改进的特征点提取算法及其适应性评估

改进了一种特征点提取算法[1].提取图像的边缘轮廓线并以边缘线的几何重心为极点,对边缘极坐标化,形成幅角-极径曲线.再在该曲线上寻找局部最大与最小值点以得到特征点.改进后的算法既能获取曲线的凸点,也能获取其凹点,与原算法比较有了明显的改进.又分别在尺度,旋转及仿射变换情况下,对算法的适应性进行评估,实验结果表明,改进后的算法适应性较好,能达到79.1%.在实际应用中,二维边缘曲线实现基于特征点的自动输入及三维重建具有重要价值.     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性,提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘,然后进行细化并填充边界线上的断点,再利用角点的几何特性来确定角点的位置。实验结果表明,这种算法提高了角点提取的正确率、定位精确、实用性强。     

基于自适应ROI和蚁群边缘检测算法的车道线检测

论文针对天气阴暗和复杂背景等情况下难以检测车道线的情况,提出了基于消失点的自适应ROI提取和基于蚁群算法的边缘检测方法。首先进行图像预处理得到灰度化图像,然后使用基于纹理的gLoG滤波进行消失点检测以消除复杂背景的影响,使用蚁群算法对灰度图像进行边缘检测以解决Canny算子对噪声敏感的问题,最后对感兴趣区域进行Hough变换直线检测并且使用极角极径约束Hough变换拟合的直线,最后实现车道线检测的功能。实验结果表明,论文提出的方法在道路环境多变和阴暗天气下能实现很好的车道线检测结果,准确率最高可达95.96%。     

基于Harris角点和高斯差分的特征点提取算法

针对目前图像处理中的尺度不变特征点提取算法计算量较大、实时性较差的问题,本文提出一种非完整金字塔的尺度空间结构,并从理论上分析其对算法性能的影响.再以此为基础提出一种基于Harris角点和高斯差分的快速特征点提取算法.这种算法先在非完整金字塔尺度空间的各层图像上提取Harris角点,再利用高斯差分确定最终特征点.在保证性能的同时,算法的实时性得到明显改善.实验结果也证明该算法的有效性.     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

散乱点云特征边缘交互提取

为了在具有多个特征边界的散乱点云上提取指定目标特征边界,提出了一种基于目标特征边界交互提取的算法。拾取目标特征及其周围的点云。利用KD树建立散乱点云的空间拓扑关系,计算出每个数据点的k邻域。通过数据点k邻域构成的最小二乘平面的投影点角度差,根据角度差的最大值来判断该点是否为边界点。拾取目标特征边界上的某个点作为种子点,按照某一个固定方向搜索边界点,直到搜索整条封闭边界为止。实验表明,该方法能够准确获取散乱点云上任意指定目标特征的边界。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

基于改进ORB 算法的图像特征点提取与匹配方法

针对传统ORB 算法阈值选取固定,存在误提取、误匹配,无法满足不同图像特征 点的准确提取和匹配的问题,提出了一种改进的ORB 特征点提取与匹配方法。首先设定局部 自适应阈值;然后通过像素分类,设计自适应阈值选取准则,达到ORB 特征点的精准提取; 最后在改进ORB 特征点基础上通过PROSAC 算法完成对特征点的匹配。实验结果表明,改进 后的方法对亮度变化具有较强的适应能力,计算速度和提取精度得到了提升。匹配总时间降低, 误匹配点对数量较少,正确匹配率较高,具有良好的准确性和实时性。利用匹配阶段得到的特 征点进行跟踪时得到的RMSE 误差较小,表明匹配精度得到了较大提升。和其他方法相比,具 有更好的环境适应能力和应用价值。     

基于ARM的指纹特征点快速提取改进算法

实时性一直是嵌入式指纹识别系统开发的主要衡量标准，如何对指纹图像进行快速、准确处理是指纹识别系统的关键所在。针对ARM处理平台提出一种改进的指纹特征点提取算法，该算法的快速性和准确性已在ARM主建平台上得到了验证。     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

一种改进的快速特征点信息匹配算法

特征点匹配在图像检索、模式识别等技术中起着重要的作用。已有的匹配算法如SIFT（DoG）,Harris以及SUSAN算法,虽然可以提取高质量的特征点,但是这些算法本身计算量比较大,难以将其运用于实时性要求比较高的应用中。提出一种改进的快速特征点匹配算法,采用Guoshen Yu和Jean-Michel Morel提出的全仿射方法,对局部特征点进行仿射变换并模拟摄像机成像原理,根据摄像机成像的仿射关系提取特征点并使用随机蕨类算法训练分类器,使用RANSAC去除坏点,实现对特征点的快速准确匹配。实验结果表明该方法提高了图像的匹配点数,同时降低了匹配时间。     

