共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
双目立体视觉是计算机视觉研究中最为活跃的一个分支,是智能机器人科学发展的重要标志。它是由不同位置的2台或者1台摄像机(CCD)经过移动或旋转拍摄同一场景,通过图像获取、摄像机标定、特征提取和匹配,进而通过计算空间点在2幅图像中的视差,获得场景的深度信息。本文在SU—SAN角点检测的基础上,提出了基于图像平均灰度的阈值选取方法,使阈值的选取不再盲目,保证了用SUSAN算法进行角点检测的实用性和适用性。仿真试验表明,用该方法进行特征点的提取,减少了匹配时间,提高了匹配精度,得到了较好的效果。 相似文献
3.
基于几何特征的快速高精度角点检测算法 总被引:6,自引:1,他引:5
角点检测应用十分广泛,是许多计算机视觉任务的基础.本文提出了一种快速、高精度的角点检测算法,算法简单新颖,角点条件和角点响应函数设计独特.和以往不同的是:算法在设计上考虑的是角点的局部几何特征,使得处理的数据量大为减少,同时能够很好地保证检测精度等其他性能指标.通过和广泛使用的SUSAN算法、Harris算法在正确率、漏检、精度、抗噪声、计算复杂度等方面进行综合比较,结果表明该算法无论对人工合成图像还是对自然图像均具有良好的性能. 相似文献
4.
5.
传统的Sobel边缘检测算子对噪声变化抑制能力较差,并且其使用固定阈值导致适应性差.该方法利用中值滤波思想来确定图像的每一像素点局部边缘阈值来实现自适应阈值Sobel边缘检测,并在FPGA平台实现.实验结果表明,该算法检测出的实时图像边缘更加精细,并且能很好地抑制背景噪声. 相似文献
6.
基于窗阈值局部二值模式的织物疵点检测算法 总被引:1,自引:0,他引:1
为准确描述不同织物的纹理结构,提出一种改进的局部二值模式,为不同纹理特征创建了相应的主要概率模式子集.在该特征提取算法的基础上设计了一种基于窗阈值的织物疵点检测算法,并对无图案和有图案织物分别设置了参数.该算法首先使用自适应局部二值模式获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该窗是否为疵点窗.对无图案和有图案织物的参数分别进行了讨论分析,以获得精确的分割结果.实验证明,所提出算法的疵点检测结果在视觉上更加细腻、误检率更低. 相似文献
7.
8.
基于小波变换和Zernike矩的图像区域复制篡改鲁棒取证 总被引:2,自引:0,他引:2
针对现有的图像区域复制篡改检测算法其后处理的鲁棒性较差,且时间复杂度高的问题,提出了一种有效的检测与定位篡改区域算法.该算法通过对图像进行小波分解,将低频图像进行块分解,提取每块的Zernike矩特征,并将特征向量排序;然后,为每个特征向量搜索阈值符合的相似特征向量;最后,利用区域面积阈值去除错误的相似块对,并结合数学形态学定位篡改区域.实验结果表明,该算法不仅能有效地对抗常规的后处理操作,而且只在1/4图像上搜索块空间,提高了运算效率.本方法可用于面向图像内容的真实性鲁棒取证. 相似文献
9.
10.
传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性. 相似文献