具有Harris角点的RANSAC交通标志检测算法

考虑到交通标志具有颜色与形状这两个特征,提出了一种具有Harris角点特征的随机抽样一致性(RANSAC)算法来对交通标志进行检测.通过对含交通标志图像进行颜色特征提取后利用Canny算子对边缘进行检测,再利用Harris角点检测算子来提取初步检测后图像的角点,最后通过RANSAC算法与检测模型进行匹配进行检测,得出结果.仿真实验表明:该算法在检测率上达到了84%,也基本满足了实时性的要求.     

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Harris角点检测的改进算法

Harris角点检测算法是图像匹配中使用非常广泛的特征提取算法.针对目前图像处理过程中尺度不变特征点提取的算法实时性较差,算法计算量比较大的问题,在Harris角点检测算法的基础上提出一种简化的算法思想:邻近像素采用对比的方法,从理论上分析算法的性能,实验中保证算法性能的同时实时性得到了提高.     

基于像素点灰度差的Harris角点检测算法

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非相似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。     

针对棋盘格角点快速检测的一种新方法

棋盘格图像在摄像机标定及视觉检测中有着广泛的应用。针对目前棋盘格图像角点检测的局限性,提出了一种棋盘格图像角点快速检测方法。该方法是利用存在过渡区和角点处灰度分布的独特性质,设计了环形检测方法。仿真及实测实验结果表明：该方法实时性强,对棋盘格图像的旋转变换、亮度变换和边缘模糊具有良好的适应性;与经典Harris角点检测算法相比,易于实现、计算量小。     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

灰度值星型辐射投影角点检测算法

角点检测是实现跟踪注册的基础,被广泛应用于增强现实等环境复杂性实时系统.针对经典的Fast角点检测算法抗噪声及抗强光干扰性能差,而Harris角点检测算法实时性较差,均无法满足增强现实等环境复杂性实时系统需求的问题,提出一种结合灰度值星型辐射投影的角点检测算法.在提取图像边缘的基础上计算检测区域内所有像素点的星型投影值,通过投影值主峰区域和主峰间距的判定逐步剔除伪角点,最终实现鲁棒的角点检测.在自然场景、COIL-100数据集中的实验结果表明,该算法在实时性和鲁棒性2个方面取得了较好的检测结果,可适用于增强现实等环境复杂性实时系统.     

基于角点特征融合的Mean-shift跟踪算法

传统Harris检测算法不能很好地适应跟踪环境。为此,提出一种基于角点特征融合的Mean-shift跟踪算法。考虑人体姿态变化或遮挡对多区域跟踪的影响,采用角点更新策略,将特征融合主色调模型的跟踪结果与多区域跟踪结果进行权衡。实验结果表明,该算法能克服人体姿态变化或遮挡对跟踪的影响,实时性满足一般跟踪系统的要求,且在非遮挡状况下,其跟踪准确率比传统算法高。     

基于自适应分数阶微分的Harris角点检测算法

针对Harris算法在对纹理复杂程度高的图像进行角点检测时会出现大量伪角点,以及分数阶微分应用到图像处理中需要人为地指定阶数的缺点。分析了伪角点大量产生的原因,并提出以分数阶替换原算法中的整数阶对图像进行微分的改进方法,以及一种以图像的分形维数作为参数来自适应地选择微分所需要的阶数的方法。从而使图像做微分运算时能更好地保留图像中的边缘信息,使分数阶微分可以应用于视频目标追踪、视频稳像等实时性要求较高的场合。实验表明,改进算法在进行角点检测时具有更高的精确度。     

Harris角点检测的FPGA快速实现方法

针对Harris角点检测算法计算量大导致实时性差的难题,提出了一种基于FPGA的快速Harris角点检测技术。利用FPGA并行处理的特点,将整幅图像分为两块后并行处理,对其中分解得到的每一块图像采用流水线处理,并将流水线结构分为导数生成器、高斯滤波、角点响应R值计算、非极大值抑制四级,且对流水线每一级中涉及到的复杂乘法运算转换为精简的移位及加法或减法运算,最终实现对目标的实时角点检测。实验结果表明,对于分辨率为1024x1024的图像,达到了每帧6.809ms的角点提取速度,与基于FPGA传统结构的Harris角点检测算法相比,速度提高了近一倍,极大提升了算法的实时性,具有较强的工程实用价值。     

基于Harris算法的图像角度计算方法

在识别图像中￡型角点及计算其角度大小时,会检测出较多错误角点且角度计算误差较大。为此,提出一种融合图像边缘特征和灰度特征的Harris角度计算方法。利用高斯窗口内边缘线权重和,以边缘梯度的平均值替代边缘上的梯度,通过比值影响函数筛选出L型角点。采用加权平面近似灰度表面,使用有关像元的主曲率幅度值拟合加权,以这2种方式的角点响应函数值相等为条件,推导角度计算公式。实验结果表明,该方法可使角点误检率从24．6％降为3．3％,L型角点角度计算平均误差率从10．21％降为3．82％。     

基于视频角点特征匹配的车速检测方法

针对传统特征匹配车速检测方法实时性较差的问题,提出一种改进的角点特征匹配车速检测方法。基于视频图像,采用混合高斯模型检测方法提取运动车辆目标,利用Harris算法检测车辆目标的角点特征,将运动估计和NCC匹配相结合,优化匹配区域搜索方法,对车辆目标角点进行角点粗匹配,再通过RANSAC算法进行角点精匹配和单视测量坐标转换以实现车速检测。实验结果表明,与传统方法相比,该方法的角点粗匹配速度提高400％,角点精匹配速度提高200％,车速准确性达到90％以上,能有效提高车速检测的实时性和准确性,满足实际车速检测的要求。     

