一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

一种基于光流场重建三维运动和结构的新方法

提出了一种基于稀疏光流场计算三维运动和结构的线性新方法 ,该方法综合视觉运动分析中的两类处理方法 ,选取图象中的角点作为特征点 ;并检测和跟踪图象序列中的角点 .记录检测到的角点在图象序列中的位移 ,在理论上证明了时变图象的光流场可以近似地用角点的位移场代替 ,从而得到时变图象的稀疏光流场 ;通过光流运动模型的建立 ,推导出由稀疏光流场重建三维物体运动和结构的线性方法 .通过用真实图象序列验证该算法 ,表明该算法取得了较好的效果     

基于SUSAN算法的角点检测

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。介绍SUSAN算法的原理,介绍该算法在角点检测中的应用,对实验结果进行了比较,并对该算法进行评价,给出评价角点检测算法的标准。     

基于特征块角点检测的电子稳像方法

针对稳像过程中的局部运动干扰, 提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子, 对均匀分布的大尺寸特征块进行检测, 并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准, 进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明, 该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19. 83 dB, 对局部运动干扰下的抖动图像序列具有较好的稳像性能。     

一种改进的基于Harris的角点检测方法

在研究Harris角点检测算法时发现该算法对一些图像进行角点提取时,存在提取伪角点、角点信息丢失和位置偏移,而且在进行非极大值抑制时不易设置阈值等现象.提出了在进行非极大值抑制时采用双阈值法,分别设置一个相对大和一个相对小的两个阈值,从而得到同一图像不同阈值的角点信息,通过角点信息对比能够很好地解决角点信息丢失和位置偏移并能消除一部分伪角点,然后利用SUSAN的思想消除剩余的伪角点.通过对比实验表明,文中算法提取角点非常有效,比Harris算法具有更好的角点检测性能.     

图像特征提取算法仿真研究

研究图像特征提取问题。针对传统的图像的角点检测算法由于算法复杂度较高,方法精度不高、速度较慢,同时易陷于局部最优等缺陷,而造成混淆图像的边缘点和角点,遗漏角点和角点的定位精确度低,提出用一种改进的最小亮度变化角点提取算法。首先采用最小亮度变化对图像的角点进行检测,然后在原有的算法的基础上加入角点预检测机制以及优化过滤机制,通过采用自适应阈值检测窗口,有效的滤除图像的伪角点,减少了噪声所带来的干扰,仿真结果表明,提出的改进的算法比传统MIC角点检测算法检测精确度大大提高,是一种有效的具有实际应用价值的图像角点检测算法。     

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。     

光流引导下机器人抓取目标物角点动态匹配

针对目标物位姿在线估计中的特征点动态匹配问题,以木块作为实验对象,提出了一种光流引导的目标物角点动态匹配方法。使用Yolov2-tiny进行目标物识别,完成目标物定位与分类。在提取区域内完成Shi-Tomasi角点检测,采用LK（Lucas-Kanade）光流对角点跟踪的方法实现角点在相邻两帧图像中的初始匹配,针对光流跟踪中特征点的偏移问题,对跟踪点为中心的11×11邻域进行角点再提纯。实验证明该算法能在视频序列中对目标物角点实时动态地匹配,且角点匹配结果比SIFT和Harris-SIFT方法准确度更高,实时性更好。     

多尺度模糊加权角点检测新算法研究

为了提高图像角点检测的准确度和降低噪声对检测效果的影响,将多尺度思想和模糊理论引入到角点检测过程中,在建立了像素点属于角点的隶属度函数的基础上提出一种多尺度模糊加权角点检测新算法.首先将原始图像使用高斯核函数进行变换生成一组响应图像,并将其进行加权叠加得到原始图像的平均角点响应值;再选取合适的阚值进行相关处理得到最终的角点.实验结果表明,该算法不但抗噪性能较好,而且提取出来的角点也较准确.     

角点检测技术研究进展

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。角点检测在光流计算、运动估计、形状分析、相机标定和3D重建、视觉的定位和测量等方面都有重要的应用;根据实现方法不同可将角点检测算法分为基于模板的方法、基于边缘的方法、基于亮度变化的方法,并将现有的角点检测方法作了较为详细的分析、比较。     

基于DM642的金字塔Lucas-Kanade光流法计算速度信息

通过垂直拍摄地面的摄像头连续抓拍两帧图像,从中计算出横纵向速度信息.该设计以TMS320DM642为核心,结合TI的VLIB视频处理库,利用VLIB中的Harris角点提取算法对特征点进行提取,并利用金字塔Lucas-Kanade光流法实现对特征点的大位移跟踪,对跟踪出来的横纵向位移信息进行筛选并利用帧率与位移之间的关系计算出速度信息.然后,将该设计与在PC机上用OpenCV实现的金字塔Lucas-Kanade光流法和SURF特征点跟踪匹配法进行比较,其结果表明该设计简易可行且具有实时性好的优点.最后在此基础上简要介绍了此设计的应用前景并对设计进行了总结.     

