一种改进的SUSAN兴趣点检测算法

兴趣点是图像中重要的几何特征,兴趣点的准确检测对于图像处理具有重要意义。为了优化SUSAN算法,提高算法的有效性,对SUSAN兴趣点检测算法中阈值的确定提出了改进。在图像每个像素的SUSAN模板中首先计算阈值t的初值,在利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点。实验结果证明了该方法的有效性。     

基于改进的SUSAN算法的火焰图像边缘检测研究

火焰图像边缘检测是火焰图像检测系统研究的基础。将SUSAN算法引入到火焰边缘检测之中,并针对SUSAN算法中人为设定阈值在一些特殊场合下无法有效提取图像边缘的问题和运算量过大不适用于实时场景的缺点,通过引入目标区域判别和自适应阈值选取,提出一种改进SUSAN算法,解决上述两个缺陷并对该算法进行仿真。实验结果表明,该算法可以有效地提高火焰检测的准确率,排除干扰源,并具有良好的自适应性。     

基于改进SUSAN算法的红外图像边缘增强方法

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法,然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法,最后在实际应用中,提取出了红外图像清晰、连通的边缘特征.实验结果表明,改进后的方法能够有效地增强红外图像的边缘,得到令人满意的效果.     

一种基于提升小波的自适应SUSAN角点检测算法

针对SUSAN角点算法中计算过程复杂及其使用固定闻值的局限性,提出一种基于提升小波变换的白适应改进方法.该算法根据角点的分布特性,引入快速提升小波变换理论,在图像的高频区域筛选出候选角点,缩小需要精确检测的角点范围,提高了算法效率;并根据图像局部灰度信息自动调节核心点与其邻域像素的灰度差值,代替原算法中的单一闻值,以提高算法自适应能力.实验结果证明了该方法的快速有效性.     

基于SUSAN分层快速角点检测的改进算法

针对传统基于SUSAN算法的分层快速角点检测算法的缺陷,引入判别角点性能的改进算法.通过分层快速角点检测算法找到角点的大概位置,再利用角点性能判别算法,减少角点的数量,最后进行精细查找,准确定位角点.实验表明,该算法可较大幅度提高运算速度,节省运算时间,显著增强角点的匹配效果.     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义.文章对SUSAN(Smallest Univalue Segment Assimilating Nucleus)角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点.实验结果证明了该方法的有效性.     

基于LOG算子边缘检测提取特征点的平显振动算法研究

针对平显测试过程中图像抖动检测实时性要求较高的特点,通过对图像振动检测算法进行分析,提出了基于LOG算子边缘检测提取特征点的平显振动算法,利用该算法提取图像序列的特征点后并进行特征点匹配,根据特征点对位移量计算图像序列的振动量。实验结果表明该算法可以满足平显图像振动实时检测要求。     

基于改进Canny算子的手势图像边缘检测

针对手势检测不准确,手势边缘检测有偏差等问题,文中提出了一种改进的Canny算子用于检测手势图像边缘。改进的Canny算子使用自适应中值滤波与双边滤波相结合的方法去除图像噪声,并在Sobel的基础上扩展45°和135°方向的梯度幅值计算,自适应获取最佳阈值判别图像边缘。最后,使用哈夫变换与像素点的梯度方向相结合检测边缘,连接边缘、增强边缘。实验表明,改进后Canny算子检测的结果8连通数比传统Canny算子检测的结果8连通数多,边缘连续性较好,检测精度更高且自适应性增强。     

基于改进SUSAN原则的小目标检测算法

为解决复杂云层背景下红外弱小目标的检测问题,提出了基于改进SUSAN原则的检测方法,该方法通过重新定义SUSAN原则,改进模板形状,自适应设置阈值,使之对小目标极为敏感,抑制背景和噪声。实验证明,该算法对于信噪比小于2的弱小目标有较强的单帧检测能力。     

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整“相似性阈值”才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点.为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点.实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点.     

基于改进型SUSAN算子四轮定位参数检测方法实现

针对当前四轮定位仪传感器众多、精度低、操作复杂、维护成本高等缺点,提出一种三维视觉式四轮定位参数检测的新方法,阐述了基于改进型SUSAN算子实现该方法,通过采集随车轮一起运动的棋盘格式目标盘的序列图像,求取车轮旋转轴线的三维方向余弦,进而求得四轮定位几何参数。与传统方法相比具有非接触、实时、操作简便、精度高的优点。     

基于梯度直方图和SUSAN算子的红外目标检测

红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。     

基于SUSAN算子的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法削弱随机噪声,增大信噪比;然后设定阈值对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;最后基于图像的特性,使用改进的SUSAN算子对星图进行目标检测,进而分割出目标,实验证明,与传统方法相比,该方法可较好地分离出恒星目标。     

基于改进SUSAN算法的片式元件角度识别

元件角度识别是贴片机元件视觉检测的关键,其参数的精确获取直接影响贴片机进行元件贴装的准确性.SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算.讨论了该算法的模板和门限的选取方法,继而提出一种改进的SUSAN边缘检测算法对矩形片式元件进行边缘检测,并通过试验比较了该算法与传统的几种边缘检测算法的优劣.试验证明改进的SUSAN算法能更好地提取复杂成像条件下元件图像的边缘,提高了贴装过程中元件角度识别的精度和稳定性.     

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。     

基于SUSAN算子的空域自适应错误隐藏算法

为了消除空域错误隐藏后出现的模糊和块效应,提出了基于SUSAN检测算子的空域自适应错误隐藏算法。算法首先利用SUSAN算子检测丢失宏块周围的边缘点,然后根据边缘点确定丢失宏块中边缘,最后根据边缘情况自适应地选择插值方法恢复丢失宏块。实验表明,丢失宏块边缘的检测受噪声影响很小,对孤立丢失块有较好的恢复效果且计算量较小。与传统空域错误隐藏算法相比,本文算法的峰值信噪比PSNR能提高大约1～3dB。