基于曲率尺度空间的角点检测图像匹配算法

随着计算机技术的发展,提出了优化图像匹配算法,能有效提高图像检测精度。笔者以依托曲率尺度空间的角点检测图像匹配算法为研究视角,在介绍其执行步骤的基础上,通过仿真实例验证其有效性。研究结果表明,这种算法能有效改进图像匹配过程中特征点过渡分离的不足之处,提升其匹配精度约为10%,说明这种算法具有推广应用的价值。     

基于曲率尺度空间的角点检测图像匹配算法分析

计算机技术的发展下,优化提升图像匹配算法,可以提升图像检测精度。基于曲率尺度空间的角点检测图技术,优化设计图像匹配算法,基于曲率尺度空间的角点检测算法进行图像特征点的提取,归一化处理特征点,有助于提高图像匹配精度。利用该算法最终实现图像匹配需求,验证了算法的有效性,改进了图像匹配中特征点过度分离的弊端,提高了图像匹配检测的整体精度约10.0%。该算法发挥了积极应用价值,值得在实践应用中推广。     

基于曲率的尺度空间中的角点增强

角点检测在模式识别、计算机视觉和其它相关领域中占有重要地位．由于无法事先确定应在什么尺度下进行检测，我们很难从平面曲线中准确地提取出角点．本文阐述了通过曲线尺度空间（Curvescalespace）来增强角点的方法．该方法的主要思想是通过曲线的形变（或构造曲线尺度空间）使曲线上的角点随着尺度的增加变得更加突出，以便准确地提取出角点．从广义的几何热扩散方程（GGHF）出发，我们得到了该方法中曲线曲率的演化形式，它揭示了构造基于曲率的尺度空间与形成尺度空间所需符合的准则二者间的本质联系．本文研究GGHF符合尺度空间准则的条件并给出了寻找不同的符合尺度空间准则的曲线演化方法，与此同时，我们给出了角点可被增强的条件．在符合上述条件的前提下，本文给出了一种新的构造尺度空间的方法，该方法符合尺度空间的准则，并能够在去除噪声和不重要的小结构的同时，有效地增强曲线上的重要角点．     

改进的曲率尺度空间角点检测

在曲率尺度空间（CSS）角点检测中,通常采用高斯滤波对图像进行去噪处理。但该方法很大程度上降低了角点检测的准确性和精确性,因此,提出了利用双边滤波来改进的CSS角点检测算法,可以在很好去噪的同时又保证角点检测的高精度。实验结果也充分验证了该算法较其他算法具有的高效性和准确性。     

曲率尺度空间与链码方向统计的角点检测

针对曲率尺度空间角点检测中,由于选择的尺度不同,会造成角点的漏检测,以及检测到错误角点的问题。提出一种基于曲率尺度空间与链码方向统计的角点检测方法。首先在较低的曲率尺度空间上检测出候选角点集;再通过自适应阈值及链码方向统计的方法删除错误角点。该方法采用较低的曲率尺度可检测出更多的角点,降低了角点漏检测率;通过计算椭圆角点自适应阈值可删除椭圆角点;采用Freeman链码方向统计可剔除伪角点;从而提高角点检测精度。通过实验充分验证了本文提出的角点检测算法比其他角点检测算法具有的高效性和准确性。     

基于曲率尺度空间的人头检测方法研究

利用人头部轮廓的形状特征,提出一种基于曲率尺度空间的人头部检测算法。算法通过比较分析得出了人头部轮廓区别于其他部分轮廓的形状特征,在多曲率尺度下,计算物体轮廓曲线上每一个点的曲率,结合形状特征信息进行人头部检测。实验结果表明,算法有效解决了复杂背景下的人头检测问题,为人头部检测提供了新的途径。     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。     

一种无阈值的冗余角点去除方法

基于曲率尺度空间的角点检测算法因其定位准确而被广泛应用,但由于该算法受阈值的影响,在应用中往往检测出较多冗余角点。针对如何去除冗余角点这一问题提出一种无阈值的冗余角点去除方法:首先将角点按构成方式的不同进行分类,然后通过角度无阈值比较的方法去除冗余角点。实验证明该方法在冗余角点的检测及去除方面有良好的实验效果,可将其应用于基于曲率尺度空间的角点检测算法中,提高角点检测的精确性。     

一种改进的多尺度自适应角点检测方法

现有的多尺度曲率乘积算法MSCP(Multi Scale Curvature Product)在检测过程中存在漏检和误检的现象,并且由于阈值设置不合理容易导致算法不稳定。针对以上不足,提出一种基于曲率多尺度的自适应角点检测算法AMCP(Adaptive Multi-scale Curvature Polynomial)。首先,结合尺度多项式的方法,不仅显著增强了曲率极值点的峰值,而且避免了曲率积对一些角点平滑;然后,构造局部曲率显著度LCCS(Local Corners Curvature Saliency),从而用自适应的阈值代替全局阈值,增强算法应对尺度,旋转等变化的鲁棒性;最后,提出曲率增长度的方法,通过该方法有效地区分圆角点和钝形角点。通过实验表明,AMCP算法提高了角点检测的正确率以及稳定性,相较于MSCP算法以及改进的CSS(Corner Detection Through Curvature Scale Space)算法具有更加优越的检测性能。     

