点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。     

一种改进的多尺度自适应角点检测方法

现有的多尺度曲率乘积算法MSCP(Multi Scale Curvature Product)在检测过程中存在漏检和误检的现象,并且由于阈值设置不合理容易导致算法不稳定。针对以上不足,提出一种基于曲率多尺度的自适应角点检测算法AMCP(Adaptive Multi-scale Curvature Polynomial)。首先,结合尺度多项式的方法,不仅显著增强了曲率极值点的峰值,而且避免了曲率积对一些角点平滑;然后,构造局部曲率显著度LCCS(Local Corners Curvature Saliency),从而用自适应的阈值代替全局阈值,增强算法应对尺度,旋转等变化的鲁棒性;最后,提出曲率增长度的方法,通过该方法有效地区分圆角点和钝形角点。通过实验表明,AMCP算法提高了角点检测的正确率以及稳定性,相较于MSCP算法以及改进的CSS(Corner Detection Through Curvature Scale Space)算法具有更加优越的检测性能。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

基于细节增强的自适应Harris角点检测算法

针对传统Harris角点检测法计算速度较慢、聚簇现象较严重和在纹理信息少的区域提取角点数较少等不足,提出一种自适应Harris角点检测法,该算法利用巴特沃斯滤波器增强小波细节系数,通过计算角点响应函数的二阶值设定自适应阈值,从而提高Harris角点检测的精度和效率.实验表明,与传统的Harris角点检测法比较,该方法检测速度较快、角点的分布较均匀,且伪角点较少.     

基于低层次计算机视觉的超分辨率图像重建

在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术。首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作。其次,提出了一种适合于超分辨率图像重建的插值算法：基于圆区域的自适应插值算法。该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起。大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现。     

一种自适应阈值的预筛选Harris角点检测方法

为克服Harris角点检测算法中漏检正确角点和提取出较多伪角点的问题,以及在对不同图像处理时,非极大值抑制无法设置通用阈值的现象,本文在进行非极大值抑制时采用自适应阈值,从而可得较多的正确角点。为进一步抑制角点检测中的伪角点数目并提高处理大图像的算法效率,加入预筛选得备选角点这一步骤,通过在进行Harris角点检测之前就先去除部分肯定不可能是角点的像素点,以减少最终得到的伪角点数,并有效地减少了运算量,提高了效率。实验结果显示改进的Harris角点检测算法的运行时间仅为原始算法的30%,且可以得到更多的精确角点和更少的伪角点,具有很好的角点检测性能。     

基于角度累加的鲁棒角点检测算法EI北大核心CSCD

为了更好地进行角点检测,提出一种基于角度累加的鲁棒角点检测算法.首先定义反映边缘点特征的角度累加概念,并在"单弦"下计算边缘点的角度累加值来获取候选角点,避免邻近角点的丢失;然后构造局部自适应阈值来去除圆形角点,并提出其支撑邻域和比例系数的选取方法;最后通过"多弦"下的角度累加乘积来获取角点特征值,并构造全局阈值来去除虚假角点.实验结果表明,该算法提高了角点检测正确率,并且在角点重复率及定位误差方面也优于其他算法.     

基于FPGA的自适应阈值Harris角点检测硬件实现

基于FPGA实现了一种自适应阈值Harris角点检测,用于解决低成本ARM处理器无法实时检测到目标角点的问题。该算法首先对整帧像素点进行预筛选,将筛选通过的点进行Harris角点检测,通过设置容忍距离剔除伪角点,得到最终角点并通过LCD屏实时显示。采用自适应阈值方法来解决单一阈值不适应于多样化环境的问题,使每帧(分辨率为480×272)都能检测到大约120个角点,在低成本FPGA芯片Spartan6 XC6SLX45上验证实现。实验结果表明,该实现方法处理速度为115 f/s,能高效准确地检测到目标角点,满足精度、稳定性和实时性要求。     

海事监管中无人机航拍图像快速拼接算法

针对海事监管中航拍图像拼接生成大视场图像的时效性较低以及配准准确性不高的问题,提出了一种快速高效的无人机(UAV)航拍图像拼接算法.根据海事监管辖区航拍图像特点缩小了角点搜索范围,通过设定自适应的梯度阂值和角点响应函数阈值筛选角点,通过局部最大角点响应函数值取舍准则实现了角点均匀化分布;采用基于相位相关的模板粗匹配方法和带有特征约束的RANSAC细匹配方法求出最优变换矩阵;利用人眼的视觉特性改进传统加权平均融合算法的加权因子使图像拼接过渡自然.实验结果表明:算法具有较好的自适应性,在拼接效率和准确率上较传统算法有了很大改善.     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

