一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征，角点的准确提取对于图像处理和图像测量具有重要意义。文章对SUSAN（Smllest Univalue Segment Assimilating Nucleus）角点提取算法中阈值的确定提出了改进，在图像中每个像素的SUSAN模板内单独计算阈值t，使其在各种不同的对比度下仍能正确提取出角点。实验结果证明了该方法的有效性。     

基于SUSAN原理的黄河模型角点检测

分析了SUSAN算法进行角点检测的原理和有效性,在此基础上提出了一种采用改进了的SUSAN算法来提取黄河模型图像的角点特征。利用自适应的选取灰度差阈值的方法;再采用利用设定几何阈值的上下限方法,实现了黄河模型角点的自动识别和检测。实验表明,该方法提取的角点抗噪性能好,清晰真实,细致,定位精确。为下一步立体匹配和三维重构打下了基础。     

基于Delaunay 三角化的有效角点匹配算法

基于同一幅图像角点集Delaunay三角形网的唯一性和相同场景不同视角图像角点的Delaunay三角形网的相似性,本文提出了一种改进的SUSAN角点检测算法和基于Delaunay三角化的角点匹配算法,同时提出了一个模糊阈值的三角形相似度计算方法。对实际图像的实验结果表明了本文的算法对有视角变化的平移、缩放和旋转图像的有效性。     

基于改进边缘检测算子的图像特征点提取算法

介绍了边缘检测算子的原理,对算法中灰度差阈值的选择方式进行了改进。在图像中每个像素的SUSAN模板中首先计算阀值t的初值,再利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点,最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较。实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点。     

基于改进的SUSAN算法的火焰图像边缘检测研究

火焰图像边缘检测是火焰图像检测系统研究的基础。将SUSAN算法引入到火焰边缘检测之中,并针对SUSAN算法中人为设定阈值在一些特殊场合下无法有效提取图像边缘的问题和运算量过大不适用于实时场景的缺点,通过引入目标区域判别和自适应阈值选取,提出一种改进SUSAN算法,解决上述两个缺陷并对该算法进行仿真。实验结果表明,该算法可以有效地提高火焰检测的准确率,排除干扰源,并具有良好的自适应性。     

基于改进SUSAN算法的红外图像边缘增强方法

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法,然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法,最后在实际应用中,提取出了红外图像清晰、连通的边缘特征.实验结果表明,改进后的方法能够有效地增强红外图像的边缘,得到令人满意的效果.     

基于改进的各向异性SUSAN算法的MEMS微结构图像滤波

为了改善在滤除微机电系统微结构图像的噪声时导致边缘模糊的问题,提出了一种改进的各向异性SUSAN滤波算法。该方法用独立强度传播模型决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与核值的差构成的局部均值构成SUSAN滤波器的自适应阈值,从而构建出各向异性SUSAN滤波器。该算法在平滑图像同时能保持图像的边缘特征。结果表明,各向异性SUSAN滤波器能够很好地降噪并保持图像的边缘信息。     

基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

一种基于提升小波的自适应SUSAN角点检测算法

针对SUSAN角点算法中计算过程复杂及其使用固定闻值的局限性,提出一种基于提升小波变换的白适应改进方法.该算法根据角点的分布特性,引入快速提升小波变换理论,在图像的高频区域筛选出候选角点,缩小需要精确检测的角点范围,提高了算法效率;并根据图像局部灰度信息自动调节核心点与其邻域像素的灰度差值,代替原算法中的单一闻值,以提高算法自适应能力.实验结果证明了该方法的快速有效性.     

SUSAN边缘检测算法性能分析与比较

介绍了一种基于灰度比较的边缘检测算法——SUSAN算法,讨论了该算法的模板和门限的选取方法,并用VC 编程实现了该算法。通过与传统边缘检测算法的比较,结果表明:由于该算法不涉及梯度的运算,因此对噪声图像的边缘检测效果优于传统的边缘检测算法。该算法适于含噪图像或低对比度灰度图像的边缘检测。     

改进的SUSAN角点提取算法

采用了一种改进的SUSAN角点提取算法。SUSAN角点提取算法主要利用了角点周边的纹理分布特性,即在角点的某个区域内的像素灰度与角点的相似性来完成角点的提取。在此理论基础上,研究了一种新的基于SUSAN理论的改进的SUSAN角点提取算法,该算法利用了角点附近像素灰度的纹理特征来完成角点的提取,即通过控制与核心点相似的点的连通性与数量来确定该点是否为角点。并且针对阈值T固定选取的问题,采用了一种自动选取阈值的新方法。为了进一步验证所提取角点的实用性,利用特征点匹配对其进行了匹配验证。并通过仿真实验对其进行了检验。     

基于区域互信息的特征级多光谱图像配准

提出了一种基于点特征的多光谱图像配准方法.利用SUSAN算法提取角点特征,采用域互信息(RMI)作为相似性测度获取初始匹配特征点集;在精匹配阶段,首先计算初始匹配征点对的匹配强度和明确度,进行松弛迭代,得到匹配强度和明确度都较大的一一对应关系的特征点对,然后利用马氏距离的仿射不变性筛选出正确的点对,将不正确的点对从初始匹配特征点集中删除,重新进行松弛迭代,重复上面的步骤,直到筛选不出新的正确点对为止;获取了足够多的同名控制点后,用最小二乘法估计初始仿射变换参数并迭代修正.实验结果表明,算法可以达到亚像素级的配准精度.     

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整“相似性阈值”才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点.为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点.实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点.     

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。     

激光雷达主动偏振图像散斑抑制算法

针对激光主动偏振图像的散斑去除问题,提出了一种基于异向扩散的冲击各向异性滤波模型。该模型融合了冲击滤波器和小核值相似区算法,利用小核值相似区算法提取偏振图像边缘,减少了噪声对边缘检测的影响;针对不同的图像区域,自动调整冲击滤波器的系数,使得该算法既能保持图像边缘,又可以很好地抑制图像的散斑。使用八方向一阶差分估计小核值相似区算法的门限,门限估计更加准确;迭代终止条件采用完全散射区域的平均绝对误差作为标准,使得迭代次数更加合理。通过对比等效视数和边缘保持指数可见,冲击各向异性滤波算法的散斑抑制能力和边缘保持能力与传统的Lee和SRAD模型相比更加有效。     

基于TMS320C6416T平台的特征角点图像配准算法

提出了一种新的图像配准算法,可以较好地解决图像配准中的平移、旋转和缩放问题。算法首先使用SUSAN箅子提取两幅图像的特征角点,然后使用对数极坐标变换和投影相关匹配算法实现特征点匹配。针对算法的特点,设计了以高性能数字信号处理器TMs320C6416T为核心的硬件处理平台。实验结果表明：系统工作稳定,算法配准精度较高。