双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

基于模板边缘的自适应Harris角点检测算法

针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

基于自适应筛选Harris角点检测的快速图像配准算法

针对传统Harris角点检测算法的图像配准过程计算量大、速度慢等问题,提出一种快速预筛选Harris角点检测算法。首先通过FAST算法快速排除大量非特征点,再通过抑制半径解决FAST角点聚簇现象,然后在FAST角点邻域内筛选出Harris角点,最后采用Brute-Force匹配方式得到精准匹配。实验结果表明:所提改进算法不仅提高了角点检测速度而且减少了冗余角点数量,在图像配准过程中有效提高了配准速度与精度,配准效果良好。     

一种快速自适应的Harris角点检测方法研究

Harris角点检测算法在图像处理中使用非常广泛,有着较高检测率,但算法运算量比较大,实时性不高.同时,该算法无法设置通用阈值处理不同图像.针对这些问题,提出一种快速自适应Harris角点检测算法.该算法先使用Fast算法,对图像进行预筛选,再使用Harris算法,并构造自适应阈值.实验结果表明,该算法可以有效克服阈值选择不当造成的角点冗余或丢失,并可大幅减少运算量.     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

基于改进Harris算法的图像角点检测

针对Harris角点检测算法运行速度慢且单一阚值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法.实验结果表明:单独使用该预筛选方式的改进算法仅用32.71％的时间就可以检测出原算法94.97％的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94％,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象.     

基于模板边缘的自适应角点检测算法研究与应用

原有算法在检测角点过程中的聚类效果不明显,导致检测后的图像角点个数与实际所需不符,存在伪角点和漏角点,逐渐增加图像的检测时间,为此,设计基于模板边缘的自适应角点检测算法。模板边缘技术可以对潜在的角点区域进行有效规划,以中心点相邻点位进行提纯,具有交点过滤的效果优势。基于模板边缘转化灰度值,分割并预处理图像,抑制角点半径确定对应特征提取点数,获取自适应阈值检测图像角点,完成基于模板边缘的自适应角点检测算法设计。实验结果表明:以两组实际拍摄图像为测试对象,运用传统算法和研究算法进行角点检测,在研究算法应用下,能够真实地标记出两组图像的角点数量,且检测时间均不超过0.2s,具有实际应用效果。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

一种双边核函数的新Harris角点检测算法

针对目前Harris算法存在的对噪声敏感和检测率不高的不足,提出一种双边核函数的新Harris角点检测算法.算法首先采用双边滤波器来代替原有的高斯低通滤波器,来增强算法的鲁棒性;接着采用多尺度分解来建立真实角点和伪角点的分割阈值.实验结果表明,提出的算法能精确地检测图像角点.     

多尺度Harris角点检测的FPGA实现

针对实时图像处理的要求,提出了一种利用FPGA实现多尺度Harris角点提取的方法。通过简化高斯函数,实现了基于FPGA的尺度空间构建。分析了多尺度Harris角点检测算法,改进了响应值计算函数,通过改进算法步骤,在FPGA上并行搜索位置、尺度空间响应值的极大值,进一步提高了多尺度Harris角点检测的速度。硬件处理速度显示,设计适用于实时性要求高的图像处理领域。     

一种分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值并且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法。首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准。实验证明此方法使得图像配准精度和配准效率得到了极大地提高。     

一种改进的图像快速高精度角点检测算法

针对传统的图像角点检测方法精度不高、速度较慢的情况,为提高速度抑制噪声,提出了一种快速、高精度的图像角点检测算法.利用改进的Harris算法提取出候选角点,再通过USAN区域所对应的弧的像元灰度与角点的相似性来完成最终角点的提取,使得处理的数据大为减少,同时能保证检测准确性等其他指标.通过和SUSAN算法、Harris...