基于Gabor能量空间的尺度不变兴趣点检测方法

兴趣点检测是中层视觉感知过程的关键步骤,也是众多机器视觉系统的重要组成部分.此前的大多数兴趣点检测子都是针对特殊的二维图像结构设计的,比如角点、交叉点、端点等,所以对与其差别较大的特征不能检测.采用在Gabor能量空间中迭代搜索的方法,本文提出了一种尺度不变兴趣点检测子.基于结构不同的二维图像特征在相频域中表现相似的特点,该检测子能检测大多数特征.首先,基于Gabor滤波器响应获得一系列能量图像,通过极值点检测得到候选兴趣点;其次,使用一种迭代方法同时选择特征尺度与精确定位特征点位置;最后为了提高算法的实时性,采用了一种递推方法加速能量图像的计算过程.实验结果表明相对于其它检测子,本文提出的方法具有更广泛的适应性,并且在旋转、尺度、光照等变化下具有良好的稳定性.     

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.     

基于加权Gabor梯度的新型多尺度角点检测方法

在分析Gabor小波的基础上,提出了一种加权Gabor梯度算法,该算法可以得到比传统梯度算子更为准确的梯度方向。并在此基础上,提出了基于加权Gabor梯度的多尺度角点检测算法。实验结果表明,本文算法与两个经典算法比较,在角点检测性、定位准确性以及抗噪性上,有明显提高。     

基于Hessian矩阵和Gabor函数的局部兴趣点检测

局部特征方法是基于内容的图像与视频检索的重要方法。提出一种新的基于Hessian矩阵和Gabor函数的尺度不变局部特征点检测方法(Hessian-Gabor Detector)。该方法首先利用基于Hessian矩阵的检测子定位图像在空间域上的候选特征点位置,然后用基于Gabor函数的算子检测候选兴趣点在尺度空间的特征尺度,从而获得具有尺度不变特性的局部特征点。实验证明,与DOG、Harris-Laplace等方法相比,计算简单。应用于图像匹配中,能够显著地提高匹配效率。     

基于多项扩展式局部方向张量的兴趣点检测算子

针对移动机器人基于视觉的导航, 本文提出了一种具有尺度和旋转不变的新的兴趣点检测算法—PLOT算子(Polynomial Local Orientation Tensor). PLOT算子主要是基于图像信号多项扩展式的局部方向张量. 文中首先分析了PLOT算子中局部方向张量属性, 并选取合适的调节参数, 使得局部方向张量能够提取不变特征. 主要应用自主尺度选择计算局部方向张量, 进而确定特征尺度来获得尺度不变特征. 最终基于局部方向张量的最小特征值来检测真实兴趣点. 本文通过重复率准则评估了PLOT算子, 并与目前常用兴趣点检测算法作比较. 实验结果表明在实际场景图像中, PLOT算子对于旋转、尺度以及亮度变换表现很稳定.     

基于深度信息与尺度空间的仿射不变特征检测*

介绍了一种利用深度信息的仿射区域检测器。这种方法在视角变换的情况下能自动检测出图景中同一物理区域,为后续的识别算法提供了坚实的特征检测基础,在计算机视觉领域有广阔的应用前景。该方法是基于尺度空间理论,这个理论已经在自动尺度选择中有较成熟的应用。提出了利用深度信息估计出3D物体模型的算法,并生成相应的仿射不变的高斯尺度空间,并给出从3D到2D的投射变换的高精度估计方法,以补偿投射变换造成的扭曲形变。因此对特征检测的可靠性将有明显的提高。为了评估本算法的鲁棒性,进行了不同视角的真实图片与合成图片的实验,并与其     

基于局部Gabor能量的多聚焦图像融合*

利用全局搜索策略,设计适用于图像融合的最佳Gabor滤波器组,并提出了一种基于局部Gabor能量的多聚焦图像融合方法：通过利用最佳Gabor滤波器组对局部图像进行滤波,从而提取出该局部图像的Gabor能量,比较对应局部图像的Gabor能量,以挑选出其中清晰的像素并进行一致性检验,重构图像。本方法真正保留了原始的清晰图像,实现了高精度融合。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果,明显提高了运行效率。     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术;介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

