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。     

基于USAN的棋盘角点检测算法

根据棋盘角点USAN区域几何结构的对称性,提出基于USAN的棋盘角点检测算法,该算法原理简单,容易实现,不仅能快速检测到角点,而且具有旋转不变性,用他可以检测实际拍摄的棋盘图像。通过实验结果表明该算法能快速准确地检测到从各个角度拍摄的棋盘图像的内部角点,有很强的实用性。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

一种改进的灰度图像角点检测算法

针对SUSAN 角点算法在检测某些“X”型角点时会失败的局限, 提出了一种有效的提取灰度图像中的角点的算法。新算法在分析SUSAN 算法仅仅考虑USAN 区域的面积这一局限性的基础上, 通过增加一个考察USAN 区域之形状的步骤实现了对所有“X”型角点的有效提取。实验结果表明, 改进的算法在计算量相当的情况下提高了角点检测的准确性。     

一种改进的SUSAN算子棋盘格角点亚像素检测算法

SUSAN算子在检测角点时,只以USAN区域面积的大小作为判断准则,忽略USAN区域形状的影响。因此,该算法对棋盘格标定板中的内角点与边缘点难以区分。针对此问题,本文提出在SUSAN圆模板内再次采用SUSAN算子来实现对棋盘格标定板角点的有效检测。此外,在每个初定位角点的局部邻域内,采用二次曲面拟合法得到角点的亚像素坐标。实验证明,所提出的算法准确、有效、适应性好,能为摄像机标定提供亚像素精度的角点信息。     

基于GPU的实时亚像素Harris角点检测

针对Harris角点检测精度和检测速度问题,利用现代图形处理器(GPU)对角点检测算法进行改进,提出一种基于GPU的快速亚像素Harris角点检测算法,该算法利用了GPU的并行处理能力和亚像素Harris角点检测算法的并行性特点。实验结果表明,对于分辨率为720×720的24 bit视频图像,该算法能够实现实时的亚像素级Harris角点检测。     

一种改进的平面方格角点检测方法

根据平面方格图像的特性,提出了一种改进的边链-中心判据的角点检测算法。该算法综合应用了Canny边缘检测算子和高斯函数作为权值的灰度重心法,能有效地检测出平面方格图像角点的亚像素坐标。该方法对不同光照和不同拍摄角度的平面方格图像有很好的鲁棒性。实验证明,该方法适应性好,角点定位精确。     

基于改进的SUSAN法的摄像机线性标定方法

设计并实现了一种考虑径向畸变的逐步线性摄像机标定方法。结合边缘检测，缩小了SUSAN法检测角点的范围，并利用角点的邻域特征，剔除伪角点，从而提高了SUSAN法角点检测的速度和准确度。利用此改进的SUSAN法精确提取方格模板角点的亚像素坐标，并通过预标定获得主点坐标；然后在考虑摄像机径向畸变的情况下建立摄像机模型，并求解摄像机内外参数。最后通过实验及误差分析表明，本标定方法具有较高的精度和较好的实时性。     

一种改进的多尺度Harris角点检测算法

传统角点检测算法对尺度很敏感,而且提取角点是像素级的。采用图像增强技术,通过DOG算子将多尺度运用到Harris算法中,然后除去极值点附近低对比度的特征点。不仅避免了传统灰度变换技术的单一性,还提高了增强处理后图像的稳定性。改进的多尺度Harris角点检测方法具有误差较小、伪角点较少、错误率较低、匹配精度性较高等特点。     

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。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

线搜索式角点检测方法的参数自适应设计

针对线搜索式角点检测方法存在全局固定阈值对实际图像的光线不均匀等不良现象适应性不足的问题,提出了有关参数自适应的设计方法.在原角点检测基本方法的基础上,首先根据局部区域的对比度信息,设计了同值收缩核(USAN)阈值的自适应动态产生方法.其次,给出了高斯去噪的实施建议,以提高线搜索式角点检测方法的抗噪性能,并给出了其他参数值的动态取值建议.实验结果表明,在本文的参数自适应设计方法下,线搜索式角点检测变得更为实用方便,比原固定阈值的基本方法更能适应光线不均匀现象,对于内容、品质差异较大的图像无需频繁调整参数,仍能保持很高的正检率水平,同时伪响应也处于可接受的水平.     

