基于各向异性高斯核的多尺度角点检测

Moravec角点检测是一种经典的角点检测算法,它认为角点是各个方向亮度变化足够大的点,但该算法不具有尺度变化特性。提出了基于各向异性高斯核的多尺度角点检测算法。利用小尺度高斯核定位准确,大尺度下抗噪声能力强的特点,对图像进行多尺度多方向分解;在每个尺度下,保留每个像素最小的幅度值,对其进行非极大值抑制。将小尺度下检测到的点作为候选角点;在大尺度下,观测候选角点的邻域内是否有极大值点出现,若存在,判定该点为角点,若不存在,将其剔除。与最著名Harris角点检测算法相比,新算法可以在不同尺度下获取角点,克服了单一尺度的Harris算法可能存在的角点信息丢失、角点位置偏移和易受噪声影响而检测出伪角点等缺点;在无噪或加噪条件下,新算法的检测性能有明显地提高。     

基于Harris的棋盘格角点检测改进算法

角点作为含有图像重要信息的一种特征点,运用角点计算可以有效减少图像运算量.正因为如此,角点检测在机器视觉中更是起着不可忽略的作用,并广泛应用于视觉测量、图像匹配和摄像机标定中.针对Harris的棋盘格角点检测的优劣性,综合尺度空间、Harris算子、Fonster算子和SVD算子的思想,提出一种由粗到精的多层策略,快速自动实现棋盘格角点检测与提取,既采用了Harris算子良好的定位性能和鲁棒性,又结合了其他算子良好的优越性,克服了单种算子的局限性.实验证明,该方法针对棋盘格角点有较高的检测精度、准确率和稳定性,可以满足实时性要求.     

基于改进 Harris 角点检测的芯片图像快速校正

以方形扁平无引脚封装(QFN)芯片为实验对象,针对芯片在封装缺陷视觉检测过程中的图像倾斜问题,提出一种半导 体芯片图像快速校正方法。 首先,提出改进 Harris 角点检测算法,结合多边形逼近方法提取目标轮廓拐角顶点;其次,通过最小 二乘法对最长边顶点进行直线拟合;最后,根据直线拟合结果进行图像校正。 实验结果表明,与传统 Hough 变换、最小外接矩法 以及傅里叶变换校正方法相比,该方法获取的倾斜角度准确度更高,运行时间少于其 1 / 5,速度更快且效率更高。     

基于改进亚像素边缘检测的弹丸特征点判读

针对传统弹丸图像判读效率低的问题,提出了一种基于改进边缘检测的图像自动判读方法,获得弹丸特征点坐标。在亚像素级别上利用Roberts模板求取图像梯度,寻找邻域内梯度最值绘制锚点,通过智能路线寻迹获得弹丸单像素边缘,采用矩理论求弹丸质心坐标。利用分辨率板检验改进边缘检测方法,并求取阴影图像中弹丸质心。实验结果表明,与传统方法相比,改进算法在边缘的连续性、定位精度上有较好的效果,将弹丸质心坐标的误差由6.7%降低到2.8%。     

基于各向异性高斯核的角点检测

提出一种基于各向异性高斯方向导数滤波器提取图像粗轮廓检测角点的方法。首先利用多方向的各向异性高斯方向导数滤波器提取图像多方向的灰度变化信息,然后利用像素间梯度相关性提取图像粗轮廓。最后在提取的图像粗轮廓的基础上构造自相关矩阵并求解其特征值,利用特征值归一化的乘积做为角点的测度。实验证明本算法具有噪声鲁棒性及角点定位准确性。     

基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法研究

提出一种基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法。以电厂地下管廊多组海量点云数据为分析对象,利用主成分分析法获取目标检测点在邻域点云微切平面上的法向信息,进而提取点云的边界点;构建基于目标检测点法向信息的协方差矩阵,计算并比较其角点响应强度函数,从中选出部分待筛选点作为真伪角点检测对象;利用基于高斯曲率极值点的伪角点检测方法,滤除伪角点并筛选出真角点;最后通过快速点特征直方图方法匹配各组点云间的相似角点,利用最近点搜索点云配准算法实现地下管廊多组点云间的拼接,并与传统3D-Harris角点检测算法的结果进行比较。对比表明,所提出算法计算耗时短且角点提取正确率高,可实现电厂地下管廊海量点云的精确拼接。     

基于图像序列的真空开关分闸速度检测

真空开关的分闸速度是影响开关电弧形态及其使用性能的重要因素。为满足高精度分析的需求,提出运用数字图像处理技术从真空开关运动序列图像中精确跟踪触头位置,进而计算触头运动速度的检测方法。该文首先利用Solidworks软件建立真空开关触头模型,并以设定速度模拟分闸过程,获得了分闸过程动触头的运动序列图像。运用Harris角点检测算法提取序列图像中触头角点,然后用SSD(sum of square differences)角点匹配算法对相邻序列图像中所检测到的角点进行匹配,并从中筛选精确匹配角点,再以匹配的像素角点为初始值,计算亚像素精度角点,从而实现了动触头位置的亚像素级精度跟踪。计算相邻帧图像动触头的位移,该位移与相邻帧图像时间间隔的比值即为动触头的瞬时速度。结果表明:亚像素角点检测技术可实现动触头位置跟踪及其分闸速度计算,且相对误差≤4.7%,最高精度可达0.34%。该方法能够实现真空开关分闸速度的高精度检测,为后续分析分闸速度与电弧形态的关系奠定了基础。     