图像配准在中药贴剂图像处理中的应用

中药贴剂外观是中药贴剂质量的重要指标。把基于特征与基于区域的图像配准算法结合运用,进行中药贴剂图像配准。该方法将贴剂图样进行Harris角点检测,通过标准Fourier-Mellin匹配方法进行校验,重采样的图像融合,实现对检测过程中采集到的中药贴剂图像进行无缝拼接,应用于中药贴剂上方图像检测仪。实验用不同大小、不同形状的褶皱对中药贴剂外观表面进行标记,以便检测该算法配准精度。结果表明,该算法应用合理,能够保证中药图像配准的高精度要求。     

基于角点检测的彩色图像拼接技术

针对彩色图像的拼接问题,提出了一种基于角点检测和仿射变换模型的图像配准算法.利用Harris算子在彩色图像的HSV空间的亮度分量V中检测角点,然后引入基于灰度相关交叉匹配和简化RANSAC算法的两级约束机制确定同名角点,并计算图像仿射变换模型参数,实现图像配准.同时结合人眼的视觉非线性给出了一种分段加权函数,通过对饱和度分量S和亮度分量V的处理,消除明显的拼接缝,实现色彩和亮度的平稳过渡.实验结果表明,该算法具有良好的拼接精度和拼接缝消除效果.     

一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。     

迭代分割逼近:新的基于局部响应显著度的角点检测

为了提高角点检测算法的精确度,同时保持较低的时间复杂度,提出了一种基于自定义的局部角点响应显著度和迭代分割逼近的角点检测方法。首先,定义了一个新的测度量——局部角点响应显著度(LCRS),用来衡量一个候选角点在其局部区域内的响应显著程度,并证明了基于LCRS的角点检测准则等价于局部自适应阈值法。其次,将LCRS视作区域的响应显著度性质,把寻找角点的任务转化为寻找高显著性区域。据此,提出迭代分割的策略用来逐步收缩显著区域,最终逼近真实角点的位置。迭代分割逼近(ISA)算法可以使用不同的角点响应函数(CRF)定义,而且其平均情况时间复杂度与Harris算法相同。实验结果表明,当采用Noble算子的CRF时,ISA算法平均误检率、漏检率分别比Noble算子低4.62%和5.59%;而当采用Harris算子的CRF时,这两个比率也分别比Harris算子低2.87%和3.37%。而且这两种情况下ISA算法的平均运行时间均小于Harris算子和Noble算子。     

基于改进的SUSAN法的摄像机线性标定方法

设计并实现了一种考虑径向畸变的逐步线性摄像机标定方法。结合边缘检测，缩小了SUSAN法检测角点的范围，并利用角点的邻域特征，剔除伪角点，从而提高了SUSAN法角点检测的速度和准确度。利用此改进的SUSAN法精确提取方格模板角点的亚像素坐标，并通过预标定获得主点坐标；然后在考虑摄像机径向畸变的情况下建立摄像机模型，并求解摄像机内外参数。最后通过实验及误差分析表明，本标定方法具有较高的精度和较好的实时性。     

一种基于兴趣点方向特征的图像拼接方法

提出了一种基于兴趣点方向特征的图像拼接算法IPOF(Interest Point Orientation Feature),该算法利用Harris角检测器提取出两幅图像的兴趣点并为每个兴趣点分配一个主方向,采用方向相关系数法提取出初始匹配对,根据特征点之间的关系去除伪匹配对,得到两幅图像的对应兴趣点特征对从而确定变换参数,最后使用加权平均的方法融合图像。实验表明,该算法在图像间存在任意角度的旋转及平移的情形下,能有效地实现图像的平滑镶嵌。     

近邻传播聚类优化的角点检测改进算法

针对传统Harris角点检测算法和目前一些改进算法应用在图像拼接时,仍然可能存在只可在单一尺度上检测、角点位置不准确、伪检和对噪声敏感致使检测率不高等缺点,提出一种基于AP聚类角点提取优化的双边滤波（BF）角点检测改进算法。该算法在对图像进行双边滤波和多尺度角点检测的基础上,采用一种新型的聚类算法--近邻传播聚类算法（AP聚类算法）,对候选角点提取真实角点的效率进行优化,并对角点算子进行改进。实验是在VS2010+OpenCV平台实现的。结果表明提出的改进算法不仅提高了角点提取效率,而且更加精确地检测图像角点,具有更好的效果,更强的实用性。     

手掌角点检测及掌纹区域确定的新方法

在掌纹识别中,角点检测是其中一个非常重要的环节,能否正确地检测出有用的角点对后续掌纹的识别影响重大。目前角点检测的方法虽然很多,但大多比较复杂,或检测出的角点数目太多,并且会伴随着伪角点,应用时需要人为去选择角点,对后期掌纹的识别带来很多不必要的麻烦。本文结合极值的理论,结合手掌具有的特点,提出一种新的角点检测的方法。该方法检测准确,无伪角点和偏移角点,在掌纹识别中,不需要人为去更正和选择角点,并使后续提取手掌中心点及手掌旋转的实现更加简便。