角点检测方法研究

角点是图像的一个重要局部特征,它决定了图像中目标的形状,因此在图像匹配、目标描述与识别及运动估计、目标跟踪等领域,角点提取都具有重要的意义.根据实现方法的不同可将角点检测分为基于边缘特征的角点检测、基于灰度图像的角点检测、基于二值图像的角点检测和数学形态学4类.详细阐述了这几种角点检测方法,并对不同方法逐一进行归纳分析,在最后指出了今后角点检测技术的研究方向和发展趋势.     

用于摄像机标定的棋盘图像角点检测新算法

摄像机标定是从二维图像获取准确的三维信息的必要步骤,摄像机标定的精度在很大程度上取决于标定板控制点的图像定位精度,鉴于此,对棋盘格标定板图像的角点定位问题进行了研究.笔者通过对图像像素类型及其性质进行分析,提出了以小邻域环形模板上像素灰度的跳变次数为判据的棋盘角点检测新算法,该算法不但能快速检测出角点,而且还能确定角点的类型.利用此性质,剔除了容易受外界环境影响的棋盘外圈角点,即非X型角点,从而从另一个角度保证了所提取角点的精度.为了达到更高的精度,笔者以棋盘图像的高度对称性为依托,在每个初定位角点的局部邻域内,用灰度重心法对角点进行了亚像素定位.实验结果表明,提出的算法具有较高的精度,能够为高精度摄像机标定提供可靠数据.     

线结构光传感器标定中角点提取方法的探讨

鉴于角点提取时线结构光视觉检测系统标定精度的影响,在分析Harris和Forsmer算子提取角点的原理及其优缺点的基础上提出了改进算法.通过实验表明,这种方法可以提取到定位精度更高的亚像素级角点,效果显著.     

一种改进的Harris角点提取算法

针对广泛使用的Harris角点提取算法在对T型和斜T型角点存在定位不准确以及运算速度慢的特点,提出了一种改进算法。改进算法以目标像素点的8-领域范围内与之灰度相似的点的数目为基础,并将该值与目标像素点附近的其他像素点进行比较,分析局部范围内的像素点的灰度值分布,根据比较结果,从中遴选出部分像素点作为下一步Harris角点检测算法的计算对象,并根据角点函数响应值的大小,最终判断该像素点是否为角点。实验结果表明改进算法大大提高了角点检测速度,并对T、斜T型角点提高了其角点检测的定位精度。     

一种改进型的Harris角点检测算法

Harris角点检测方法是在计算机视觉领域中使用非常广泛的点特征提取算法,它算法简单,而且稳定,但在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,为此提出一种改进的Harris角点检测方法.实验表明该方法在点特征的提取和精确定位方面都达到了较好的效果.     

亚像素角点定位提高相机标定精度

对相机标定中常用的两种亚像素角点定位算法进行了比较,并对测试图像进行了角点定位实验。对于在实验中发现的直线拟合法的失效情形,提出了利用空间矩进行亚像素边缘提取后再进行直线拟合的改进方法。经用张正友标定法进行模拟相机标定,证明改进后的直线拟合法可明显提高标定精度。     

一种改进的红外图像角点检测算法

在SUSAN算法的基础上,本文提出了一种改进的角点检测算法,该算法在检测角点位置的同时,可以完成角的大小和方向的检测.实验结果表明,该算法角点检测准确,实时性好,角点特征稳定,对灰度变化不敏感,适用于部分遮挡目标的识别.     

一种应用于视觉测量标定的亚像素级特征点提取算法

在应用视觉测量系统时 ,视觉传感器的标定是必要的步骤 ;当采用标定图案标定时 ,角点图像坐标的提取精度会影响最终标定的结果 ,方法的易操作性也会影响该项技术的应用 ;本文提出一种基于亚像素级的特征点提出方法 ,该方法的主要思想是先采用了自动提取的初始点为引导进行边缘提取和哈夫变换 ,再通过直线拟合求交的方法获得角点的精确坐标     

一种改进的Harris角点检测方法

为了提高传统Harris角点检测算子的性能,提出了一种改进的Harris角点检测方法。由于传统Harrsis算法依赖系数k的设置,降低了算法的实时性和检测精度,且需要通过阈值T的设置选取角点,使得角点集群现象明显。文章通过优化Harris角点检测响应函数,避免了通过反复试验设置响应函数中系数K,同时改善了目标点响应函数的精度。通过对响应矩阵的分块处理,避免了阈值设置,提高了处理速度,减少了角点集群现象,使角点检测具备了一定的自适应能力。实验结果证明了新方法比传统算法更有效地改善了角点检测的性能,具有更好的精度和实时性。     

