基于改进Canny特征点的SIFT算法

在分析了传统SIFT算法的基础上,提出了一种基于改进Canny特征点的SIFT算法。该方法先用SIFT算法检测出候选关键点,再利用Canny边缘检测算法检测出图像的边缘点,通过比较生成的候选关键点和边缘点的坐标是否相等,从而判断是否去除候选关键点。实验结果表明,与传统SIFT算法比较,该方法可以有效地去除DOG算子生成的边缘响应点,进一步提高SIFT特征点的抗噪声能力,增强SIFT算法的稳定性。     

基于改进Harris算法的汉字图像角点检测

根据汉字图像的特点,借鉴加速分割检测特征算法的思想,提出一种改进的Harris算法对汉字图像进行角点检测。首先,计算像素值初步判断出非角点并排除;然后,通过计算传统Harris算法中的角点响应函数对剩余的像素进行角点检测;最后,借鉴加速分割检测特征算法的思想对伪角点进行删除。最终检测出的角点是汉字笔画的起点和末端的角点,为下一步特征提取中确定线段的位置和计算线段的长度提供有利的技术基础。通过对一定数量的汉字图像的实验仿真,将本文方法与几种常用的角点检测方法进行比较,本文方法在检测正确率方面有所提高,但在运行时间上没有达到最短,综合考虑正确率和运行时间,本文方法较其他几种方法有所提高。      

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...     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题.为此,对面向图像角点特征取证的人工智能检测进行研究.通过在不同干扰情况下对图像做简化处理,完成特征取证.采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测.结果表明...     

一种改进的线搜索式角点检测方法

针对线搜索式角点检测方法在对实际图像进行应用时检测效果的不足,提出一种角点优先级的判别函数,应用自适应非最大抑制（ANMS）,并结合二次过滤器来提升检测速度并控制角点数量,使检测出的角点均匀分布,避免角点聚簇的现象。实验结果表明,改进后的算法能使角点检测更为迅速且分布更为合理均匀,能够很好的适应图像拼接等实际应用。     

机载激光雷达点云多层次建筑物的三维重建

针对城市区域中常见的多层次建筑物,提出一种基于机载LiDAR点云的三维重建方法。使用优化的随机抽样一致性算法对建筑物LiDAR点云进行面片分割,在面片分割的基础上使用delaunay三角剖分进行轮廓点的检测,对检测出的轮廓点使用新的关键点检测算法提取轮廓线关键点,最后连接关键点并进行规则化处理,完成多层次建筑物的三维重建。实验表明,该方法能有效重建多层次建筑物模型,改进的RANSAC算法能更高效地分割屋顶面片,新的轮廓线关键点提取算法能够较好地提取建筑物的关键点,并能抑制错误轮廓点的干扰,减少伪关键点的生成。     

一种基于线特征的快速角点检测算法*

为了提高角点检测的准确性和快速性,通过分析穿过角点的直线所具有的特性,提出了一种基于非终结线数目的快速角点检测算法。该算法以当前像素为核心作用一个圆形模板,计算穿过核心的非终结线的数目换算值,当该值位于给定的阈值范围内时,则当前像素为角点。针对伪响应,提出了一种基于非终结线均匀程度的非极大值抑制方法。通过实验验证了新算法的可行性,以及在准确性和快速性上所具有的优点。     

基于关键点检测的无锚框轻量级目标检测算法

针对基于关键点的目标检测参数量大、检测框误匹配的问题,提出一种轻量级的基于关键点检测的无锚框目标检测算法。首先将输入图片输入优化过的特征提取算法,通过级联角池化与中心池化,输出3个关键点的热力图与它们的嵌入向量;然后通过嵌入向量匹配热力图并画出检测框。文中的创新点在于将SqueezeNet中的轻量级模块firemodule适配至CenterNet,并用深度可分离卷积代替主干网的常规卷积,同时,针对CenterNet的检测框误匹配问题优化了算法输出形式与训练时的损失函数。实验结果表明,改良后的算法使得原有的CenterNet算法模型尺寸缩小为原来的1/7,同时检测精度与速度较YOLOv3,CornerNet-Lite等相同量级的算法仍有所提高。     

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。     

一种快速检测图像角点特征的线搜索式方法

传统的图像角点特征检测方法在速度和准确性两方面难以兼顾. 针对该问题, 提出了一种角点特征检测的线搜索式方法. 该方法作用于一个以当前像素为中心核的圆掩模, 在该掩模内搜索通过核的所有直线, 如果存在一条直线不穿过核附近给定邻域以外的其他同值收缩核(Univalue segment assimilating nucleus, USAN)区域, 则当前像素点为角点. 论文论证了使用有限数目搜索线的可行性与必要性. 采用由粗及细的搜索策略, 动态设计搜索线的数目与搜索线上的检测点数目, 以提高检测速度. 提出了一种基于最大同值距离的新型非极大值抑制进行角点的精确定位, 并结合多种新型伪响应抑制措施, 有效地提高了算法的准确度. 实验结果表明该方法在准确性方面优于MIC、SUSAN和Harris等算法, 而且速度快, 仅稍慢于MIC算法, 具有优良的综合性能.     