基于高斯变换的多尺度SUSAN角点检测方法

针对传统SUSAN算子只能在单一尺度下检测图像中角点的不足,提出一种基于高斯变换的多尺度SUSAN角点检测方法。该方法利用高斯变换获得待检测图像的多尺度分层图像,以构建高斯金字塔,结合自适应阈值的SUSAN算子检测出不同尺度下的角点作为候选角点,将其还原到原始图像中的相应位置构成候选角点集,在候选角点集中经小邻域信息筛选获得最终角点。实验结果表明,该方法不仅能够在不同尺度下有效获取有用的角点信息,而且提高SUSAN算子正确率的同时,降低了角点的伪检率。     

基于灰度差统计的角点检测方法

提出了一种新的基于灰度差统计的角点检测方法。该方法以原始图像全图的灰度差统计结果作为出发点，采用的灰度脊跟踪算法和累积角度判别原则不仅能提供角点的准确位置，还能确定各角点的开张角度和方向。由于省略了边缘检测过程，因此较大地提高了角点检测的效率。实验证明该方法应用在大部分真实图像的角点检测效果优异，同时运行速度能满足大部分角点检测应用的需要。     

融合边缘和角点特征的实时车辆检测技术

采用一种快速角点提取方法来提取角点特征,克服阴影干扰,并与边缘特征融合实现车辆检测.提出一种加入噪声自适应求取边缘二值化阈值的方法,有效抑止不同光照条件、路面强噪声,实现强边缘提取.利用车牌和通风栅格、车辆轮廓特征,解决拥堵检测问题.根据前后帧图像特征预估车速,极大减少了误触发.采用SVM进行有、无车分类.给出夜晚检测方法.实验表明本文算法较好的解决了车辆检测,特别是拥堵时的车辆检测.     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

关键点检测的线要素综合算法

提出一种基于关键点检测的线要素自动综合算法。利用角点检测器检测出所有角点,并从中筛选出关键点作为必须保留的点,以保证线要素的基本形态得到保持;线要素在关键点处分段后,各段分别采用Li-Openshaw算法进行综合。实验结果表明,该算法较传统算法能够更好地保持线要素的形状特征,且具有更高的位置精度。     

线搜索式角点检测方法的参数自适应设计

针对线搜索式角点检测方法存在全局固定阈值对实际图像的光线不均匀等不良现象适应性不足的问题,提出了有关参数自适应的设计方法.在原角点检测基本方法的基础上,首先根据局部区域的对比度信息,设计了同值收缩核(USAN)阈值的自适应动态产生方法.其次,给出了高斯去噪的实施建议,以提高线搜索式角点检测方法的抗噪性能,并给出了其他参数值的动态取值建议.实验结果表明,在本文的参数自适应设计方法下,线搜索式角点检测变得更为实用方便,比原固定阈值的基本方法更能适应光线不均匀现象,对于内容、品质差异较大的图像无需频繁调整参数,仍能保持很高的正检率水平,同时伪响应也处于可接受的水平.     

基于支持向量机的垃圾邮件过滤方法

目前用于提取新闻视频帧中字幕的方法准确率和检测速度普遍较低,尤其对于分辨率和对比度较小的标题文字,检测效果很差.针对上述问题,提出一种基于角点检测和自适应阈值的字幕检测方法.该方法利用角点检测确定标题帧中的文字区域并进行灰度变换,利用自适应阈值的方法对其进行二值化,得到OCR可识别的文字图片.实验表明,该方法可以快速有效地提取出分辨率和对比度较小的新闻视频标题字幕.     

基于角点检测和自适应阈值的新闻字幕检测

目前用于提取新闻视频帧中字幕的方法准确率和检测速度普遍较低,尤其对于分辨率和对比度较小的标题文字,检测效果很差。针对上述问题,提出一种基于角点检测和自适应阈值的字幕检测方法。该方法利用角点检测确定标题帧中的文字区域并进行灰度变换,利用自适应阈值的方法对其进行二值化,得到OCR可识别的文字图片。实验表明,该方法可以快速有效地提取出分辨率和对比度较小的新闻视频标题字幕。