利用局部方向微分向量一致性的角点检测

在边缘轮廓提取的基础上,提出了一种利用局部方向微分向量一致性的角点检测算法以消除边缘噪声对角点检测产生的不利影响。该算法提取图像的边缘轮廓来降低算法计算量;利用各向异性高斯方向导数(ANDD)滤波器提取每个像素处的方向微分向量并进行幂次变换,以增强向量的各向异性;进而利用相邻像素的方向微分向量构建一致性测度。最后,对同一轮廓上的一致性测度进行均值归一化,得到最终角点测度。实验显示,提出算法的平均角点定位误差为1.52pixel,与对比算法接近;检测准确率分别比点到弦距离累积(CPDA)法、相对局部曲率(HeYung)法提高了58%和5.5%,与归一化残余面积(RA)算法相等,同时角点错检率比HeYung和RA少25.5%和21.6%。提出的算法能准确地检测出真实角点,并具有更小的错误检测率,更高的角点重复率,而且对边缘噪声十分鲁棒。     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.     

基于Harris角点的矩形检测

为了快速精确地对矩形进行识别和检测,开发了一套图像采集系统,并提出了基于改进的Harris角点检测法的快速矩形识别算法。首先,只针对多种角点中的L型角点进行快速检测,并通过亚像素级后处理提高角点的位置精度。然后,根据得到的高精度角点位置信息,任意组合角点并遴选相互平行且长度相等的直线段组,从而匹配出相互垂直且四个角点重合的平行直线段;将其作为矩形的四条边,进而循环识别出图像中所有的矩形元素。提出了伪矩形图形元素的甄别判据,以提高算法的精确度和可靠性。实验结果表明:分别用基于Harris角点和基于Hough变换的矩形检测算法处理同一图片时,前者的运算速度为后者的9.5倍;其图像识别精度能达到亚像素级,最大误差为0.4pixel。该算法满足工业应用中高实时性、高精度的要求,并且稳定性好,抗干扰能力强。     

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。     

改进Turbo-BLAST检测算法及其仿真

Turbo-BLAST系统基于MMSE的迭代软干扰消除检测技术可有效克服由于V-BLAST的应用带来的多流干扰,但是在迭代检测译码过程中存在错误传播,并且收敛性较差,尤其在接收天线远小于发射天线时。而MAP迭代检测算法的性能接近最优,但复杂度随发射天线和调制阶数呈指数增长。所以本文把这两种算法相结合,提出改进的SIC-MAP/MMSE检测算法。仿真结果表明,在相同频谱利用率的条件下,这种新检测算法在性能和收敛性上明显优于MMSE的迭代软干扰消除(SIC-MMSE)检测技术。     

An improved PCA method with application to boiler leak detection

Principal component analysis (PCA) is a popular fault detection technique. It has been widely used in process industries, especially in the chemical industry. In industrial applications, achieving a sensitive system capable of detecting incipient faults, which maintains the false alarm rate to a minimum, is a crucial issue. Although a lot of research has been focused on these issues for PCA-based fault detection and diagnosis methods, sensitivity of the fault detection scheme versus false alarm rate continues to be an important issue. In this paper, an improved PCA method is proposed to address this problem. In this method, a new data preprocessing scheme and a new fault detection scheme designed for Hotelling's T2 as well as the squared prediction error are developed. A dynamic PCA model is also developed for boiler leak detection. This new method is applied to boiler water/steam leak detection with real data from Syncrude Canada's utility plant in Fort McMurray, Canada. Our results demonstrate that the proposed method can effectively reduce false alarm rate, provide effective and correct leak alarms, and give early warning to operators.     

An advanced Park's vectors approach for bearing fault detection

Induction motors vibrations, caused by bearing defects, result in the modulation of the stator current. In this research, a method based on Park's vector approach for bearing fault detection using three-phase stator current analysis is presented. In order to evaluate the ability of the proposed method several experiments are performed, and sets of data are gathered before and after using defective bearings. Both localized and distributed defects are evaluated using this method. The experimental results from our study suggest that the proposed method provides a powerful and general approach to incipient fault detection.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。