一种改进的快速SUSAN角点检测算法

着重分析SUSAN角点检测速度慢的缺点,提出改进的快速SUSAN角点检测算法。该算法首先比较待测点与其周围半径为R的圆周上像素的灰度,统计连续的具有非相似灰度值的像素个数,根据判定准则得到初始角点,再使用非极值抑制函数选择最优角点。实验结果表明：该改进算法有效地减少角点检测过程的计算量,使得角点检测的效率大大提高。     

Using point cloud data to identify,trace, and regularize the outlines of buildings

Rectilinear building outline generation from the point set of a building usually works in three steps. Boundary edges that constitute the building outline are first identified. A sequence of points is then traced from the edges to define the building boundary. Finally, lines are generated from the sequence of points and adjusted to form a regular building outline. Existing solutions have shortcomings in one or more of the following cases: identifying details along a concave shape, separate identification of a ‘hole’ inside the shape, proper boundary tracing, and preservation of detailed information along a regularized building outline. This article proposes new solutions to all three steps. By using the maximum point-to-point distance in the input data, the solution to the identification step properly detects the boundary edges for any type of shape and separately recognizes holes, if any, inside the shape. The proposed tracing algorithm divides boundary edges into segments, accurately obtains the sequence of points for each segment and then merges them, if necessary, to produce a single boundary for each shape. The regularization step proposes an improved corner and line extraction algorithm and adjusts the extracted lines with respect to the automatically determined principal directions of buildings. In order to evaluate the performance, an evaluation system that makes corner correspondences between an extracted building outline and its reference outline is also proposed. Experimental results show that the proposed solutions can preserve detail along the building boundary and offer high pixel-based completeness and geometric accuracy, even in low-density input data.     

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。     

基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

三次三角域Bézier 曲面的同次扩展

为了在不提升基函数次数的前提下赋予三次三角域Bézier 曲面形状调整的能力, 构造了一组含一个参数的三次双变量基函数,由之定义了由10 个控制顶点确定的三角域曲面 片。新曲面具有角点插值性,在角点处的切平面为由角点和其所在的两条边上与之相邻的两个 顶点确定的平面。改变参数取值,可以调整曲面形状。为了方便应用,给出了曲面片之间的G1 光滑拼接条件及曲面的几何迭代算法,分析了算法的收敛性以及收敛速度与参数取值之间的关 系。图例显示了所给方法的正确性和有效性。     

基于小波变换的油液金属颗粒检测算法研究

为了实时掌握发动机滑油系统的磨损状况,需要在线监测系统连续监测发动机内部磨损情况.随着发动机的工作时间与磨损状态的不同,其金属磨粒的浓度、成分、尺寸等参数均发生不同的变化.因此,滑油油液中金属颗粒参数的变化可以作为重要指标来反映发动机的磨损状态,需要专门的传感器系统进行实时在线监测.但由于使用环境等因素影响,往往会使油液金属颗粒信号包含噪声,对信息检测造成影响.提出一种基于小波变换的油液金属颗粒检测算法,充分利用小波变换对时域和频域的良好局部化性质以及多分辨率分析的特点,并结合发动机实际工况下的信号特征对信号进行降噪及检测,并对算法进行了实验验证.结果表明,该算法可以有效地实现信号降噪及检测.     

改进Harris特征的印刷体图像检索

目的 文档图像检索过程中，传统的光学字符识别（OCR）技术因易受文档图像质量和字体等相关因素的影响，难以达到有效检索的目的。关键词识别技术作为OCR技术的替代方案，不需经过繁琐的OCR识别，可直接对关键词进行检索。本文针对Harris算法聚簇现象严重和运算速度慢等问题，在关键词识别技术的框架下提出了改进Harris的图像匹配算法。方法 基于Fast进行特征点检测，利用Harris进行特征描述，并采用非极大值抑制的方法，最后利用暴力匹配中的汉明距离进行特征的相似性度量，输出最终的匹配结果。结果 实验结果表明本文算法在特征提取上的时间为0.101 s，相对于原始Harris算法的0.664 s和SIFT算法的1.066 s，实时性方面有了明显提高，改善了原始算法的聚簇现象，并且在无噪声的情况下，准确率达到98%，高于Sift算法的90%，召回率达到87.5%，而且在固定均值，不断提高方差的高斯噪声条件下，与Sift算法相比，准确率也高于后者，取得了较好的实验效果。结论 本文提出的方法满足了快速、精确的查找需求，在印刷体图像的文档图像检索中有效提高了检索率，具有较好的实验效果。     

凝胶图像重叠蛋白质点分割算法研究

针对双向凝胶图像中的重叠蛋白质点检测,提出一种角点检测与多边形近似相结合的重叠蛋白质点分割方法。首先利用Harris角点检测法得到重叠蛋白质点的角点,然后利用角点对蛋白质点进行多边形近似并判断多边形顶点的凹凸性获得凹角点,最后通过凹点选取与匹配原则从凹角点中选取凹点并构造分离线完成对重叠蛋白质点的分割。实验结果表明该方法能准确快速地实现重叠蛋白质点的分割,尤其适用于重度重叠的蛋白质点。