基于曲率尺度空间的角点检测图像匹配算法

随着计算机技术的发展,提出了优化图像匹配算法,能有效提高图像检测精度。笔者以依托曲率尺度空间的角点检测图像匹配算法为研究视角,在介绍其执行步骤的基础上,通过仿真实例验证其有效性。研究结果表明,这种算法能有效改进图像匹配过程中特征点过渡分离的不足之处,提升其匹配精度约为10%,说明这种算法具有推广应用的价值。     

基于曲率尺度空间的角点检测图像匹配算法分析

计算机技术的发展下,优化提升图像匹配算法,可以提升图像检测精度。基于曲率尺度空间的角点检测图技术,优化设计图像匹配算法,基于曲率尺度空间的角点检测算法进行图像特征点的提取,归一化处理特征点,有助于提高图像匹配精度。利用该算法最终实现图像匹配需求,验证了算法的有效性,改进了图像匹配中特征点过度分离的弊端,提高了图像匹配检测的整体精度约10.0%。该算法发挥了积极应用价值,值得在实践应用中推广。     

基于曲率的尺度空间中的角点增强

角点检测在模式识别、计算机视觉和其它相关领域中占有重要地位．由于无法事先确定应在什么尺度下进行检测，我们很难从平面曲线中准确地提取出角点．本文阐述了通过曲线尺度空间（Curvescalespace）来增强角点的方法．该方法的主要思想是通过曲线的形变（或构造曲线尺度空间）使曲线上的角点随着尺度的增加变得更加突出，以便准确地提取出角点．从广义的几何热扩散方程（GGHF）出发，我们得到了该方法中曲线曲率的演化形式，它揭示了构造基于曲率的尺度空间与形成尺度空间所需符合的准则二者间的本质联系．本文研究GGHF符合尺度空间准则的条件并给出了寻找不同的符合尺度空间准则的曲线演化方法，与此同时，我们给出了角点可被增强的条件．在符合上述条件的前提下，本文给出了一种新的构造尺度空间的方法，该方法符合尺度空间的准则，并能够在去除噪声和不重要的小结构的同时，有效地增强曲线上的重要角点．     

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.     

曲率尺度空间与链码方向统计的角点检测

针对曲率尺度空间角点检测中,由于选择的尺度不同,会造成角点的漏检测,以及检测到错误角点的问题。提出一种基于曲率尺度空间与链码方向统计的角点检测方法。首先在较低的曲率尺度空间上检测出候选角点集;再通过自适应阈值及链码方向统计的方法删除错误角点。该方法采用较低的曲率尺度可检测出更多的角点,降低了角点漏检测率;通过计算椭圆角点自适应阈值可删除椭圆角点;采用Freeman链码方向统计可剔除伪角点;从而提高角点检测精度。通过实验充分验证了本文提出的角点检测算法比其他角点检测算法具有的高效性和准确性。     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。     

基于高斯平滑的自适应角点检测

文中算法首先在曲线尺度空间中通过高斯平滑以消除噪声;然后再基于自适应弯曲度计算和角点筛选准则确定角点,该算法不需要预先输入参数,具有较好的抗干扰性,实现简单有效。     

基于曲率尺度空间的人头检测方法研究

利用人头部轮廓的形状特征,提出一种基于曲率尺度空间的人头部检测算法。算法通过比较分析得出了人头部轮廓区别于其他部分轮廓的形状特征,在多曲率尺度下,计算物体轮廓曲线上每一个点的曲率,结合形状特征信息进行人头部检测。实验结果表明,算法有效解决了复杂背景下的人头检测问题,为人头部检测提供了新的途径。     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

基于改进曲率尺度空间技术的图像水印算法

提出一种新的鲁棒性水印算法,利用改进的曲率尺度空间技术,提取图像的少量较顽强角点,用于重建受几何攻击的图像。选取2个chirp信号作为水印信息,将其嵌入图像的分数傅里叶变换（FRFT）域,选用变换阶次和水印嵌入位置矩阵作为算法密钥,根据chirp信号在FRFT域呈现的冲激特征检测水印信号。仿真实验结果表明,该算法具有较高不可见性、安全性和鲁棒性。     

多通道奇Gabor梯度相关矩阵的角点检测算法

为了抑制边缘轮廓平滑导致角点定位精度的下降,提出多通道奇Gabor梯度相关矩阵的角点检测算法。该算法是在Gabor滤波器的基础上,利用8个通道的奇Gabor滤波器对输入图像进行变换;然后利用每个像素与其相邻像素的Gabor梯度相关性构造自相关矩阵,若像素点的自相关矩阵对应的归一化特征值的和是局部极大值,则标记为角点。实验显示,与Harris算法、曲率尺度空间(CSS)算法等经典算法相比,该算法的平均正确检测率提高了约17.74%,平均定位误差降低了约18.15%。结果表明,所提出的算法具有更好的检测性能,并获得了较高的角点检测率及较好的定位精度。     

