曲率尺度空间与链码方向统计的角点检测

针对曲率尺度空间角点检测中,由于选择的尺度不同,会造成角点的漏检测,以及检测到错误角点的问题。提出一种基于曲率尺度空间与链码方向统计的角点检测方法。首先在较低的曲率尺度空间上检测出候选角点集;再通过自适应阈值及链码方向统计的方法删除错误角点。该方法采用较低的曲率尺度可检测出更多的角点,降低了角点漏检测率;通过计算椭圆角点自适应阈值可删除椭圆角点;采用Freeman链码方向统计可剔除伪角点;从而提高角点检测精度。通过实验充分验证了本文提出的角点检测算法比其他角点检测算法具有的高效性和准确性。     

基于曲率的角点检测及目标区域提取法

针对图像检索系统提出了基于自适应阈值曲率增强的角点检测法, 以及基于角点曲率的目标区域提取法. 该算法将曲率作为角点重要程度的判断标准, 通过自适应阈值判断图像的真伪角点, 并增强真实角点的曲率信息, 利用具有较大曲率的角点确定图像的重心, 以重心为形心定位图像的目标区域. 实验结果表明, 本文算法不仅提高了图像角点检测的可靠性, 而且有效地确定了其目标区域, 最终达到了提高图像检索准确率以及算法运算效率的目的. 为检索背景复杂的图像提供了新的思路和方法.     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

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%。     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。     

基于多尺度角点的改进SIFT算法

重点讨论一种基于角点的改进SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)算法。该算法采用统一的低主曲率比值删除不稳定边缘响应点,把高斯空间中提取的角点加入到运用主曲率比值筛选后的SIFT特征点中。另外,在角点检测中,以图像区域方差来动态确定角点检测的阈值,大大提高了算法的适应性。实验证明,改进后的算法能提取更加稠密且高匹配的特征点,并且具有对主曲率比值不敏感的优点。     

三角网格曲面角点的鲁棒性检测算法

为有效检测三角网格曲面上的角点特征,提出一种基于最小主曲率的角点检测算法.首先通过计算网格顶点处的最小主曲率,利用加权最小主曲率定义角点特征函数,并计算角点特征值;然后利用迭代阈值法自动产生检测阈值,以去除噪声和特征不明显的角点;最后采用非极大值抑制法消除局部邻域内的角点聚簇获取特征明显的角点.在此基础上,在多个尺度下分别计算每个网格顶点处的角点特征值,并通过加权将其合并成多尺度角点特征值,新的角点特征值使得角点检测算法具有较高的稳定性和鲁棒性.通过重复检测率实验和部分重叠曲面的配准实验,验证了文中算法的有效性与实用性.     

基于局部曲率函数的角点检测

角点检测是计算机图像处理领域的基本问题之一,在全局曲率函数角点检测的基础上,提出一种基于局部曲率函数的快速角点检测算法.通过Canny算子提取图像的边缘,在边缘的基础上计算轮廓的局部曲率函数,由于Canny算子首先用高斯滤波器对图像平滑处理,尽可能的去除了噪声而不损失角点,计算局部曲率函数的最大峰值,通过设定阈值检测出角点.对算法进行仿真,试验结果表明该算法可以稳定的检测角点,并对旋转、尺度和噪声具有较强的鲁棒性.     

基于B-样条轮廓方向变化率多尺度表示的角点检测

基于B-样条尺度空间定义了轮廓方向变化率的多尺度表示,并利用多尺度轮廓方向变化率及其乘积提出了的新的角点检测算法。该算法直接把多尺度轮廓方向变化率乘积的局部极值点定义为角点,这是由于多尺度乘积不但融入了多个尺度下轮廓方向变化率的特征信息,而且能极大地增强角点的变化率,抑制受边界和量化噪声影响的边界点的轮廓方向变化率。这样,算法仅通过一个全局阈值就能获得很好的检测效果,而且真正地实现了候选角点多尺度检测。最后,定性分析了角点检测的定位性能,并通过对比实验验证了所提出的算法具有很好的检测性能。     

点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。