基于区域划分的角点检测

本文主要研究角点检测中全局/局部的搜索算法,针对该算法效率较低的情况提出了改进的角点检测算法. 该算法采用相似金字塔计算原理构造多层图像,同时采用多尺度Harris算子分层搜索并提取图像特征角点,经过分层图像、分区域图像的特征角点进行融合计算,实现了目标特征点寻找. 该算法主要在角点检测上考虑不同层次的图像和单张图像区域关系,并且通过特征点周围像素的变化参数来实现目标的定位. 实验结果表明,本文提出的改进算法提高了总体定位的速度,降低了误定位的概率.     

基于聚类分割和特征点的显著区域检测算法

针对彩色图像中的显著区域检测,对基于聚类分割的特征点检测算法及基于亮度、颜色和梯度多特征的显著区域检测算法进行了研究,提出一种基于特征点和聚类分割的显著区域检测算法,该算法的处理思路是先对目标彩色图像利用高斯低通滤波和局部熵纹理分割去除纹理区,得到R、G、B分量的滤波灰度图,聚类分割自动划分出每个分量的最亮区域、最暗区域和剩余区域这三个区域,每个颜色分量选择最亮或最暗这两个区域与剩余区域亮度差值最大的一个区域,对此选择区域边界进行角点、边缘点检测,将其角点和边缘点作为显著点,然后通过数学形态学将显著点扩展到显著区域.利用公共数据库中的多幅自然图像进行实验对比,实验结果显示本文所提算法不仅提高了检测准确性,同时简化了计算过程,验证了该算法在提取尤其是纹理复杂的图像的显著区域上的有效性.     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

基于双焦单目立体视觉的多层次特征检测算法

特征检测是立体视觉技术的重要组成部分;与传统的Canny或Harris等边缘与角点检测相分离的算法不同,采用相位一致性特征检测算法可以同时检测出边缘和角点;相位一致性特征检测在频域进行,与特征点形状及图像的对比度无关,定位效果好,所得角点是边缘点的子集;在特征检测过程中,利用四叉树将图像分割为与图像特征分布相关的多个区域,在各个区域内分别进行处理;同时,通过控制四叉树的分解级数及特征检测的阈值实现了图像的多层次特征检测,实现结果表明,与传统的特征检测算法相比,该算法效果更为理想,且能更好地适用于单目立体视觉系统。     

基于视觉的多点触摸基本技术实现方法

高性能的图像处理技术是基于视觉的多点触摸技术的关键,对于特征点的检测和跟踪是完成多点触摸系统的基础.文中主要介绍了几种算法用来解决特征点的识别和跟踪的问题.首先,图像轮廓变换算法用来分析手指与屏幕的接触区域,以及在此基础上采用中心计算算法确定特征点的中心坐标;再次,最小距离优先(MDF)算法对在两个相邻图像中的相应的特征点进行识别和跟踪,为随后的事件检测和手势识别提供了前提条件.实验结果表明,算法的性能满足多点触摸系统的实时要求.     

基于支持向量机的鲁棒盲水印算法

提出了一种基于支持向量机的鲁棒盲水印算法.该算法首先用多尺度Harris-Laplace检测算子从载体图像中提取出稳定的特征点,然后根据特征自适应确定局部特征区域,在特征区域选择一些点作为嵌入水印的点,结合图像的邻域相关性,根据灰度图像特点,选取特征向量作为SVR训练模型,进而利用SVR进行预测,调节嵌入点的像素值进行水印的嵌入和提取.实验结果表明,用该技术嵌入水印后的图像具有很好的图像感知质量,时常规信号处理乖去同步攻击特别是JPEG压缩具有较强的鲁棒性.     

基于局部对比和全局稀有度的显著性检测

为了提高显著图的精确度,能够准确地提取显著目标,提出了结合局部对比和全局稀有度的显著性检测算法.该方法通过两个方面来衡量显著性:局部对比和全局稀有度.采用多尺度高斯差分模拟“中央周边差”计算中心点与其周围点的各特征之间的差异来描述局部对比,采用多尺度高斯卷积图像的特征及特征方差的概率计算全局稀有度,将局部对比和全局稀有度融合和归一化得到最终综合显著图.实验结果表明,该方法能较好地检测图像中的显著区域,在突出图像中不同物体边缘的同时,也能突出图像中同质区域的显著性,说明了结合局部和全局的算法能够得到更好的显著图.     

序列图像的目标识别方法

针对灰度差绝对平均值算法匹配次数多,不具有旋转不变性等缺点,提出一种新的序列图像目标识别方法。首先,分别在模板图像和目标图像中进行特征点检测,然后将模板图像中检测到的特征点附近区域作为特征模板。利用特征模板与目标图像中的特征点相应区域进行环形模板匹配操作,从而在目标图像中找到与模板图像相匹配的特征点。对于因遮挡而丢失的特征点,可根据已匹配特征点之间的相对关系来重新确定,从而实现目标识别的功能。仿真实验验证了该算法的有效性。     

眼前节组织OCT图像边缘检测及特征角点提取

提出了一种适用于眼前节组织OCT图像的边缘检测算法。该算法在单尺度下用多个结构元素进行边缘检测,根据边缘图像灰阶值的差异性,采用动态自适应权重进行像素点融合;再利用连通域的方法抹去面积小的干扰区域,最终得到多结构元素单尺度边缘检测图像,并在其上通过象限区间有效地提取出了角膜特征角点。仿真结果表明边缘特征明显,较以往边缘检测算法有效避免了OCT图像边缘结果的突变像素点的出现,抹去了干扰区域。因此,提出的特征角点具有较高的准确性。     

