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。     

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。     

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.     

基于预检测SUSAN算法的图像拼接

为了快速精确提取图像角点,提出了一种基于预检测的SUSAN角点提取方法.文中首先采用预检测的方法排除部分伪角点,对预备角点采用SUSAN算法检测出图像的角点.然后采用图像分块技术和近邻角点排除方法来保证角点分布均匀,没有成簇现象,保证后续图像拼接的精度.实验结果表明,此方法不但能提高角点的检测速度,而且能合理地提取图像中的角点,提高角点的检测精度,进而提高图像拼接的速度和精度.     

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。     

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。     

基于SURF算法的微观驱替图像配准

针对快速鲁棒特征(SURF)算法对微观驱替图像进行配准存在的误匹配比例较高和由于提取的特征点过多导致时间偏长的问题,提出了一种改进的 SURF算法.利用了微观驱替模型的特点,提取出信息量相对比较丰富的边界,仅在边界和边界附近提取特征点.借鉴了 Hassion角点检测的方法,筛选出那些满足设定条件的稳定的特征点.实验证明,本文提出的方法在匹配正确率上得到了提高.同时,特征点匹配的耗时有所减少.     

一种改进的SIFT特征点匹配方法

提出了一种改进的SIFT特征点提取算法.首先利用Canny算法进一步剔除影响匹配结果的边缘点,然后利用SIFT特征提取结合Harris角点检测算法来提取更加稳定的特征点,并采用基于圆形窗口的48维向量来进行特征描述,最后利用最近邻搜索进行特征匹配.实验结果表明,该算法比原算法精度更高,并且时间复杂度有所降低,适合用在实时性要求较高的场合.     

基于灰度特征的棋盘格内角点检测算法

标定物特征点的定位精度能直接影响相机标定的精准度，为提高检测的精度和效率，提出了一种基于灰度特征的棋盘格内角点检测的改进算法。通过分析角点的灰度分布特征，首先利用3×3环形邻域模板对初始角点预筛选；随后通过计算初始角点的BW算子响应值实现对棋盘格边缘角点及伪角点的剔除；最后结合改进的角点响应函数确定最终内角点。实验结果表明：运用改进算法在不同光照及噪声的影响下检测结果无漏检及误检，单幅图像所需检测时间为0.225 s,平均重投影误差结果为0.045像素，能为相机的高精度标定提供更精准可靠的数据。     

基于FAST改进的快速角点探测算法

提出了一种改进的快速角点探测算法.该算法基于FAST算法,首先对角点进行粗提取,即如果某点为候选角点,那么在该点的某个圆形邻域的圆周上应有足够多的点,这些点的灰度值与该点的灰度值之差的绝对值应大于自适应阈值;然后利用海森矩阵去除不稳定的边缘点;最后计算候选角点周围邻域内像素点的拉普拉斯值,只有取得拉普拉斯极值的候选点才能最终确定为角点,进一步剔除了虚假角点.实验表明:改进后的算法具有运算量小、定位精度高以及抗噪能力强的特点,更能满足实时应用的要求.     

基于非线性复扩散及全局和局部特性的医学图像角点检测

常规的角点检测方法通常只考虑曲率极大值的局部特性,且在单一尺度下进行,易受噪声的影响,造成角点的漏检。为了克服这些缺陷,本文采用将多尺度分析的非线性复扩散处理方法与边缘点曲率极值的局部和全局特性相结合进行角点检测的方法。首先对图像进行保护边缘的非线性复扩散,以获取不同尺度的图像信息;然后针对不同尺度下图像的实部和虚部,进行基于全局和局部特性的角点检测,除考虑角点曲率极值的局部特性外,还将其与邻近点曲率的关系作为全局特性加以比较,最终确定角点。实验结果表明,本文方法可以有效地去除噪声的干扰,提取的角点数目多,避免漏检,位置准确。     

基于角点灰度分布特征的棋盘格角点检测

在摄像机标定过程中,较差的光照条件和镜头畸变会造成棋盘格角点漏检和角点冗余。分析了角点的灰度分布特性,提出一种基于角点灰度分布特征的棋盘格角点检测算法。为确保在较差光照条件和镜头畸变下,棋盘格图像角点不漏检,算法首先利用角点的灰度分布特性提取候选角点;然后通过迭代的方式提高候选角点的精度并再次结合棋盘格角点的灰度分布特性剔除候选角点中非角点处的伪角点,避免棋盘格角点冗余;最后通过角点处的邻近点合并获得最终的棋盘格角点坐标。实验结果证明,在较差的光照条件和镜头畸变条件下,本算法角点无漏检和冗余。将该算法提取的棋盘格角点应用于摄像机标定,结果显示重投影误差的均方差在0.1pixel范围以内,优于其他算法。     

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.     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

一种基于角点检测的实时自动对焦方法及实现

为了满足热像仪在不同场景下自动对焦的功能需求,对现有多种自动对焦实现方案的优劣势进行了评估分析,并选择了一种基于角点检测算法的对焦方案。通过检测图像中的角点数量来实时判断图像的清晰度。根据热像仪FPGA图像处理系统的性能对该算法进行了改进与优化,并提出了多阈值角点检测实时对焦方法。根据当前场景的对焦状态,热像仪可自主判断是否执行对焦操作,以适应不同检测场景的需求,最终实现其在不同场景下的实时自动对焦功能。     

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。     

使用12像素对称模板的棋盘格内角点检测

棋盘图像的角点提取问题往往决定着三维测量中摄像机标定的精度。针对SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法无法区分棋盘标定板内角点与边缘点的缺陷,提出一种12像素对称灰度模板检测算法。该算法首先根据棋盘格内角点周围像素的中心对称性分布,设计一种12像素对称USAN模板,可以迅速区分出内角点与边缘点,同时将内角点与平坦区域作为候选点。再结合灰度均方差算子,利用平坦区域灰度方差较小的特点将其剔除,最终实现对棋盘格内角点的高效检测。同时,该算法在检测过程中完全摒除易受外界因素影响的外圈角点,以保证角点提取时的精度。实验结果表明:新算法对9阶棋盘格的检测时间为1.244577s;用于张正友标定方法之后,得到的检测重投影误差仅为[0.3,0.3]像素。这两项指标,均优于传统SUSAN算法。     

基于PTS相位因子估计的PAPR抑制优化算法

介绍了几种基于PTS的改进算法,并且在其中一种称为相位因子估计算法的基础上提出了一种新算法,新算法在原方法中引入了预选向量法和快速判断法,以求降低算法的复杂度.通过仿真证明,优化算法与原算法相比复杂度降低了1/2左右,PAPR损失小于0.5 dB,表明该优化算法非常适合在子向量数y值较大(一般大于8)的OFDM系统中使用.