基于多尺度手动和学习结合的角点检测

为了提取图像特征多方向的灰度强度变化,使检测结果更具鲁棒性,提出了一种基于各向异性高斯方向导数滤波器与学习结合的多尺度角点检测算法。该算法首先通过下采样构建3层图像金字塔,其中每层利用各向异性高斯方向导数滤波器获取每个像素点在8个方向的灰度强度变化;其次与图像进行卷积得到幅度响应;然后再输入卷积神经网络进一步学习;最后通过1×1的卷积输出角点响应。将实验结果与现有的基于深度学习的算法进行比较,提出的算法在重复性、平均精度、定位误差上都取得了较好的结果。     

基于改进亚像素算法的陶瓷天线PIN 针在线精密检测

陶瓷天线PIN针作为天线中重要的零部件之一,其尺寸偏差将直接关系到天线的产品质量。为了实现PIN针的在线精密检测,设计研发了一种PIN针在线检测装置,并提出了一种基于改进亚像素算法的PIN针尺寸检测方法。首先开始采集图像并进行像素当量标定,对图像进行畸变校正、获取ROI区域、图像预处理,然后利用基于改进Sobel算子及高斯峰值位置估算的亚像素边缘检测算法提取边缘点,利用最小二乘法将边缘点拟合成一对平行直线,并计算出线间像素宽度,根据像素当量换算得到被测PIN针在ROI区域处的直径尺寸。实验结果表明,该方法的测量平均相对误差小于0.25%,在保证±0.005 mm检测精度的同时,其平均耗时相对于传统基于高斯拟合的亚像素检测算法缩短了64.32%。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

鱼眼图像的目标物体角点检测方法

为实现宽视场角图像中目标物体的定位,提出了一种鱼眼图像的目标物体角点检测方法。首先对含有目标物体的鱼眼图像进行等面积切分,利用目标物体即网格图像灰度直方图的明显特征确定目标区域;然后根据实际应用对Harris算法进行改进,并将其应用至目标物体的角点检测中,确定目标物体位置。实验结果表明,能有效确定目标区域,视觉冗余度由90.3%下降到47.8%,目标物体角点检测准确率为83.8%,可以为实现宽视野范围目标的位置与距离同时测量奠定基础。     

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。     

加权SUSAN角点检测算法稳定性改进研究

SUSAN算法是比较稳定的角点检测算法,但是也存在着漏检和误检的情况。对经典SUSAN算法研究后针对其缺陷进行了改进,通过提出加权SUSAN算法,提高了角点检测的精度。同时,在USAN判决准则上进行了改进,新的准则增加了模板内和核心点灰度相似像素需要与核心点连通,并且USAN区域重心需要远离核心点的约束条件来进一步筛选候选角点。通过改进,减少了原算法的漏检和误检问题,实验结果也证明了改进方法的有效性。     

基于轮廓曲率的PET瓶防盗环断裂检测

针对现有满瓶检测算法中缺乏聚对苯二甲酸乙二酯(polyethylene terephthalate,PET)瓶防盗环断裂检测算法的问题,提出一种基于轮廓曲率计算和角点检测的防盗环断裂检测算法。首先采用灰度投影法大致定位出瓶盖区域并将瓶盖所在的矩形区域设置为感兴趣区域(ROI),再利用梯度极大值抑制法获取瓶盖边缘点,并根据提出的等腰三角形法和最近点搜索法,拟合边缘点的亚像素坐标并连接瓶盖轮廓。然后利用边缘点的路程距离比(stretch to distance ratio,SDR)来近似表示轮廓曲率,再根据轮廓曲率极大值检测角点,并采用角点匹配法定位支撑环。最后根据支撑环和防盗环之间存在缝隙与否,来判断防盗环是否断裂。该算法检测正确率达到94.75%,可满足生产需要。     

基于FAST角点和FREAK描述符改进的无人机景象匹配算法

在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。为提高景象匹配的实时性和鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。首先,针对FAST角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对FREAK二进制描述符进行简化,以提高匹配速度;然后,采用K近邻比值法和RANSAC方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。所提出的算法定位方向偏差在1°以内,像面距离偏差稳定在0.6 pixel,运行时间0.43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。在尺度变换和噪声等条件变化的情况下,相比SIFT和SURF等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。实验结果表明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。     

基于轮廓角点检测的螺纹关键参数视觉测量方法

为解决现有螺纹关键参数视觉测量方法中易存在螺纹角点误检和漏检导致测量精度降低的问题,本文提出一种基于轮廓角点检测的视觉测量方法。首先,使用双边滤波和迭代阈值法改进Canny算子,提高边缘检测的精度;其次,使用双阈值DP算法和Hough变换对轮廓进行分段拟合,在保护边缘的前提下平滑轮廓,并在此基础上使用CTAR算法提取螺纹牙顶、牙底的角点;最后,根据角点的位置信息实现螺纹大径、小径的测量。实验结果表明,相对于现有使用Canny算子和Harris角点检测的视觉测量方法,该方法能准确可靠地检测螺纹的边缘和角点,实现螺纹参数的高精度测量,螺纹大径、小径的平均测量精度分别达到0.003 3 mm和0.002 6 mm。