基于有向面积的角点分类算法

在3维场景重构、运动估计、机器视觉等领域,不仅希望能检测出图像中的角点,而且还希望获得角点附近更多的信息,即能对角点进行进一步分类。为了能对图像中检测出的角点进行分类,提出了一种基于有向面积的角点分类方法,该方法首先采用基于协方差矩阵特征向量的小波变换角点检测原理检测出图像边缘上的角点;然后根据角点两侧的边缘信息定义了6种类型的角点;最后通过计算角点附近边缘上顺序排列的3个有向面积,实现对角点的分类。实验表明,基于有向面积的角点分类,具有较高的准确性。     

基于高斯变换的多尺度SUSAN角点检测方法

针对传统SUSAN算子只能在单一尺度下检测图像中角点的不足,提出一种基于高斯变换的多尺度SUSAN角点检测方法。该方法利用高斯变换获得待检测图像的多尺度分层图像,以构建高斯金字塔,结合自适应阈值的SUSAN算子检测出不同尺度下的角点作为候选角点,将其还原到原始图像中的相应位置构成候选角点集,在候选角点集中经小邻域信息筛选获得最终角点。实验结果表明,该方法不仅能够在不同尺度下有效获取有用的角点信息,而且提高SUSAN算子正确率的同时,降低了角点的伪检率。     

基于多方向对称和匀质约束的SUSAN棋盘格角点检测算法

棋盘格角点检测是摄像机标定过程中的一个重要步骤。针对原有SUSAN角点检测算法在棋盘格角点检测应用中边缘点与角点难以区分的问题,通过对棋盘格角点特性的分析和实验,提出了一种基于多方向对称和匀质约束的SUSAN棋盘格角点检测算法。通过在原有SUSAN算法的基础上添加对称约束算子和匀质约束算子滤除SU- SAN检测结果中的边缘点,最终确定角点的坐标。实验结果表明,该算法在角点检测的有效性和精度方面优于已有算法。     

三角网格曲面角点的鲁棒性检测算法

为有效检测三角网格曲面上的角点特征,提出一种基于最小主曲率的角点检测算法.首先通过计算网格顶点处的最小主曲率,利用加权最小主曲率定义角点特征函数,并计算角点特征值;然后利用迭代阈值法自动产生检测阈值,以去除噪声和特征不明显的角点;最后采用非极大值抑制法消除局部邻域内的角点聚簇获取特征明显的角点.在此基础上,在多个尺度下分别计算每个网格顶点处的角点特征值,并通过加权将其合并成多尺度角点特征值,新的角点特征值使得角点检测算法具有较高的稳定性和鲁棒性.通过重复检测率实验和部分重叠曲面的配准实验,验证了文中算法的有效性与实用性.     

A corner differentiation algorithm by a single sonar sensor for mobile robots

Ultrasonic sensors have been widely applied in mobile robots to obtain environmental information and avoid obstacles. In general, a typical domestic environment consists of planes, edges and corners. It is usually difficult to distinguish a plane from a corner directly with a single ultrasonic sensor. To overcome this difficulty, a corner differentiation algorithm for a single ultrasonic sensor is proposed in this paper. The algorithm is based on the features of all of the actual reflection points from the environment obtained by a reflection search algorithm from which the corners are realized by a corner differentiation algorithm. The experimental results show that the developed algorithm can successfully detect all planes and corners. Furthermore, an environmental map can be built based on the information obtained on planes and corners. Copyright © 2008 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society