Corner validation based on extracted corner properties

We developed a method to validate and filter a large set of previously obtained corner points. We derived the necessary relationships between image derivatives and estimates of corner angle, orientation and contrast. Commonly used cornerness measures of the auto-correlation matrix estimates of image derivatives are expressed in terms of these estimated corner properties. A candidate corner is validated if the cornerness score directly obtained from the image is sufficiently close to the cornerness score for an ideal corner with the estimated orientation, angle and contrast. We tested this algorithm on both real and synthetic images and observed that this procedure significantly improves the corner detection rates based on human evaluations. We tested the accuracy of our corner property estimates under various noise conditions. Extracted corner properties can also be used for tasks like feature point matching, object recognition and pose estimation.     

Fast moving object detection with non-stationary background

The detection of moving objects under a free-moving camera is a difficult problem because the camera and object motions are mixed together and the objects are often detected into the separated components. To tackle this problem, we propose a fast moving object detection method using optical flow clustering and Delaunay triangulation as follows. First, we extract the corner feature points using Harris corner detector and compute optical flow vectors at the extracted corner feature points. Second, we cluster the optical flow vectors using K-means clustering method and reject the outlier feature points using Random Sample Consensus algorithm. Third, we classify each cluster into the camera and object motion using its scatteredness of optical flow vectors. Fourth, we compensate the camera motion using the multi-resolution block-based motion propagation method and detect the objects using the background subtraction between the previous frame and the motion compensated current frame. Finally, we merge the separately detected objects using Delaunay triangulation. The experimental results using Carnegie Mellon University database show that the proposed moving object detection method outperforms the existing other methods in terms of detection accuracy and processing time.     

结合光流法和卡尔曼滤波的视频稳像算法

针对手机拍摄过程中产生的视频抖动问题,提出了一种基于光流法和卡尔曼滤波的视频稳像算法。首先通过光流法预稳定抖动视频,对其生成的预稳定视频帧进行Shi-Tomasi角点检测,并采用LK算法跟踪角点,再利用RANSAC算法估计相邻帧间的仿射变换矩阵,由此计算得出原始相机路径;然后通过卡尔曼滤波器优化平滑相机路径,得到平滑相机路径;最后由原始相机路径与平滑路径的关系,计算相邻帧间的补偿矩阵,再利用补偿矩阵对视频帧逐一进行几何变换,由此得到稳定的视频输出。实验表明,该算法在处理6大类抖动视频时均有较好的效果,其中稳像后视频的PSNR值相比原始视频的PSNR值约提升了6.631 dB,视频帧间的结构相似性SSIM约提升了40%,平均曲率值约提升了8.3%。     

基于投影仪和摄像机的结构光视觉标定方法

为实现基于投影仪和摄像机的结构光视觉系统连续扫描,需要计算投影仪投影的任意光平面与摄像机图像平面的空间位置关系,进而需要求取摄像机光心与投影仪光心之间的相对位置关系。求取摄像机的内参数,在标定板上选取四个角点作为特征点并利用摄像机内参数求取该四个特征点的外参数,从而知道四个特征点在摄像机坐标系中的坐标。利用投影仪自身参数求解特征点在投影仪坐标系中的坐标,从而计算出摄像机光心与投影仪光心之间的相对位置关系,实现结构光视觉标定。利用标定后的视觉系统,对标定板上的角点距离进行测量,最大相对误差为0.277%,表明该标定算法可以应用于基于投影仪和摄像机的结构光视觉系统。     

一种基于切线的曲线直线拟合的矢量化算法

提出一种在位图矢量化系统中用直线拟合曲线的新算法.算法利用曲线的一系列切线寻找曲线上与切线距离为门限距离的点作为直线拟合的特征点.算法包括两个步骤:尖点提取和直线逼近.第一步将曲线中具有局部曲率极大值的尖点提取出来,并利用尖点将曲线分割为多个曲线片断;第二步利用曲线片断的切线系找出特征点,再分别用直线依次将邻近两特征点相连,即完成拟合过程.经实验表明,算法既能准确提取边界形状的特征关键点,又能有效地实现对曲线的直线拟合.     

基于角点光流与SVM的增氧机工作状态检测

在水产养殖中,实时检测增氧机的工作状态非常重要。因此,提出了一种基于角点光流与支持向量机SVM模型的增氧机工作状态检测方法。该方法首先通过摄像机采集增氧机停止/运行状态的视频,然后对相继前后两个视频帧,利用Harris算法检测前一帧图像的水花角点,再根据后一帧,用金字塔Lucas-kanade光流法计算角点的光流量,从而得出水花角点在两帧之间的帧间平均位移;然后,利用学习阶段视频的角点帧间平均位移数据训练SVM模型;最后利用训练好的SVM模型对增氧机实时工作状态进行判断。在工作阶段,采用一种过滤异常视频帧的方法,提高检测的准确率。通过实验表明,该方法适应于对不同光照、不同视频获取角度和不同拍摄距离条件下增氧机工作状态的实时监控,检测准确率高于直方图阈值分割方法。同时,该方法具有较好的鲁棒性和实时性。