基于OpenCV的Harris角点检测

角点检测在运动估计、光流计算、视觉定位、3D重建和相机标定、形状测量和分析等方面都有广泛的应用.详述了Harris算法的基本原理,在OpenCV算法环境下运用Harris算法对黑白棋盘格图像进行角点检测,实验结果可以应用在摄像机的标定当中,具有一定的应用价值.     

Harris角点检测在彩色图像中的应用

角点提取是图像特征提取的一种重要方法,本文分析了Harris角点检测算法并利用Matlab语言实现了该算法。由于原算法角点响应函数在高分辨率图像检测中存在聚簇现象,本文通过新角点响应函数的使用对算法进行了改进并实现了该算法在彩色图像角点检测中的应用。实验结果表明,改进后的算法极大提高了高分辨率图像角点检测准确度。     

图像质量对Harris角点检测的影响研究

Harfis角点检测计算的依据是图像像素点的梯度，并且受约于像素之间的相关性．而图像质量直接影响像素之间的相关性，从而时Harris角点检测产生作用．本文根据图像质量的几个标准分别时图像进行评价，并阐述图像质量和Harris角点检测之间的关系，把图像质量作为Harris角点检测选择参数的一个依据，并建议通过量表时不同质量的图像选择不同的参数进行角点检测．     

图像质量对Harris角点检测的影响研究

Harris角点检测计算的依据是图像像素点的梯度,并且受约于像素之间的相关性.而图像质量直接影响像素之间的相关性,从而对Harris角点检测产生作用.本文根据图像质量的几个标准分别对图像进行评价,并阐述图像质量和Harris角点检测之间的关系,把图像质量作为Harris角点检测选择参数的一个依据,并建议通过量表对不同质量的图像选择不同的参数进行角点检测.     

一种改进的Harris多尺度角点检测算法

图像特征点的提取是实现图像特征匹配的重要步骤。针对Harris角点算法的受尺度变化影响大,阈值为人为给定的缺点,把图像尺度空间的思想与自适应阈值的方法相结合,提出了改进的多尺度Harris角点检测方法。实验结果表明,该算法提取到的图像角点不仅精确度高,而且检测到的伪角点少。     

基于改进Harris的消音壁亚像素级角点检测算法

在计算机视觉领域,角点检测作为图像拼接、三维重建等算法的关键,能够直接影响视觉处理的最终效果。为了进一步提高角点检测在消音壁视觉检测应用场景下的精度,提出了一种亚像素级角点检测算法,首先以Harris算法获得像素级角点为中心角点,然后通过最小二乘法迭代计算不断逼近,最后计算得出亚像素级角点坐标。实验结果表明,算法角点检测的平均偏移量为0.18像素,相较Harris角点检测算法的偏移量降低0.56像素,在确保正确率的基础上更加接近真实值,能够满足在消音壁视觉检测应用场景下的精度需求。     

基于高斯差分滤波和形态学滤波的Harris角点检测算法

Harris算子及其改进算子(如Harris-Laplace算子)是当前应用广泛的角点检测算法,然而它们都存在冗余点多和抗干扰能力差的缺点。基于此,提出一种新Harris算子改进算法。将图像进行高斯差分滤波,采用多层差分平均值增强稳定性和抗干扰性; 对差分图像进行灰度形态学滤波,进一步去除小于结构元素的波谷,波峰值保持不变,这样不仅可以减少冗余点,还可以提高抗噪能力。实验表明,该方法在抗噪和去冗余点方面明显优于Harris算子和Harris-Laplace算子。       

基于Harris算子的彩色数码影像角点特征提取

随着电子技术的发展,非量测数码相机以其镜头可更换、操作灵活、方便、价格低廉等优点,逐渐成为数字近景摄影测量影像获取的主要设备．但近景摄影测量在工程应用中仍存在精度低、效率低的缺陷．现研究一种基于Harris算子的非量测数码影像角点提取方法,可提高角点提取的精度,从而可为近景摄影测量在工程中的进一步应用提高精度．     

基于Harris角点的木材CT图像配准

提出一种三角形法描述Harris特征点的方法,该算法首先利用Harris算子对两幅图像进行角点检测,将检测到的角点按照权值大小进行排序后,利用三角形法对特征点进行特征描述,从而找出两幅图像间特征点相互对应的关系,同时也得到了图像配准所需要的参数。实验结果证明,该算法配准准确率高,速度快,具有很强的鲁棒性。     

基于Harris角点和SIFT算法的车辆图像匹配

车辆图像匹配广泛应用于车辆识别和跟踪,其中SIFT(Scale Invariant Feature Transform)特征匹配算法是当前国内外特征点匹配研究的热点,但针对车辆等刚体特征明显的目标,SIFT算法在时间复杂度和稳定性方面留出了改进空间.针对车辆图像匹配,本文基于Harris角点检测对SIFT算法进行改进.实验结果表明:该方法在车辆图像匹配时,稳定性和实时性优于SIFT算法.     

基于MIC的快速角点提取改进算法研究

针对MIC算子不能区分部分边缘点和角点的缺陷,提出一种自适应边缘点滤除算法。在边缘清晰的情况下,使用求USAN区域的方法过滤掉边缘点;在边缘模糊的情况下,使用模板较大的插值方法在核心点邻域计算其角点响应值。实验证明,该算法能够很好地区分出边缘点和角点。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

MFC下利用OpenCV进行人脸检测的研究与实现

为了实现对人脸检测的目的,本文采用基于MFC框架下使用OpenCV视觉库的方法．文章重点分析了一种人脸检测中使用的特征分类算法：Adaboost算法．文中阐述了该算法的原理,图文并茂地展示了如何在实际中利用人脸库结合Adaboost算法来训练分类器,并生成XML文件．在VC6．0下,搭建了人脸检测的界面,利用OpenCV的函数调用训练所生成的XML文件,实现了在本地选择图片并对其进行人脸检测的功能．此外,系统还支持读取本地AVI格式视频和从摄像头捕捉到的视频,可手动截取一帧图片进行人脸检测．实验结果表明该设计方案具有较高的准确性和稳定性,基本达到预期的效果．     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

车辆的Harris与SIFT特征及车型识别

针对现有车型识别的准确性和实时性不能同时满足要求的问题,提出了复合的图像匹配模型与识别方法.先应用Harris角点对车型初分类,再应用SIFT特征进行细分类,该方法与只利用SIFT特征进行识别的方法相比,在保证识别准确性基本不变的情况下,处理时间减少了近2/3,实时性得到较大改善.     

基于改进Harris的图像拼接算法

针对传统Harris角点检测算法进行改进,提出了一种基于改进Harris的图像拼接算法.首先,通过修改角点响应函数,引进8邻域比较以及圆形非极大值抑制窗口,采用NCC算法对检测出的Harris角点进行粗匹配,采用RANSAC算法剔除误匹配,最后对匹配图像进行图像融合,完成图像拼接.仿真结果表明,该算法提高了图像拼接的准确性、稳定性和鲁棒性,能够达到无缝拼接,具有优良的实用性.