基于特征点分段的多元时间序列相似性搜索

现有的各种多元时间序列相似性搜索方法难以准确高效地完成搜索任务。提出了一种基于特征点分段的多元时间序列相似性搜索算法,提取所定义的用于分段的特征点,分段后将原时间序列转化为模式序列,该模式序列能够很好地保留原序列的全局形状特征,再用分层匹配的方法进行相似性搜索。实验结果表明,该方法能够有效刻画序列的全局形状特征,通过分层匹配保留局部的相似性,同时提高搜索准确率。     

基于特征点约束的人脸纹理映射

人脸纹理映射技术是计算机辅助颅骨面貌复原中一种特殊的真实感处理技术。针对人脸面部器官纹理映射难以准确实现的问题,提出一种基于特征点约束的人脸纹理映射方法。利用最小二乘保角映射参数化时需固定顶点来完成特征点约束。通过对大量单张、正面照片作为纹理进行映射,证实了该方法能够取得良好的映射效果。实验结果表明本方法鲁棒且效率高,降低了算法的复杂性。     

局部不变特征点的精度指标

目的 作为计算机视觉的热门研究方向,局部不变特征算法的发展已趋于成熟、稳定,然而目前几乎所有特征点提取算法都没有给出特征点的精度指标.针对这一缺陷,提出一种特征点精度指标-特征点波动区间.方法 性质稳定的点在干扰条件下仍具有较好的精度,即小范围的波动区间,因此,以当前最热门的SIFT(scale-invariant feature transform)特征点为例,在图像加入噪声,发生光照变换,发生模糊变换以及同时进行噪声、光照及模糊处理这四种情况下分别分析同一算法提取的不同特征点的波动情况,进而得到不同特征点的波动区间.结果 实验得到16个稳定检出特征点,其中点2,3,4,11,13这5个点可以在不同干扰条件下的波动范围都较小,而点2则只在模糊条件下波动较小,在其余干扰下波动较大.特征点虽然已经过特征提取,但仍具有不同的波动区间,其优劣也不尽相同.不同的特征点的波动区间并不相同,但仍有一部分特征点在不同干扰条件下均保持较高的提取精度.结论 波动区间能很好地表征每个特征点的提取精度.由于此前只有针对特征点算法的评价指标,而没有针对特征点自身性质的评价方法,因此本文提出的特征点波动区间将为诸如设备标定、视觉测量、精简特征库等相关后续工作打下良好基础.     

基于邻域特征的笔划交叉点提取算法的研究

介绍了一种基于细化的手写体汉字笔划交叉点提取的方法.在众多笔迹算法中,大部分把笔划作为对象进行研究,而要得到准确的笔划特征,难点在于能够准确地确定其交叉点,在交叉点提取过程中,经常会丢失重要的交叉点和产生伪交叉点,提出的新的基于邻域特征的交叉点提取算法可以避免这种现象,实验结果证明了该算法的有效性.     

基于多尺度下特征点的检测

提出了一种在不同尺度空间下特征点提取的方法.该方法通过构造图像设高斯金字塔和高斯差分金字塔,进行极值检测,然后在极值点中去除低对比度的点并消除边界点的响应,得到关键点,最后计算关键点的方位和模的大小,从而得到特征点.利用该方法把取得的特征点对图像旋转、亮度变化、尺度缩放等情况下保持不变,此外对视角变化、仿射变换、噪声也保持一定的稳定性.给出了实验参数,并且对实验结果进行分析.     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

序列图像特征提取与匹配算法的改进

在计算机视觉领域中特征点匹配是一个重要课题。针对ORB（ORiented Brief,方向描述符）算法缺少尺度不变性的特点,将SURF（Speeded-Up?Robust?Features,快速鲁棒特征）算法与ORB相结合,提出了基于算法组合的改进算法SUORB（Speeded-Up?ORiented Brief,快速方向描述符）。组合算法的基本思路是利用SURF算法建立多尺度空间,然后通过ORB算法为检测出的特征点建立描述符,最后根据生成的二进制描述符实现特征点匹配。实验结果表明,SUORB算法基本弥补了ORB算法的不足,若图像尺度发生变化,SUORB匹配算法比ORB匹配算法的准确度明显提高;同时SUORB算法保留了ORB算法的快速性。     

Robust facial feature points extraction in color images

A method of facial feature points extraction based on improved active appearance model (AAM) with Gabor wavelet features was presented in the paper. After the pre-processing of a standard face detector and lighting compensation, the paper proposed a hybrid AAM by combining the local skin similarity with the original local grey-level appearance model. Moreover, the feature points by the hybrid AAM and their neighbors were considered by a classification problem to further refine the results. Namely, the Gabor feature around the feature points was extracted, trained by linear discriminant analysis (LDA) and classified by K Nearest Neighbor (KNN) to give the precise location of the feature points. Experimental results indicated that facial feature points can be located robustly and precisely by the proposed method.