一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际 应用。     

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于“波峰”位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。     

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.     

Harris角点检测的C#实现及应用

用C#语言实现了Harris角点检测算法程序,并结合图例分析了该算法各种参数的设置。     

自适应的Harris棋盘格角点检测算法

针时摄像机标定中的棋盘格角点检测问题,分析了Harris角点检测算法局限性,综合考虑了多个参数对角点提取的影响,根据每个参数影响程度的不同采取分步调整策略,实现棋盘格角点的自适应检测算法.该算法计算量小、易于实现,提高了运算效率,有效避免了角点聚簇和角点分布不均的角点空缺现象的产生.实验结果表明,该算法对摄像机各种畸变情况下的棋盘格角点可准确提取.     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而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,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

一种改进的Harris角点检测算法

为了降低传统Harris角点检测算法的操作复杂度,提高算法稳定性,本文提出了一种改进Harris角点检测方法。由于传统的Harris角点检测算法需要通过调节系数k的选取来达到最佳的检测效果,这使得其检测精度和检测效率受到限制,也增加了用户的操作复杂度。本文通过研究并改进角点响应函数,避免了系数k的选取,同时,与其他相关改进算法相比,进一步避免了极小值ε的选取,从而实现了算法的自适应性。实验结果表明,本文方法具有较强的自适应性和鲁棒性。     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而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,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

基于改进Harris算法的角点检测

提出了一种改进的Harris角点检测方法.该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定条件,则将该像素点定义为角点.实验结果表明,该方法无需进行阈值选择,提高了角点检测精度.     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

基于改进的Harris角点检测的车型识别方法

利用角点信息作为车辆正面图像的特征点对车型进行识别,将Harris角点检测的方法进行改进,将不同方向的特征值之比加入角点响应,提高了角点检出率;考虑到视频中行进车辆的位置变动,将车牌中心点位置作为定位点,计算不同车型的角点匹配率作为判定车型的依据。实验结果证实了所提方法的有效性。     

基于图像噪声检测的Harris角点提取方法

角点提取在图像匹配、相机标定、模式识别和三维重建等方面有着极其重要的应用,是当前图像研究的热点。在阐述经典的Harris算法基础上,分析了其优缺点。针对Harris算法受随机噪声影响较大和运算速度慢的局限,在采用Sobel梯度算子基础上,提出了基于噪声检测的改进算法,实验表明噪声检测算子可有效检出随机噪声,证明了方法的有效性与可行性。     

一种改进的Harris角点图像拼接算法

主要研究图像拼接的优化问题,针对传统的Harris角点检测算法进行了改进。避免了角点响应函数中的k 值和检测过程中的阂值T的选取对角点检测带来的影响。在图像拼接过程中通过NCC对图像进行配准,采用加权 平均法对拼接后的图像进行融合并消除拼接缝隙,从而提高了运算的速率。为验证其有效性,该算法被应用于一个图 像拼接的实例中,仿真结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,能够达到无缝 拼接的效果,具有良好的实用性。     

基于OpenCL的图像积分图算法优化研究

图像积分图算法在快速特征检测中有着广泛的应用,通过GPU对其进行性能加速有着重要的现实意义。然而由于GPU硬件架构的复杂性和不同硬件体系架构间的差异性,完成图像积分图算法在GPU上的优化,进而实现不同GPU平台间的性能移植是一件非常困难的工作。在分析不同CPU平台底层硬件架构的基础上,从片外访存带宽利用率、计算资源利用率和数据本地化等多个角度考察了不同优化方法在不同GPU硬件平台上对性能的影响。并在此基础上实现了基于OpenCL的图像积分图算法。实验结果表明,优化后的算法在AMD和NVIDIA CPU上分别取得了11.26和12.38倍的性能加速,优化后的GPU kernel比NVIDIA NPP库中的相应函数也分别取得了55.01%和65.17%的性能提升。验证了提出的优化方法的有效性和性能可移植性。     

面向异构架构的传递闭包并行算法

传统求图传递闭包的方法存在计算量大与计算时间长的问题.为加快处理大数据量的传递闭包算法的计算速度,结合算法密集计算和开放式计算语言(OpenCL)框架的特征,采用本地存储器优化的并行子矩阵乘和分块的矩阵乘并行计算,提出一种基于OpenCL的传递闭包并行算法.利用本地存储器优化的并行子矩阵乘算法来优化计算步骤,提高图形处...     

基于灰度差统计的角点检测方法

提出了一种新的基于灰度差统计的角点检测方法。该方法以原始图像全图的灰度差统计结果作为出发点，采用的灰度脊跟踪算法和累积角度判别原则不仅能提供角点的准确位置，还能确定各角点的开张角度和方向。由于省略了边缘检测过程，因此较大地提高了角点检测的效率。实验证明该方法应用在大部分真实图像的角点检测效果优异，同时运行速度能满足大部分角点检测应用的需要。