基于Harris角点的KLT跟踪红外图像配准的硬件实现

提出了一种基于Harris角点的KLT跟踪图像配准算法用于解决红外搜索跟踪系统中红外图像配准问题。该算法首先对红外序列图像进行Harris角点检测,选取合适的角点作为跟踪点,对跟踪点进行KLT跟踪,通过KLT算法计算出序列图像间的位移量,从而实现红外图像配准。整个算法在DE2-115系统平台上实现,采用CycloneIV系列的FPGA,在Quartus13.0软件上利用Vhdl编写和调试Harris角点检测、KLT跟踪以及匹配程序。最后结论表明,该算法能满足红外图像配准的精度和稳定性,并且FPGA在图像处理中可以提供更高的运算速度,更能满足图像配准的实时性要求。     

改进的Harris算法在海洋遥感图像处理中的应用

研究HY-1B卫星水色图像数据时需要先对水域进行定位,一般采用轮廓明显的海岸线来辅助附近海域的定位。为了克服基于传统Harris角点检测算法带来的漏检、定位精度差等问题,提出一种改进Harris角点检测算法。在双边滤波预处理图像后引入多尺度空间表示,最终对候选角点集进行分组检测选取出最小尺度下的角点作为最佳角点。实验结果表明,改进的算法提高了角点检测率并且减少了冗余角点数量,优于多尺度Harris算法和Harris-Laplace算法。     

全景图像自动拼接算法的优化设计

提出了一种结合空域和频域进行全景图像序列自动拼接融合的优化算法。首先利用改进的相位相关法对全景序列图像进行自动排序并确定重叠区域,根据重叠区域像素均值进行图像整体亮度差异自动调整以降低角点的误匹配率;然后使用改进的Harris 算子在空间域提取图像角点（无需人工设定阈值）,通过双向最大互相关系数匹配获得初始特征点对,并用RANSAC 算法实现精确匹配;最后采用非线性平滑算法对图像重叠区域进行融合处理。实验结果表明,该优化算法排序过程简单有效,特征点提取匹配过程的成功率和效率都较现有算法有很大提高,拼接的图像清晰度高,具有较高的稳健性和拼接精度。     

基于Harris角点的彩色图像文字检测

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学运算将角点聚合形成区域;对区域进行轮廓跟踪算法,得到文字区域的初定位图像;最后对文字区域进行验证,得到最终结果.实验证明该算法具有较高的准确性.     

角点与边缘信息相结合的遥感图像飞机检测新方法

利用遥感图像中飞机目标的边缘特征和角点特征,提出边缘与角点信息相结合的遥感图像飞机检测新方法.首先,进行Canny边缘检测,提取遥感图像中飞机目标边缘信息,并利用OTSU算法二值化处理图像;然后,进行Harris角点检测,找出满足飞机角点分布特征的区域,去除伪目标;最后,进行区域生长式聚类,通过求取类心最终确定飞机位置.对60幅高分辨率遥感图像进行飞机检测测试,正确检测出238架飞机中的220架,漏检18架,48个虚警.实验表明,该方法可以有效解决复杂背景下飞机检测问题,具有良好的检测性能.     

基于良分布的亚像素定位角点的图像配准

针对Harris检测出的角点位置会发生偏移和易产生伪角点,以及在角点匹配过程中计算复杂,容易产生误匹配等缺点,该文提出了基于良分布的亚像素定位角点的图像配准方法。该方法首先使用多尺度Harris算子检测图像的角点作为初始兴趣点,并采用自适应非极大值抑制对兴趣点的数量进行限制,以减少后续过程的计算复杂度,提高算法效率,同时使得角点在图像中处于良分布状态。然后利用亚像素定位技术进行精确定位,排除伪角点和不稳定的角点。最后使用随机抽样一致性算法对初始匹配进行鲁棒的模型参数估计。实验结果表明算法配准效率改进明显,并具有良好的精确性和鲁棒性。     

一种改进的联合点特征与灰度特征的红外图像配准算法研究

在研究红外图像成像原理与特征、传统红外图像配准方法的基础上,提出了一种改进的联合点特征与灰度特征的红外图像配准算法。首先采用经典的Harris角点检测算法提取一次角点,在一次角点的基础上对其进行下降排序,对排序结果进行不同份数的等分并提取每一部分的中间值,最后根据图像配准需求有效利用中值选择不同的特征点;该算法充分利用环形区域的旋转不变性和特征点区域灰度差异性很小的原则进行特征点匹配。实验结果表明该算法能够提取出更加精确的匹配点,能够有效的完成红外图像配准。     