基于AP聚类图像分块的角点检测改进方法

将已有改进的Harris角点检测方法应用于图像拼接时,在单一尺度下检测角点会存在角点信息丢失、角点位置不准确和对噪声敏感致使检测率不高等缺点。为此,结合双边滤波和多尺度检测,提出一种Harris角点检测改进方法。采用双边滤波器代替原有的高斯低通滤波器,以增强方法的鲁棒性,引入近邻传播聚类方法将图像分块,避免因阈值问题造成角点分布不均,并将多尺度概念引入到改进方法中,判断候选角点是否为真实角点,剔除伪角点,使得角点检测更加精确。在 VS2010+OpenCV平台上进行实验,结果表明,与基于图像分块的多尺度Harris角点检测方法相比,该方法在去伪角点、漏检、准确度等方面取得了更好的效果,且具有更好的抗噪性。     

基于双目立体视觉的西瓜子三维形态检测

为提高西瓜子自动筛选系统的性能,提出一种用于度量和处理西瓜子弯翘度的方法.把双目平行立体视觉与骨骼线相结合,利用双目立体视觉技术重建物体表面的三维信息.将该信息进行正交投影,分别得到西瓜子在前视图和侧视图的轮廓.利用曲率尺度空间与骨骼线相结合的方法对侧视图的瓜子轮廓进行特征提取.实验结果表明,该方法对弯翘瓜子有较高的识别精度.     

基于聚类分割和特征点的显著区域检测算法

针对彩色图像中的显著区域检测,对基于聚类分割的特征点检测算法及基于亮度、颜色和梯度多特征的显著区域检测算法进行了研究,提出一种基于特征点和聚类分割的显著区域检测算法,该算法的处理思路是先对目标彩色图像利用高斯低通滤波和局部熵纹理分割去除纹理区,得到R、G、B分量的滤波灰度图,聚类分割自动划分出每个分量的最亮区域、最暗区域和剩余区域这三个区域,每个颜色分量选择最亮或最暗这两个区域与剩余区域亮度差值最大的一个区域,对此选择区域边界进行角点、边缘点检测,将其角点和边缘点作为显著点,然后通过数学形态学将显著点扩展到显著区域.利用公共数据库中的多幅自然图像进行实验对比,实验结果显示本文所提算法不仅提高了检测准确性,同时简化了计算过程,验证了该算法在提取尤其是纹理复杂的图像的显著区域上的有效性.     

近邻传播聚类优化的角点检测改进算法

针对传统Harris角点检测算法和目前一些改进算法应用在图像拼接时,仍然可能存在只可在单一尺度上检测、角点位置不准确、伪检和对噪声敏感致使检测率不高等缺点,提出一种基于AP聚类角点提取优化的双边滤波（BF）角点检测改进算法。该算法在对图像进行双边滤波和多尺度角点检测的基础上,采用一种新型的聚类算法--近邻传播聚类算法（AP聚类算法）,对候选角点提取真实角点的效率进行优化,并对角点算子进行改进。实验是在VS2010+OpenCV平台实现的。结果表明提出的改进算法不仅提高了角点提取效率,而且更加精确地检测图像角点,具有更好的效果,更强的实用性。     

双目立体视觉中的图像匹配方法研究

对目前匹配能力很强的基于SIFT特征的图像匹配方法进行研究,并在该方法中加入极线约束,有效去除了大部分虚假匹配。提出以特征匹配与区域匹配相结合、边缘特征与角点特征相结合的立体匹配方法。实验证明该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度。     

保持边缘和细节的彩色图像自动平滑

提出了一种新的彩色图像自动平滑方法。该方法首先根据人眼视觉系统的空间模糊特性;由观测距离自动确定初始高斯模板;并进一步从人眼视觉感知中的彩色细节失明及同时对比特性出发;利用象素间的色差和位置关系确定最终的高斯权值矩阵。算法对图像进行平滑的同时;可以保持图像细节和边缘不变。实验结果表明了算法的有效性。     

基于小波变换和K-means的非结构化道路检测

道路检测是智能交通视觉系统的一个重要组成部分,为提高复杂环境下非结构化道路检测的实时性、准确性和鲁棒性,提出一种新的道路检测方法。该方法利用高斯金字塔对图像进行降采样,压缩图像数据信息,对图像进行双边滤波,抑制噪声,采用基于小波变换求模极大值的方法对滤波后的图像提取边缘,通过阈值法去除非道路边缘点,给出基于斜率和截距的K-means聚类算法,实现道路方程拟合。实验结果表明,与传统最小二乘法相比,该方法能在道路场景较为复杂的情况下更准确地实现非结构化道路检测,并提高实时性。