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。     

基于改进Harris算法的角点检测

提出了一种改进的Harris角点检测方法.该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定条件,则将该像素点定义为角点.实验结果表明,该方法无需进行阈值选择,提高了角点检测精度.     

一种改进的基于Harris的角点检测方法

在研究Harris角点检测算法时发现该算法对一些图像进行角点提取时,存在提取伪角点、角点信息丢失和位置偏移,而且在进行非极大值抑制时不易设置阈值等现象.提出了在进行非极大值抑制时采用双阈值法,分别设置一个相对大和一个相对小的两个阈值,从而得到同一图像不同阈值的角点信息,通过角点信息对比能够很好地解决角点信息丢失和位置偏移并能消除一部分伪角点,然后利用SUSAN的思想消除剩余的伪角点.通过对比实验表明,文中算法提取角点非常有效,比Harris算法具有更好的角点检测性能.     

基于角点运动约束的感兴趣区域提取算法

传统光流法提取感兴趣区域时运算量巨大,不能满足实时性的要求。针对这一问题提出一种基于角点运动约束的感兴趣区域提取算法。算法利用Harris算法对视频图像进行角点检测,通过对角点区域进行预处理,提取出前景角点区域,在此基础上利用光流法建立角点区域光流场,通过建立运动约束和阈值处理提取运动目标前景。算法仿真结果显示:算法可以准确提取感兴趣区域,抗干扰能力强,可以满足实时性的要求。     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性,提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘,然后进行细化并填充边界线上的断点,再利用角点的几何特性来确定角点的位置。实验结果表明,这种算法提高了角点提取的正确率、定位精确、实用性强。     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

基于改进的Harris角点检测的车型识别方法

利用角点信息作为车辆正面图像的特征点对车型进行识别,将Harris角点检测的方法进行改进,将不同方向的特征值之比加入角点响应,提高了角点检出率;考虑到视频中行进车辆的位置变动,将车牌中心点位置作为定位点,计算不同车型的角点匹配率作为判定车型的依据。实验结果证实了所提方法的有效性。     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

一种高效的SAR图像角点提取算法

INS/SAR组合导航系统对合成孔径雷达(SAR)图像的角点提取精度、实时性、可靠性要求较高,为此,提出一种结合曲率尺度空间与Harris算子的角点提取算法,用局部Harris算子定位用曲率尺度空间法提取出的角点。实验结果表明,该算法实时性好、精度高、冗余度低。     

基于Harris角点检测的改进算法研究

经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易出现伪角点、漏检点及运行速度不理想等现象。针对这一情况,文章在传统Harris算法基础上提出一种新的检测方法,采用多阈值的圆形非极大值抑制法提取角点,以此降低算法检测时间并增强图像旋转不变性,再借鉴SUSAN思想消去大部分伪角点。通过实验对比,该算法具有更好的角点检测性,为后期的图像配准奠定了良好的基础。     

基于欧氏距离的拐点检测算法

拐点是数字图像中的一个重要信息载体,提出一种新的拐点检测算法,该算法并非寻找连续空间中曲率的离散近似计算方法,而是源于离散曲线的外观特征,推导出离散曲线上拐点处k个点对间欧氏距离平方和局部最小这一重要性质。基于该性质,本算法首先利用Freeman链码的性质过滤掉物体边界上明显不可能成为拐点的象素,然后在剩余的边界点中通过寻找该局部最小值定位出拐点。给出了本算法与四种著名拐点检测算法的对比实验。     

随机Hough变换实现角点检测

为实现角点的有效检测,提高检测速度,提出一种基于随机 Hough变换的角点检测方法。利用随机 Hough变换求取出直线参数;根据角点在 Hough空间中的特征,利用反 Hough变换的反演原理对参数空间中的峰值进行反变换,定位图像空间中的直线交点;为避免虚假角点,将那些附近不包含任何边缘的交点删除,得到正确的角点。实验结果表明,该方法相对于 Harris算法和SUSAN具有更好的准确性、鲁棒性和稳定性,实时性也有一定提高。     

多通道奇Gabor梯度相关矩阵的角点检测算法

为了抑制边缘轮廓平滑导致角点定位精度的下降,提出多通道奇Gabor梯度相关矩阵的角点检测算法。该算法是在Gabor滤波器的基础上,利用8个通道的奇Gabor滤波器对输入图像进行变换;然后利用每个像素与其相邻像素的Gabor梯度相关性构造自相关矩阵,若像素点的自相关矩阵对应的归一化特征值的和是局部极大值,则标记为角点。实验显示,与Harris算法、曲率尺度空间(CSS)算法等经典算法相比,该算法的平均正确检测率提高了约17.74%,平均定位误差降低了约18.15%。结果表明,所提出的算法具有更好的检测性能,并获得了较高的角点检测率及较好的定位精度。     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

Harris角点检测在电力设备状态监测中的应用

人们对电力设备的要求逐渐提高,电力设备的带电检测、在线监测、巡检和试验、运行工况、环境等是电力设备状态监测和评估发展的必然趋势。由于一些大型电力设备长期工作在户外恶劣的环境下,随着时间的推移,其性能会下降并逐渐降低用电可靠性。为了更好地实现对电力设备的监测并保证电力系统的正常运行,针对常见电力设备运行中出现故障的特点,该文采用Harris角点检测监控电力设备状态的方法来对电力系统中的运行设备进行监测。该方法将摄像头搜集的实时图像和正常运行的电力设备状态进行比较,根据比对采集到的图像焦点特征来判断正在运行的电力设备是否发生故障,以便于电力设备监测的工作人员及时采取合理的处理措施对已故障的设备进行保养和维护。该方法不仅减轻了维修人员的工作负担,还减少了因设备故障导致的用电事故,从而大幅度提高了电力系统的安全性和稳定性。     

一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对?祝-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。     

基于图像融合的飞行器轮廓提取方法

区域分割算法可将图像中含有有效信息的区域挑选出来,由此提出一种基于图像融合的边缘提取方法,在区域分割的基础上,利用分水岭算法对分割出来的含有有效信息的区域进行边缘提取。并将所得结果与其他边缘提取算法融合,得到单像素宽的、封闭的轮廓。该方法可以降低背景区域对结果的影响,综合多种算法的优点。实验结果表明该方法稳定可靠,具有较强的实用性。     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

基于最大熵和形态学的边缘检测

利用最大熵图像分割理论和形态学方法相结合,提出了一种新的灰度图像的边缘提取方法。以一维最大熵和二维最大熵为例,分别与形态学方法结合进行了实验对比。试验表明,该方法与传统边缘检测方法相比,能够在无需参数输入的前提下自动提取出图像边缘,且检测到的边缘都是单像素线条;可以在尽量保留图像最大信息量的基础上,快速准确地提取出单像素封闭边缘。     

基于空间矩的角特征提取

空间矩既可提取边缘特征．也可提取角特征．首先通过分析角特征模型的空间矩计算公式,推导出空间矩生成的多项式对角特征像素的判别准则;然后基于Kitchen和wang的角特征提取方法,提出利用梯度角的变化作为角特征像素的另一个判断准则．实验结果表明,利用这两个判别准则可准确可靠地判别角特征像素,并且具有一定的鲁棒性。