大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

基于改进RANSAC算法的单应矩阵鲁棒估计方法

单应矩阵的鲁棒性和精度直接决定了其应用效果,如何利用RANSAC算法估计出鲁棒、精确的单应矩阵,仍是一个有待研究的热点问题。针对传统RANSAC算法迭代次数多、运行时间长、单应矩阵估计精度较低的问题,在SIFT特征匹配算法的基础上,从剔除样本集中不符合图像几何特性的部分外点、快速舍弃不合理单应矩阵和迭代精炼单应矩阵等方面对RANSAC算法进行改进,提出一种基于改进RANSAC算法的单应矩阵估计方法,提高了单应矩阵估计的精度和效率。实验结果表明,该方法有效解决了传统RANSAC算法存在的问题,能够快速、精确估计单应矩阵。另外,对于不同视角和大小的图像,该方法均具有较好的鲁棒性。     

基于特征点的单应矩阵鲁棒估计

提出了一种基于特征点的单应矩阵鲁棒估计算法.在图像的尺度空间中提取特征点,并对特征点进行亚像素定位.同时赋予主方向.根据邻域信息计算得到特征向量后,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对.用RANSAC(Random Sample Consensus)算法匹配特征点对,同时计算得到两幅图像之间的单应...     

一种基于特征点的稳健无缝图像拼接算法

针对传统的基于区域图像拼接方法中,计算量大、鲁棒性差以及不能很好地解决拼接后的接缝等问题,提出了一种稳健的基于特征点的无缝图像拼接算法.在SIFt(scale invariant feature transform)提取图像特征点并匹配的基础上,通过优化的随机采样一致性(random sample consensus)算法过滤匹配点,去除误匹配点,并用过滤后的匹配点求解两对应图像间单应性矩阵初值;然后利用L-M算法优化单应性矩阵对图像序列进行拼接;最后通过改进线性加权函数法进行图像融合,很好地解决了接缝问题,实现了图像拼接处的平滑过渡.实验表明,该方法对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,拼接精度可以达到亚像素级.     

基于RANSAC的图像拼接方法

为解决常用SUSAN角点检测的阈值都是固定的,检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一致性算法)得到的单应性矩阵准确度不高等问题,给出了一种改进的RANSAC图像拼接方法.利用具有自适应阈值的角点提取算法抽取图像的角点特征,采用引导匹配的方法重新进行归一化互相关,增加了准确匹配点的个数,提高了单应性矩阵的估算效果,最后采用拉普拉斯金字塔对配准后图像进行分层融合、拼接.实验结果表明,该方法比常用方法具有更好的矩阵估算效果,拼接效果良好.     

基于ORB-SLAM2系统的快速误匹配剔除算法与地图构建

针对ORB-SLAM2系统中随机抽样一致（RANSAC）算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题,采用渐进一致采样（PROSAC）算法来改进ORB-SLAM2系统中的误匹配剔除,并在系统中添加稠密点云地图和八叉树地图构建线程。首先,与RANSAC算法相比,PROSAC算法依据评价函数对特征点进行预排序,并选取评价质量较高的特征点求解单应性矩阵,根据单应性矩阵的解与匹配误差阈值进行误匹配剔除;然后,根据ORB-SLAM2系统进行相机的位姿估计与重定位;最后,根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果,PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右,并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致,表现出良好的鲁棒性;另外,与稀疏点云地图相比,提出的新构建地图可以直接用于机器人的导航与路径规划。     

基于ORB-SLAM2系统的快速误匹配剔除算法与地图构建

针对ORB-SLAM2系统中随机抽样一致（RANSAC）算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题，采用渐进一致采样（PROSAC）算法来改进ORB-SLAM2系统中的误匹配剔除，并在系统中添加稠密点云地图和八叉树地图构建线程。首先，与RANSAC算法相比，PROSAC算法依据评价函数对特征点进行预排序，并选取评价质量较高的特征点求解单应性矩阵，根据单应性矩阵的解与匹配误差阈值进行误匹配剔除；然后，根据ORB-SLAM2系统进行相机的位姿估计与重定位；最后，根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果，PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右，并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致，表现出良好的鲁棒性；另外，与稀疏点云地图相比，提出的新构建地图可以直接用于机器人的导航与路径规划。     

基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.     

一种视频序列的全景图绘制算法

针对帧间变换为单映变换的视频序列全景图的绘制,提出了一种视频序列的全景图绘制算法.该算法首先采用基于模型的等级估计法对相邻帧的单映变换矩阵进行估计;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,以使其能够达到要求的子像素级精度;最后运用时间中值滤波绘制全景图.实验结果表明,该算法检测的全景图不仅帧间配准达到了一定的子像素级精度,而且基本达到了无缝连接.     

基于SIFT特征和对极几何约束的图像配准算法

基于SIFT（尺度不变特征变换）特征匹配思想,提出了一种应用对极几何约束的图像特征配准算法。首先对图像提取SIFT特征点,然后通过欧氏距离估算对SIFT特征描述子进行初始匹配得到预匹配点集;采用基于单应矩阵的抽样算法计算初始基础矩阵,通过RANSAC算法计算精确的基础矩阵和匹配点集,进而实现图像配准。实验表明,该算法可以获得更准确的匹配点,得到精度较高的图像配准效果。