基于尺度不变特征点的抗几何攻击水印算法

利用基于尺度空间理论的特征点检测方法,检测出的特征点不但在大尺度缩放变换下重复率高,而且每个特征点的特征尺度随图像缩放尺度等比例变化。以特征尺度及特征点相对位置作为参考,生成一种几何变换自适应图形作为水印嵌入的区域。随着特征点相对位置的变化,自适应图形会产生相应变化,达到抗几何攻击的目的。实验表明,该算法能有效抵抗各种几何攻击,具有较好的性能。     

基于Gabor滤波器和聚类的图像配准算法

提出一种基于多尺度、多方向Gabor滤波器提取图像局部不变特征并用AP聚类进行约束的配准算法。该方法首先利用Gabor尺度空间核函数对图像进行尺度空间分解,在每一层尺度图像的不同方向上提取Harris角点,在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度;在特征子区域内用梯度描述特征点;将得到的两幅图像的特征点AP聚类分析,实现m:n的粗匹配,最终通过各类之间的欧式距离实现对应点的匹配,通过AP聚类可有效排除多相似内容的图像之间的误匹配。实验结果表明,该算法能够提取稳健的精确特征点,并且可以有效去除多相似内容图像带来的匹配误差,实现图像的配准。     

基于Gabor变换的特征点跟踪算法研究*

为了实现对一组动态特征点的跟踪,基于Gabor变换的特征点提取方法提出了一套跟踪方案。首先采用仿射变换描述点的轨迹模型,引入PDAF算法进行状态估计;然后基于Gabor变换特征向量的匹配算法进行对应点辨识;最终推导出EKF滤波器方程组,对时态信息进行滤波。仿真结果表明,该特征点跟踪算法能够在目标图像辨识率较低的情况下满足目标跟踪的精确性要求。     

一种简化的SIFT图像特征点提取算法*

针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。     

一种基于兴趣点方向特征的图像拼接方法

提出了一种基于兴趣点方向特征的图像拼接算法IPOF(Interest Point Orientation Feature),该算法利用Harris角检测器提取出两幅图像的兴趣点并为每个兴趣点分配一个主方向,采用方向相关系数法提取出初始匹配对,根据特征点之间的关系去除伪匹配对,得到两幅图像的对应兴趣点特征对从而确定变换参数,最后使用加权平均的方法融合图像。实验表明,该算法在图像间存在任意角度的旋转及平移的情形下,能有效地实现图像的平滑镶嵌。     

基于Gabor滤波器的棉花杂质检测算法

棉花杂质检测方法对于提高织物质量和降低生产成本具有重要意义。针对工业环境中非均匀光照条件下的棉花图像设计基于Gabor滤波器的杂质检测算法,依据Otsu法和形态学滤波将图像分割为前景区、背景区和交界区,然后在图像前景和背景区域内分别使用Gabor滤波器提取图像的纹理特征。设计一种针对Gabor滤波输出的自适应阈值分割算法,结合形态学滤波和连通域分析检测出棉花中的杂质。实验结果表明,本文算法有效地消除了由于光照条件造成的干扰,可以精确地检测出棉花中常见的各种杂质。     

基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.对不同的图像采用相同的阈值,边缘检测效果差异很大,这一点限制了Canny算子在实际中的应用.针对这一问题,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于Gabor滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

基于TBD的粒子滤波红外点状动目标跟踪算法研究

提出了一种新的低信噪比红外序列图像运动点目标检测与跟踪算法,该算法有机地结合了TBD检测算法与粒子滤波跟踪算法。首先通过多帧TBD处理后,检测出运动目标的初始位置和运动速度,然后在跟踪阶段采用粒子滤波算法估计目标运动状态,可实现信噪比为2的点目标的检测与跟踪。对真实红外图像序列进行实验仿真,仿真结果证明,该算法具有良好的实时性与很高的精确性。