一种改进的亚像素角点提取算法

针对Harris角点检测过程中存在定位粗糙、检测精度不高以及检测效率慢等原因,该文在Harris算法的基础上,结合Harris算子和Forstner算子提出一种改进的亚像素角点提取算法。该算法采用一种逐层检测策略,首先利用Harris算法进行角点粗略定位,首先对角点做一个初始选择,利用图像领域灰度相似度得到大部分角点的粗定位值,大大降低了算法的运算量,然后通过计算自相关矩阵的两个特征值,利用特征值和阈值比较筛选得到全部角点的粗定位值,避免了CRF（corner reference function角点响应函数）的计算,最后利用Forstner算子对粗定位后的角点进行亚像素级精确定位。实验证明,该算法不仅保证Harris算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且抗噪声性能较强。     

摄像机标定中亚像素级角点检测算法

针对摄像机标定中棋盘图像的角点检测问题,提出一种简单而有效的亚像素级角点检测算法.综合使用Harris算子、SVD方法、内插值法以及Forstner算子,能快速准确的提取棋盘图像的角点.该方法具有两个明显优点:利用SVD方法,能够自动去除歧义角点;定位精度高,摄像机标定实验中,角点的平均位置偏差在0.1个像素左右.     

基于GPU的实时亚像素Harris角点检测

针对Harris角点检测精度和检测速度问题,利用现代图形处理器(GPU)对角点检测算法进行改进,提出一种基于GPU的快速亚像素Harris角点检测算法,该算法利用了GPU的并行处理能力和亚像素Harris角点检测算法的并行性特点。实验结果表明,对于分辨率为720×720的24 bit视频图像,该算法能够实现实时的亚像素级Harris角点检测。     

改进的圆形标志亚像素级中心检测方法

针对现有亚像素级边缘检测算法过于依赖图像灰度值,且计算邻域不明确等不足,提出一种改进的圆形标志中心亚像素级检测方法。利用双阈值法得到边缘的粗定位点,将坐标轴按粗定位点的梯度方向进行旋转,在新坐标系下通过邻域控制参数S的自适应选择,选取合适的邻域进行边界点的亚像素级定位,利用椭圆拟合确定目标边缘。通过Matlab编程实现算法,并与原算法进行比较,结果显示改进方法的精度较高,可满足摄影测量等光电测量的要求。     

一种大场景下的棋盘靶标角点自动定位算法

针对棋盘图案,提出一种亚像素精度的角点自动定位算法．该算法采用由粗到精的分层次检测策略,首先通过投影算法自动定位靶标图像中棋盘子图像的大致位置;其次在棋盘子图像中进行Hough变换,并根据角度投影图和幅值投影图进行棋盘角点的初步定位;最后在初步定位的角点邻域内通过高斯灰度插值和Harris算法得到最终的亚像素精度的角点位置．此外,本文还利用Hough变换提取的直线对角点进行自动排序．实验结果表明,该算法自动化程度较高,能够在大场景中自动定位靶标及其角点位置,而且精度较高,适用于大场景环境下畸变较小的摄像机的标定．     

基于正交Fourier-Mellin矩的改进亚像素边缘检测算法

提出一种改进的亚像素级边缘检测算法,该算法先用像素级边缘检测算子(Canny算子)定位所有可能的边缘点位置,再利用正交Fourier-Mellin矩(OFMM)算子的低径向阶与旋转不变特性在已有像素级边缘位置上进一步定位亚像素级边缘位置。实验表明,同等条件下该算法运算效率较高,不仅具有较高的检测精度(小于0.2 pixel),且算法耗时较短。     

基于亚像素边缘定位的排针参数精密测量

为了提高排针参数的检测效率和精度,提出了一种利用亚像素边缘定位对排针进行非接触测量的方法.首先采用LOG算子对图像进行整像素级的边缘粗定位,在抑制噪声的同时,保持图像边缘的完整性.然后采用改进的Zemike矩进行亚像素边缘定位.最后通过最小二乘法拟合离散的边缘点得出排针的精确边缘.实验结果表明,该方法边缘定位精度高,稳...     

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息嫡值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。     

基于气门油封的亚像素边缘检测

针对气门油封的尺寸检测问题, 本文提出了一种基于Zernike矩改进算法的亚像素边缘检测方法. 首先, 对比分析了高斯滤波和双边滤波的预处理效果, 结果表明双边滤波在滤波和保留边缘信息方面具有更好的表现. 然后, 采用Canny算子进行边缘粗定位, 并利用自适应的Zernike矩过度模型进行亚像素级定位. 最后, 采用最小二乘拟合圆法获取圆心坐标和半径. 经试验证明, 优化后算法的边缘定位平均误差更小, 精度更加准确.     

