一种基于线特征的快速角点检测算法*

为了提高角点检测的准确性和快速性,通过分析穿过角点的直线所具有的特性,提出了一种基于非终结线数目的快速角点检测算法。该算法以当前像素为核心作用一个圆形模板,计算穿过核心的非终结线的数目换算值,当该值位于给定的阈值范围内时,则当前像素为角点。针对伪响应,提出了一种基于非终结线均匀程度的非极大值抑制方法。通过实验验证了新算法的可行性,以及在准确性和快速性上所具有的优点。     

基于视频角点特征匹配的车速检测方法

针对传统特征匹配车速检测方法实时性较差的问题,提出一种改进的角点特征匹配车速检测方法。基于视频图像,采用混合高斯模型检测方法提取运动车辆目标,利用Harris算法检测车辆目标的角点特征,将运动估计和NCC匹配相结合,优化匹配区域搜索方法,对车辆目标角点进行角点粗匹配,再通过RANSAC算法进行角点精匹配和单视测量坐标转换以实现车速检测。实验结果表明,与传统方法相比,该方法的角点粗匹配速度提高400％,角点精匹配速度提高200％,车速准确性达到90％以上,能有效提高车速检测的实时性和准确性,满足实际车速检测的要求。     

一种快速自适应RSUSAN角点检测算法

根据图像边缘灰度的渐变性，我们重新定义SUSAN(Small Univalue Segment Assimilating Nucleus)算法中小核值相似区；并找到一种更为有效和简便的计算小核值相似区面积的方法；在此基础上提出了RSUSAN(Redefined SUSAN)角点检测算法。与经典的角点检测算法SUSAN、MIC(Minimum Intensity Change)相比，RSUSAN具有角点检测准确性高，计算简单，运算速度大为提高等优点。对于模糊、噪声大的图像本文还进一步提出了采用自适应平滑和RSUSAN相结合的方法，称为自适应RSUSAN算法。实验证明，相比较SUSAN、MIC算法而言，自适应RSUSAN算法没有显著地增加计算量，而且在对模糊、噪声大的图像进行角点检测时，虚报及漏检概率大大减少，对噪声的鲁棒性好，角点检测位置精确。     

基于区域划分的角点检测

本文主要研究角点检测中全局/局部的搜索算法,针对该算法效率较低的情况提出了改进的角点检测算法. 该算法采用相似金字塔计算原理构造多层图像,同时采用多尺度Harris算子分层搜索并提取图像特征角点,经过分层图像、分区域图像的特征角点进行融合计算,实现了目标特征点寻找. 该算法主要在角点检测上考虑不同层次的图像和单张图像区域关系,并且通过特征点周围像素的变化参数来实现目标的定位. 实验结果表明,本文提出的改进算法提高了总体定位的速度,降低了误定位的概率.     

随机Hough变换实现角点检测

为实现角点的有效检测,提高检测速度,提出一种基于随机 Hough变换的角点检测方法。利用随机 Hough变换求取出直线参数;根据角点在 Hough空间中的特征,利用反 Hough变换的反演原理对参数空间中的峰值进行反变换,定位图像空间中的直线交点;为避免虚假角点,将那些附近不包含任何边缘的交点删除,得到正确的角点。实验结果表明,该方法相对于 Harris算法和SUSAN具有更好的准确性、鲁棒性和稳定性,实时性也有一定提高。     

基于弧思想的改进的角点检测算法

针对传统的角点检测方法速度较慢、精度不高的情况,为提高速度抑制噪声,提出了一种快速、高精度的角点检测算法。算法在设计上考虑的是USAN区域所对应的弧的像元灰度与角点的相似性来完成角点的提取,使得处理的数据大为减少,同时能保证检测的准确性等其他指标;并且针对阈值k和t固定选取的问题,采用了一种自动选取阈值的方法。通过该算法和SUSAN算法、CSS算法在正确性、漏检、精度等方面的综合比较,结果表明该算法无论对模拟图像还是真实图像均具有良好的性能。     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题.为此,对面向图像角点特征取证的人工智能检测进行研究.通过在不同干扰情况下对图像做简化处理,完成特征取证.采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测.结果表明...     

一种改进的线搜索式角点检测方法

针对线搜索式角点检测方法在对实际图像进行应用时检测效果的不足,提出一种角点优先级的判别函数,应用自适应非最大抑制（ANMS）,并结合二次过滤器来提升检测速度并控制角点数量,使检测出的角点均匀分布,避免角点聚簇的现象。实验结果表明,改进后的算法能使角点检测更为迅速且分布更为合理均匀,能够很好的适应图像拼接等实际应用。     

输送带跑偏检测方法研究

基于机器视觉的输送带跑偏检测方法检测的输送带边缘特征中包含伪边缘,现有研究难以识别伪边缘,且多场景适应性差。针对该问题,对输送带监控图像提取感兴趣区域（ROI）并进行归一化,采用较大阈值区间的Canny算法提取边缘特征点,以提高算法的场景适应性,并采用形态学滤波方法处理部分杂质及伪边缘;对于Canny算法无法检测到有效边缘的图像,对提取的ROI进行伽马变换和45,135°方向的梯度滤波,以增强边缘特征,之后进行基于Canny算法的特征点提取和形态学滤波。以边缘点像素值关系、邻域特征、紧密性特征,以及边缘线长度、相对位置、斜率等作为约束条件,采用基于分治搜索思想的直线筛选排序算法对提取的边缘特征点进行筛选及拟合,得到输送带实时边缘。将实时边缘的像素值与未发生跑偏时边缘像素值做差,得到当前跑偏的像素值。试验结果表明,针对多种场景下的输送带监控图像,基于Canny算法和直线筛选排序的输送带跑偏检测方法检测误差小于3个像素值,百张图像检测时间为6.945 1 s,边缘计算机处理4路视频图像的CPU占有率为132%,满足现场输送带边缘检测的准确性、实时性要求。     