图像块改进Harris角点检测的农田图像拼接

为了达到农田研究人员对于宽视野、高清晰度图像的要求,提出一种基于图像块改进Harris角点检测的农田图像拼接算法.为了降低图像拼接数据量,减少运算时间,提高拼接效率,将参考图像与待拼接图像分割成具有重叠区域的图像块,采用余弦相似度,寻找最优匹配图像块;采用Harris角点检测算法实现最优匹配图像块的特征点提取,通过计算...     

基于二维局域波和角点匹配的多模态图像配准

目前多模态图像配准研究是现代图像处理的一个热点。提出了一种基于二维局域波分解后剩余图像和角点检测的自动点匹配的多模态图像配准方法。首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维局域波应用于多模态图像配准的可行性,提出了一个新的基于Harris角点检测的高精度自动点匹配算法。该算法充分利用了图像的角点特征以及图像灰度和位置信息,匹配过程中采用圆形模板进行相似度计算和松弛匹配。实验表明,该算法可以精确的自动匹配,其精度优于传统的点匹配算法。     

基于角点特征的图像自动拼接算法

提出了一种基于角点特征的图像自动拼接方法.分析了Harris角点检测算子的实现原理及其不足,提出一种改进的Harris角点检测算法提取图像特征角点,减少了计算量,同时提高角点的定位精度,增强了算法的抗噪性能.然后用快速RANSAC算法求出图像变换矩阵H的初值并使用LM非线性迭代算法精炼H,最后采用像素值加权的方法进行图像融合.实验结果表明,该算法能有效提高配准精确性,具有较高的实用价值.     

基于模板边缘的自适应Harris角点检测算法

针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

基于Harris图像拼接的全景视频稳像算法

对于背景变换和抖动分量比较小的视频序列,传统稳像算法不能直接适用,本文提出一种基于Harris图像拼接的全景稳像算法。首先采用Prewitt算子提取出图像的边缘信息,在此基础上进行分区的Harris特征点检测;然后结合NCC（normalized cross correlation）算法与RANSAC（random sample consensus）算法实现图像间的特征点精确匹配,接着利用加权平均融合的方法进行图像融合;最后对融合后的全景图像进行剪裁,完成图像补偿,输出稳定的视频序列。实验结果表明:改进的Harris算法提高了算法效率以及正确特征点数量,并且本文稳像算法实时性较好,能够有效消除视频抖动并输出稳定的视频序列。     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

改进的多尺度Harris角点检测算法

为提高图像中角点检测的准确性,以及对图像噪声的抗干扰性,提出了一种多尺度Harris角点检测算法。该算法首先对图像进行多次高斯平滑,对每次平滑后的图像进行Harris角点检测,获得角点信息;而后,利用真实角点比噪声更稳定的特性,通过统计不同尺度下获得的角点信息,最终提取到真实的角点。实验证明,对于包含大量噪声的图像,提出的多尺度Harris角点检测算法仍能够准确的提取到真实的角点。     

一种基于支持向量机的角点检测算法

支持向量机应用于文本分类、手写数字识别、基因表达等许多领域,由于Harris角点检测算子对噪声点非常敏感,本文在文献[3]的基础上提出Harris算子和支持向量机相结合的方法来进行角点检测.首先利用Harris角点检测算法对两幅以上的无噪声图像提取角点,然后将提取的角点作为支持向量机的训练样本.构造支持向最机,最后利用...     

改进Harris-SIFT算法在水下图像匹配中的应用

针对尺度不变特征变换(SIFT)算法实时性差、错匹配多,以及Harris角点检测算法精度不高、速度偏慢的问题,提出了一种运用改进Harris-SIFT算法对水下拍摄的双目图像进行特征点提取与匹配的方法。利用改进的Harris算法对两幅图像进行角点检测,然后为特征点分配方向,并生成SIFT特征描述子,完成匹配。实验结果表明,该算法实时性强、匹配率高,并能较好地反映水下物体的形状特征。     

一种分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值并且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法。首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准。实验证明此方法使得图像配准精度和配准效率得到了极大地提高。     

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.