基于高斯平滑的自适应角点检测

文中算法首先在曲线尺度空间中通过高斯平滑以消除噪声;然后再基于自适应弯曲度计算和角点筛选准则确定角点,该算法不需要预先输入参数,具有较好的抗干扰性,实现简单有效。     

基于改进曲率尺度空间技术的图像水印算法

提出一种新的鲁棒性水印算法,利用改进的曲率尺度空间技术,提取图像的少量较顽强角点,用于重建受几何攻击的图像。选取2个chirp信号作为水印信息,将其嵌入图像的分数傅里叶变换（FRFT）域,选用变换阶次和水印嵌入位置矩阵作为算法密钥,根据chirp信号在FRFT域呈现的冲激特征检测水印信号。仿真实验结果表明,该算法具有较高不可见性、安全性和鲁棒性。     

An Efficient Active Contour Model Through Curvature Scale Space Filtering

Active contour models can be successfully used in multimedia database retrieval systems if they have good accuracy and high speed. The majority of existing active contour models do not lock on to interest objects very accurately and quickly especially in complex images. The behavior of the active contour is generally controlled by its internal and external energies. Internal energy is composed of two parts; the first part acts to shorten the active contour as it iterates towards the interest object, while the second part is the curvature of the active contour and forces smoothness of active contour during its movement towards interest object. In this paper, first a reformulated internal energy is proposed to improve the computation of curvature at point v _i by making use of the three points v _{i – 1}, v _i and v _{i + 1}. Second, an accurate and high speed active contour model, SAC is proposed based on reformulating internal energy by removing the curvature part and using Gaussian filtering with low scale of smoothing. The SAC model has only one parameter that affects the internal energy of active contour and as a result of using the Curvature Scale Space (CSS)¹ technique for smoothing, the SAC model is more independent of model parameter setting and the initial snake.     

基于角点特征检测的视频图像质量评价方法

为对视频会议系统中图像的降质程度进行有效评估,提出一种基于角点特征检测的视频图像质量评价方法。模拟测试图像在真实环境下的降质情况,生成仿真图像。计算两者的二值边缘轮廓曲率,获得不同检测参数下的角点检测数,寻找用于真实环境的最佳测试图像和角点检测参数。根据角点检测数将图像质量分成若干个等级,并依此判别图像质量的好坏。Matlab 仿真实验结果表明,该方法得到的结果与主观评价结果一致,能正确评价图像质量。     

Affine Curvature Scale Space with Affine Length Parametrisation

The maxima of Curvature Scale Space (CSS) image have been used to represent 2D shapes under affine transforms. The CSS image is expected to be in the MPEG-7 package of standards. Since the CSS image employs the arc length parametrisation which is not affine invariant, we expect some deviations in the maxima of the CSS image under general affine transforms. Affine length and affine curvature have already been introduced and used as alternatives to arc length and conventional curvature in affine transformed environments. The utility of using these parameters to enrich the CSS representation is addressed in this paper. We use arc length to parametrise the curve prior to computing its CSS image. The parametrisation has been proven to be invariant under affine transformation and has been used in many affine invariant shape recognition methods. Since the organisation of the CSS image is based on curvature zero crossings of the curve, in this paper, we also investigate the advantages and shortcomings of using affine curvature in computation of the CSS image. The enriched CSS representations are then used to find similar shapes from a very large prototype database, and also a small classified database, both consisting of original as well as affine transformed shapes. An improvement is observed over the conventional CSS image.     

基于Harris多尺度角点检测的图像配准新算法

为改进角点检测算子的检测性能,提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、位置偏移和易受噪而提取出伪角点等问题。然后根据角度直方图得到的旋转角度,和提取的以角点为中心的特征子图,定义了角点点对的对齐度。最后,运用最大化对齐度准则来精确地确定角点匹配点对。实验表明,该配准算法具有精确性、有效性和抗噪性,实现了良好的配准效果。     

基于SUSAN角点检测的动态目标识别

为了快速准确地进行车型识别,提出了一种基于SUSAN角点检测的识别方法。通过计算待识别车辆与三种标准样本SUSAN角点的Hausdorff距离,将Hausdorff距离较小的两者认定具有相同的车型,实验结果表明,该方法准确、有效且实时性较好。     

基于SIFT特征点的图像匹配技术研究

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配,该文首先采用LTS Haus-dorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

基于改进Harris算法的角点检测

提出了一种改进的Harris角点检测方法.该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定条件,则将该像素点定义为角点.实验结果表明,该方法无需进行阈值选择,提高了角点检测精度.