一种改进的角点探测方法

提出了一种改进的角点提取算法。该算法是基于角点的性质,即在角点的某个邻域内,图像灰度变化在任意一条通过该点的直线上都很大。本文利用此性质对象素点直线方向上灰度变化值求取极值,建立角点候选点。再通过SUSAN特征检测原则进一步剔除虚假角点。测试表明改进后的算法具有运算量小,定位精度高,抗噪能力强的特点,易于实时实现。     

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.     

一种两点间直线搜索的输电线检测方法

在无人机应用于输电线巡检背景下,为了方便后续的输电线故障检测与分析,提出了一种两点间直线搜索的输电线检测方法。首先,通过方向可控滤波器对无人机图像进行分割。然后,通过所提出的基于圆搜索(CBS)直线段检测方法进行直线段检测。最后,通过所提出的连接算法进行直线段连接。通过在人造图像上的直线段检测实验,证明该方法是一种有效的直线检测方法。随后,通过在实际场景的无人机图像上进行实验,证明该方法是一种有效的输电线检测方法。     

改进Harris特征的印刷体图像检索

目的 文档图像检索过程中，传统的光学字符识别（OCR）技术因易受文档图像质量和字体等相关因素的影响，难以达到有效检索的目的。关键词识别技术作为OCR技术的替代方案，不需经过繁琐的OCR识别，可直接对关键词进行检索。本文针对Harris算法聚簇现象严重和运算速度慢等问题，在关键词识别技术的框架下提出了改进Harris的图像匹配算法。方法 基于Fast进行特征点检测，利用Harris进行特征描述，并采用非极大值抑制的方法，最后利用暴力匹配中的汉明距离进行特征的相似性度量，输出最终的匹配结果。结果 实验结果表明本文算法在特征提取上的时间为0.101 s，相对于原始Harris算法的0.664 s和SIFT算法的1.066 s，实时性方面有了明显提高，改善了原始算法的聚簇现象，并且在无噪声的情况下，准确率达到98%，高于Sift算法的90%，召回率达到87.5%，而且在固定均值，不断提高方差的高斯噪声条件下，与Sift算法相比，准确率也高于后者，取得了较好的实验效果。结论 本文提出的方法满足了快速、精确的查找需求，在印刷体图像的文档图像检索中有效提高了检索率，具有较好的实验效果。     

一种快速自适应的角点检测算法

基于SUSAN原则提出了一种新的快速自适应角点检测算法,在几个方面进行了改进:以局部自适应阈值代替整个图像的固定阈值,提高了算法的自动处理能力;改进了响应函数,仅通过扫描模板边缘像素获取更多的角点信息,也简化了计算步骤;通过预处理,逐步缩小候选角点的搜索范围.实验证明,这是一种快速有效的角点检测方法.     

基于夹角的直线检测算法

为了能有效解决Hough变换计算量大、处理速度慢等问题,提出了一种基于夹角的直线提取算法.该算法直接在图像空间提取直线,通过判断图像中任意三点形成的直线夹角,获得一条可能的直线,然后再在数据空间中进一步判定这条直线的真实性.实验证明,该算法具有较高的直线检出率、检测精度和运行速度,与具有类似检出率的算法相比虚假直线数较少,综合性能具有优势.     

基于改进Hough变换的角点提取

提出了一种有效的角点提取的方法.在该方法中,角点将被定义为二条(或二条以上)直线的交点,并利用Hough变换来检测直线.若存在二条(或二条以上)直线经过某点,则该点就被认为是角点(角点候选点).对Hough变换中的映射方式作了改进,在传统的映射中采用的是"一对多"或"多对一"的映射方式,而在改进方式中采用的是"多对多"的映射方式.在这种映射方式下,Hough变换的参数空间不会发生峰值扩散的现象,这样会更有利于峰值的检测(直线检测),从而更有利于角点的检测.实验证明,该方法能精确有效地提取出图像中的角点.     

一种遥感图像中建筑物的自动提取方法

目前,传统建筑物识别方法通常采用基于建筑物边缘线性特征的识别算法,这类方法具有简单高效的优点,但识别率较低。该文提出了一种综合利用建筑物的若干特征进行自动识别的方法。首先用Canny算子提取边缘。然后根据建筑物的空间分布特点和Hough变换特性。在Hough变换域进行建筑物边缘方向统计来筛选边缘线段,提取出潜在的目标边缘线段;接着该文提出了对建筑物的几何特征（例如矩形特征、角点特征和阴影特征等）和灰度特征进行识别的算法,将其识别结果做为判定建筑物目标的依据,最终准确地提取出建筑物。大量实验证明该方法相比较单一的线性特征检测方法,速度快、准确率高．具有较强的实际应用价值。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。