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．     

一种改进的摄像机标定中的角点提取方法

提出了一种基于Harris算子和SUSAN算子原理的角点提取方法．该方法利用Harris算子提取二值化的标定模板中的标定角点,再利用SUSAN算子原理,去除边界上因为倾斜产生的标定时不需要的角点．实验证明,该方法能准确地提取模板中标定时所需的角点．     

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.     

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.     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

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．     

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。     

一种自动初始化轮廓的改进蛇模型算法

在Snake模型的初始化中存在不易实现自动化或初始化轮廓远离真实轮廓的问题,针对这些问题,本文提出了一种基于灰度梯度的自动初始化蛇模型方法,在针对一般灰度图像和CT图像的边缘提取取得了较好的效果.     

硬度图像角点检测算法

硬度检测图像中存在大量杂质与噪声,目标区域的边缘模糊且形状复杂,传统角点检测算法无法检测出目标区域的角点,也很难应用直线拟合或直线检测算法实现角点的精确定位。针对硬度检测中面临的复杂环境下角点检测任务,提出一种新的基于旋转灰度变化的角点检测算法。与传统的角点检测算法相比,该方法对噪声和杂质具有更好的鲁棒性,能够在背景复杂、边缘模糊的情况下准确检测出目标区域的角点位置,具有更好的适用性。在硬度图像上与传角点检测算法及直线求交确定角点方法的对比实验表明了算法的有效性。     

掌纹轮廓特征点提取新方法

基于Harris角点检测方法的基本原理,提出了一种轮廓特征点提取的新方法。为了满足提取掌纹轮廓特征点的要求,根据掌纹中所要提取的轮廓特征点所在区域的生理特征(凸凹形区域),对Harris角点检测方法进行了改进,对算法进行了推导和讨论,并进行了实验研究。实验结果表明,用该方法提取的掌纹轮廓特征点能够方便地对掌纹进行定位,为实现掌纹自动识别算法打下了基础。     

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.     

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。       

使用标识分水岭算法确定Snake模型的初始轮廓

Snake模型已被广泛地应用于医学图像的分析之中．在应用该模型时,如何选取合适的初始轮廓是一个难题,因为初始轮廓的选择对它的分割速度和分割效果都有着重大的影响．笔者提出了一种使用基于标识分水岭算法来确定Snake模型的初始轮廓的方法,该方法先设置两条初始曲线,再通过标识分水岭算法来确定之间的最大连续高度点作为初始轮廓线．实验结果证明,它在简化确定初始轮廓的操作的基础上还提高了算法的效率,易应用于临床的系统中．     

二维轮廓曲线匹配算法研究

在分析平面曲线的几何特性的基础上,提出了一种快速有效的轮廓曲线匹配算法.该算法在取得轮廓曲率集合和角点集合的基础上,首先根据角点的曲率值搜索初始匹配角点,得到初始匹配段.其次利用曲线段的几何属性-弧长和弦长来判断初始匹配段,如果满足条件,则将初始匹配段作为候选匹配段.最后应用候选匹配曲线段上曲率的Hausdorff距离来验证曲线段的匹配,如果该距离在一定的容差范围内,则该曲线段匹配.实验证明该算法即保证了较好的匹配精度,又能显著提高匹配的速度.     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

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。     

一种图像形态学的角点检测改进算法

提出了利用数学形态学对原有跟踪目标图像进行角点检测的改进算法.针对原有算法中检测效果往往受结构元素尺寸大小影响较大,提出了一种利用多尺寸大小的结构元素对目标进行角点检测,将检测结果进行融合的方法.实验结果表明该算法能够准确的找到图像的角点,对噪声起到了有效的抑制.     

采用特征点提取算法的车牌倾斜校正方法研究

针对车牌倾斜校正问题,首先简介了四种特征点提取的算法,并结合实验结果分析了各算法的优缺点,进而提出了比传统算法更有效的基于非线性双边滤波器的Harris算法,然后提取出车牌区域的字符角点信息,再结合惯性主轴算法对倾斜车牌进行校正。实验结果证明,改进后算法有效地抑制了伪角点数目,提高了车牌角点检测的精度,使得车牌倾斜校正的精确度和实时性大幅度提高。     

轮廓跟踪与边沿检测的图像自动识别

讨论了轮廓跟踪和边沿检测两种技术在图像自动识别中的应用,指出检测后的边缘点不一定都在图像的边界上,会影响下一步的分析和处理,需要进行轮廓跟踪来将边缘点连成一条连续的边界.提出了一种轮廓跟踪的详细算法,通过寻找适当的起始点坐标,解决了图像边缘点被错误提取的问题.