基于转折角点的车辆遮挡分离算法

本文提出了一种基于转折角点的车辆遮挡分离算法,该算法分为目标区域块的空洞填充、转折角点的提取和分类、基于转折角点的模板匹配三个步骤.在目标区域块的空洞填充步骤中,本文使用基于轮廓的空洞填充方法;在转折角点的提取和分类步骤中,本文通过圆盘移动方法提取目标区域块的转折角点并通过转折角点的倾斜角归一化直方图对转折角点进行分类;在基于转折角点的模板匹配步骤中,本文利用目标区域块和模板两者对应的循环链表进行比对,找出与目标区域块匹配的模板,根据模板提供的分离策略,实现遮挡分离.本文提出的算法适用于各类常见的遮挡情况,具有广泛的适用性.     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

一种改进的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果。为了改变其单一尺度的特性,使得角点提取更加精确和有效,文中将多尺度空间和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取。该算法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题。通过对比实验,文中算法明显地提高了图像角点检测性能。     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

一种改进的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果.为了改变其单一尺度的特性,使得角点提取更加精确和有效,文中将多尺度空问和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取.该算法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题.通过对比实验,文中算法明显地提高了图像角点检测性能.     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

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.     

基于细节增强的自适应Harris角点检测算法

针对传统Harris角点检测法计算速度较慢、聚簇现象较严重和在纹理信息少的区域提取角点数较少等不足,提出一种自适应Harris角点检测法,该算法利用巴特沃斯滤波器增强小波细节系数,通过计算角点响应函数的二阶值设定自适应阈值,从而提高Harris角点检测的精度和效率.实验表明,与传统的Harris角点检测法比较,该方法检测速度较快、角点的分布较均匀,且伪角点较少.     

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。     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

基于改进凸包检测的芯片图像字符区域定位

针对半导体芯片在激光打印时可能出现字符倾斜、字符位置错误等缺陷,提出一种基于改进凸包检测的半导体芯片图像字符区域定位方法.首先,利用三轴图像采集平台采集多幅半导体芯片图像,切分提取出若干单幅芯片图像;其次,采用Harris角点检测获取图像角点分布图,改进凸包检测算法,剔除非字符区域角点,获取最外围角点凸包线;最后,拟合...     

一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际 应用。     

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...     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

一种新的基于条件数的图像配准算法

提出了一种新的基于条件数的图像配准算法。该方法在Harris算法提取角点的基础上,采用条件数定量地分析了噪声对确定图像间变换关系的影响程度,通过阈值设定筛选出具有良好稳定性的角点,克服了Harris角点检测可能存在的角点位置偏移和易受噪而提取出伪角点等问题。最后选择了Random Sample Consensus(RANSAC)匹配准则来确定匹配点对。经过实验证明了该配准算法具有精确性、抗噪性和鲁棒性。     

迭代分割逼近:新的基于局部响应显著度的角点检测

为了提高角点检测算法的精确度,同时保持较低的时间复杂度,提出了一种基于自定义的局部角点响应显著度和迭代分割逼近的角点检测方法。首先,定义了一个新的测度量——局部角点响应显著度(LCRS),用来衡量一个候选角点在其局部区域内的响应显著程度,并证明了基于LCRS的角点检测准则等价于局部自适应阈值法。其次,将LCRS视作区域的响应显著度性质,把寻找角点的任务转化为寻找高显著性区域。据此,提出迭代分割的策略用来逐步收缩显著区域,最终逼近真实角点的位置。迭代分割逼近(ISA)算法可以使用不同的角点响应函数(CRF)定义,而且其平均情况时间复杂度与Harris算法相同。实验结果表明,当采用Noble算子的CRF时,ISA算法平均误检率、漏检率分别比Noble算子低4.62%和5.59%;而当采用Harris算子的CRF时,这两个比率也分别比Harris算子低2.87%和3.37%。而且这两种情况下ISA算法的平均运行时间均小于Harris算子和Noble算子。     

基于Gabor滤波器和聚类的图像配准算法

提出一种基于多尺度、多方向Gabor滤波器提取图像局部不变特征并用AP聚类进行约束的配准算法。该方法首先利用Gabor尺度空间核函数对图像进行尺度空间分解,在每一层尺度图像的不同方向上提取Harris角点,在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度;在特征子区域内用梯度描述特征点;将得到的两幅图像的特征点AP聚类分析,实现m:n的粗匹配,最终通过各类之间的欧式距离实现对应点的匹配,通过AP聚类可有效排除多相似内容的图像之间的误匹配。实验结果表明,该算法能够提取稳健的精确特征点,并且可以有效去除多相似内容图像带来的匹配误差,实现图像的配准。