精确定位方面都达到了较好的效果.     

基于角点匹配的密封条截面图像分块配准算法

分析了汽车密封条传统检测方法的不足,针对现有方法无法测量的分块整体形变密封条,提出了一种基于角点匹配的轮廓分块配准算法。配准算法首先利用支持邻域求取轮廓角点,再利用分块角点匹配求取每块的仿射变换初值,最后利用基于最小二乘的搜索策略获得最佳配准效果。本算法在密封条存在较大分块形变时可实现有效测量,具有省去夹具装夹、节约测量时间和成本的优点。通过大量的实验证明,该方法的快速有效。     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.     

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。     

基于Harris角点检测算法的红外人脸器官定位

本文提出了运用Harris角点检测的算法来进行红外人脸的特征点定位。实验结果表明,这种算法能很好地检测出人脸器官的特征点,有效地进行人脸特征的定位,进而达到很好的检测效果。     

基于Harris角点的矩形检测

为了快速精确地对矩形进行识别和检测,开发了一套图像采集系统,并提出了基于改进的Harris角点检测法的快速矩形识别算法。首先,只针对多种角点中的L型角点进行快速检测,并通过亚像素级后处理提高角点的位置精度。然后,根据得到的高精度角点位置信息,任意组合角点并遴选相互平行且长度相等的直线段组,从而匹配出相互垂直且四个角点重合的平行直线段;将其作为矩形的四条边,进而循环识别出图像中所有的矩形元素。提出了伪矩形图形元素的甄别判据,以提高算法的精确度和可靠性。实验结果表明:分别用基于Harris角点和基于Hough变换的矩形检测算法处理同一图片时,前者的运算速度为后者的9.5倍;其图像识别精度能达到亚像素级,最大误差为0.4pixel。该算法满足工业应用中高实时性、高精度的要求,并且稳定性好,抗干扰能力强。     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...     

基于特征点集距离描述的裂缝图像匹配算法研究

定期进行裂缝检测、监测重点裂缝的变化对建筑物安全十分重要。由于外部环境及拍摄设备的原因,不同时间拍摄的同一裂缝图像会存在亮度、裂缝位置的不同,为此提出了一套裂缝图像匹配算法,能够在图像库中识别含指定裂缝的图像,以达到监测危险裂缝发展的目的。该算法首先对裂缝图像进行预处理,采用MASK算法进行匀光处理,采用基于连通区域的滤波方法去除图像中的噪声,提取出只含裂缝的二值图像;而后利用Harris检测算子获取裂缝的角点为特征点集;最后采用基于Fréchet距离以及Hausdorff距离的点集配准算法进行特征点的配准。采用100张墙面和路面裂缝图像进行了实验,配准的成功率可达到90%。     

基于正交匹配追踪的压缩感知信号检测算法

在不重构信号的情况下,利用检测算法直接处理压缩感知信号获得的采样值可以完成信号检测任务。目前的检测算法中,作为判决依据的特征量仅由一次迭代过程决定。在感兴趣信号存在时,算法获得的特征量波动较大,影响检测性能。基于这种原因,本文提出一种改进算法,在每次迭代中基于正交匹配追踪思想修正特征量,降低特征量的波动,提高检测性能。实验结果表明,与原算法相比,本文算法获得的特征量波动小,相同检测阈值下,检测成功率高,相同检测成功率要求下,需要的采样点数少,允许的信噪比低。     

采用环形模板的棋盘格角点检测

曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称现象。现有的角点检测算法通常难以准确提取棋盘格角点。此外,在复杂背景下,现有角点检测算法也极易出现错误。针对上述问题,本文提出了一种图像坐标系下的基于环形模板的棋盘格角点检测算法。首先,通过分析得出棋盘格角点附近的灰度分布应满足一定的对称性和灰度交替性等性质,进而得出环形模板卷积后的图像应满足的性质。而后,利用该性质来定义并提取棋盘格角点,使提取的角点直接达到亚像素精度。实验结果表明：本文提出的棋盘格角点检测算法在曝光过度,镜头畸变和复杂背景情况下,均能取得较好的棋盘格角点检测效果。将该算法应用于实际摄像机标定,实验结果显示重投影误差在0.3个像素以内。     

一种改进的Harris角点提取算法

针对广泛使用的Harris角点提取算法在对T型和斜T型角点存在定位不准确以及运算速度慢的特点,提出了一种改进算法。改进算法以目标像素点的8-领域范围内与之灰度相似的点的数目为基础,并将该值与目标像素点附近的其他像素点进行比较,分析局部范围内的像素点的灰度值分布,根据比较结果,从中遴选出部分像素点作为下一步Harris角点检测算法的计算对象,并根据角点函数响应值的大小,最终判断该像素点是否为角点。实验结果表明改进算法大大提高了角点检测速度,并对T、斜T型角点提高了其角点检测的定位精度。     

基于直线检测的棋盘格角点自动提取

针对现有棋盘格角点自动提取算法鲁棒性不足的缺点,提出了使用直线检测算法(LSD)来进行角点的自动提取。首先,使用LSD算法对标定图像进行处理,得出包含棋盘格子边缘的所有直线,并分别对所得直线的长度和角度进行伪排序以去除伪格子边缘。然后,对剩余直线的边缘端点进行近邻合并,得到角点的初始坐标并进行亚像素优化。最后,使用能量法对角点进行棋盘格结构复原与排序。实验结果显示:该方法可以正确提取含有阴影和噪声的玻璃材质标定板图像中的角点。与改进的Harris方法的角点坐标提取精度对比试验得到其最大偏差小于0.2pixel,平均偏差小于0.15pixel,表明该方法具有较高的鲁棒性且定位精度与改进的Harris方法相当,可用于工程实际中环境光源变化较大的场合。     

基于改进SIFT算法的图像匹配

为进一步提高SIFT匹配算法的鲁棒性和正确率,从以下几个方面改进SIFT算法.对图像进行多分辨率小波变换,重建图像近似成分——低频信息参与匹配;采用“回”字形双层方邻窗将特征点邻域区域划分成四部分,建立32维特征点描述符向量;运用欧式距离初步确定匹配点,再用积分图像进一步剔除由于特征点具有空间相似性而出现的误匹配点,从而提高匹配精度.实验表明,本文算法在匹配精度和匹配时间上有明显提高,特别是当图像具有较多局部相似特征时,匹配点数增加,匹配正确率提高.