改进的Harris亚像素角点快速定位

针对Harris算法检测角点存在偏差、运算慢、像素级精度难于满足实际应用需要等问题,改进了Harris角点检测方法。该方法在Harris提取角点过程中,通过两次角点筛选,剔除非角点和伪角点,利用角点响应函数执行非极大值抑制,以局部角点响应函数最大值的像素点作为初始角点,并以该初始角点为中心,以一定半径搜索角点簇,采用最小二乘法加权角点簇与待求角点的欧几里得距离,精化初始角点坐标,从而实现Harris亚像素角点准确快速定位。实验结果表明了该方法的有效性和实用性。     

基于滑动边缘点的高斯拟合亚像素定位算法

为满足机器视觉装配过程中对加速度计零部件的精确定位要求,提出一种改进的高斯拟合亚像素边缘定位算法。该算法首先在粗定位边缘点梯度方向选取一系列邻近点。然后以粗定位边缘点为当前边缘点,选取拟合点进行曲线拟合。最后,根据曲线拟合质量动态滑动当前边缘点,重新选取拟合点并进行曲线拟合,通过滑动当前边缘点来搜索亚像素边缘点位置。仿真实验表明,在处理经过平滑加噪后的理想圆时,其定位精度优于0.012个像素。实际应用与模拟实验表明,该算法能够修正图像因粗定位不准而带来的亚像素定位误差,获得离粗定位边缘点最近的亚像素边缘点位置。与先验算法相比,改进算法具有更高的精度和实用性。     

一种自动检测棋盘角点的新算法

提出了一种自动获取棋盘角点的新算法。该方法采用由粗到精的多层次检测策略，通过综合使用Radon变换、Harris算子以及Forstner算子，能够快速准确地提取出图像中的棋盘点。与传统方法相比，该算法具有两个明显的优点：无须人工干预，能够自动确定角点位置；定位精度高，角点的平均位置偏差在0.1个像素以内。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

Canny算子子像素边缘检测方法

在Canny算子的基础上,通过对梯度模值的内插求得沿边缘点梯度方向上相邻像素的梯度模值,利用这些梯度模值拟合二次曲线求出其极大值得到子像素定位的精确位置.通过推导,证明了梯度模在梯度方向上的极大值点就是边缘的精确位置.该算法在几乎没有增加计算量的前提下将Canny算子边缘检测精度提高到了子像素级.     

基于局部方向分布的角点检测及亚像素定位

提出了一种基于局部方向分布的角点检测与定位算法.该算法主要由两步组成,首先利用绝对角点能量和相对角点能量进行角点检测,然后使用最小二乘技术拟合支撑像素方向线的交点得到角点的亚像素位置.实验结果表明,相对于常见的角点检测算法,基于局部方向分布的算法不仅具有更高的定位精度,同时对噪音也有较强的鲁棒性.     

基于段测试的X角点检测与亚像素定位

针对X角点快速检测和精确定位要求,提出了一种实时识别、定位X角点的方法:首先,根据X角点图像对称性和亮度分布特征,筛选出候选X角点;随后,对候选X角点进行段测试,确认候选X角点,并检出测试段中位于图像边缘上的像素,进行角点的亚像素定位.与Harris算法比较,该方法能有效检测X角点并排除其他类型角点,具有较高的定位精度...     

头盔瞄准具精度鉴定试飞图像判读技术研究

头盔瞄准具精度鉴定课题是我国某新型直升机进行鉴定试飞的重要科目之一。飞行实验中采用了基于机载数字影像的头盔瞄准具精度鉴定非接触测量方法,其中对头盔运动影像序列中测量特征点图像坐标进行精确判读是实现该方法的重要环节。基于Kalman滤波的特征点跟踪算法、相关性原理的图像匹配算法、Harris算子和角点定位算子实现特征点图像坐标亚像素判读,得到每帧影像中测量特征点的精确二维图像坐标,为后续的头盔运动姿态测量解算提供精度保证。     

一种图像亚像素边缘检测算法的改进研究

为了提高刀具预调测量仪的检测精度,提出了一种改进的图像快速亚像素边缘检测算法——基于正交多项式拟合的亚像素边缘检测算法。首先,利用传统的Sobel算子完成边缘点整像素级别的检测,确定边缘的主体区域;然后,过边缘点沿边缘法线方向拓展像素,取一系列像素点并计算其灰度值;最后根据像素点灰度分布的数学特征,利用正交多项式和最小二乘法求拟合函数,通过拟合曲线确定图像边缘点的精确位置,实现图像亚像素边缘检测。实验证明,该算法运行时间短,约为0.63 s;检测精度高,可达0.1 pixels。     

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.