商品图像局部特征提取算法研究与实现

研究商品图像局部兴趣点提取的方法,利用Matlab语言对提取商品图像局部特征Harris和Harris-Laplace算法进行建模仿真,开发了基于商品图像局部特征进行商品检索系统。当检索商品处在不同角度和背景中时,对此系统进行测试,并对测试结果进行比较分析,指出二者算法各自的特点,最后提出了改进算法的建议。     

基于图像尺度空间的几何不变特征点提取算法

图像特征点的提取是实现抗几何攻击数字水印算法的重要步骤，所提取的特征点是否鲁棒，将直接影响抗几何攻击水印的鲁棒性．Harris—Laplace角点检测方法是一种多尺度抗几何攻击角点提取方法，但计算比较复杂．将Harris．Laplace角点检测方法进行改进，把直接分析图像局部灰度值的角点提取方法与图象尺度空间的思想相结合，并兼顾多尺度的不同权值，则既可以保证角点抵抗一般几何攻击的鲁棒性，又减少计算复杂度的，根据此思路提出了加权平均Harris-Laplace角点检测方法来提取特征点．实验结果表明，该算法提取的图像特征点不仅具有很好的抵抗图像裁剪、几何缩放能力，而且计算复杂度明显低于相同重复检测率的Harris—Laplace角点检测算法．     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

基于Harris的多基元检测改进算法

为了解决传统三维重建研究中光滑物体表面特征提取较难,重建效果不理想等问题,提出了一种对角点、边缘点同时进行特征提取的Harris改进算法,该算法通过一阶微分来实现图像二维信息的多基元检测,从而增强之后的三维重建效果.最后通过仿真实验证明文中提出的Harris的改进算法能够有效的进行多基元提取并最终得到理想的重建结果.     

基于改进SIFT算法的多源遥感影像配准研究

提出了一种新的基于SIFT(scale invari-ant features transform)算法的遥感图像配准算法.首先用Harris角点检测法代替了传统SIFT算法中的图像特征检测方法,再采用SIFT算法中的特征描述对图像特征进行描述,最后在参考图像上确定搜索范围,利用两幅图像之间的相关系数建立一对一的匹配关...     

基于子波变换的局域特征提取方法

提出一种新的用子波变换提取局域特征（主要是轮廓提取和角点提取）的方法，并用实验对该方法的可行性和有效性进行了论证。     

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

基于模板边缘的自适应Harris角点检测算法

针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。     

基于曲线拟合的棋盘角点提取算法

由于环境及相机拍摄效果的影响,导致对棋盘格进行角点提取时出现许多错误和冗余的角点,为此提出了一种基于曲线拟合的棋盘角点提取算法。该算法是在Harris角点检测算法的基础上,将多项式曲线拟合应用到提取的结果中,更加精确地提取出亚像素角点,实验结果表明该算法是有效可行的。     

基于SIFT算法改进的图像匹配算法研究与设计

图像匹配是指将2个不同场景的目标或者背景进行匹配的一个过程,是实现复杂的智能图像处理的基础,图像匹配算法的准确性及效率直接关系到整个图像处理系统的性能.特征点提取作为图像匹配的一个关键,是实现图像精准快速匹配的前提,本文以目前应用最为广泛的,鲁棒性最好的SIFT特征点提取算法为基础,对其进行了改进,结合Harris算法有效地降低了图像匹配过程中的特征点提取时间,通过实验验证,该方法可以有效地提升图像匹配的准确性和效率.     

基于机器视觉的三维重建技术研究

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片,通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定,利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配,采用RANSAC算法计算基础矩阵,最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点,并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建,并且能够很好地反映出物体的三维特征。     

双目视觉的三维重建技术研究

近年双目机器视觉的三维重建技术的研究虽然取得了一定成果,但远远不能满足社会各行各业的应用需求。文章主要介绍基于双目视觉的三维重建技术的主要方法、技术及应用,总结了基于双目视觉的三维重建技术在工程应用中存在的问题、面临的挑战和研究方向。     

双目立体视觉匹配

本文在基于双目立体视觉的研究基础上,对立体匹配所存在的问题和解决措施提提出了看法。     

视频流中人体肘关节检测算法研究

在对视频流中运动员肘关节进行检测算法的研究之前,由于背景信息会对算法的实现产生干扰,所以首先对视频图像进行了感兴趣区域的提取,本文分别比较了帧差法和自适应阈值选取法,得出自适应阈值法有它的优势,能保留大量的前景信息。并对得到二值图像进行了形态学处理,去除了前景中的空洞和离散噪声。对于运动员肘关节的检测,由于运动员的胳膊上无标记,所以需要找到肘关节区别于其它地方特有的特征,发现运动员在进行拉弓过程中,胳膊会弯曲,突出肘部关节,利用肘关节此时曲率最大的特征,选用基于特征点的检测和跟踪算法,根据肘关节曲率最大的特征,首先利用Harris算子对运动员肘关节进行特征提取。     

一种双边核函数的新Harris角点检测算法

针对目前Harris算法存在的对噪声敏感和检测率不高的不足,提出一种双边核函数的新Harris角点检测算法.算法首先采用双边滤波器来代替原有的高斯低通滤波器,来增强算法的鲁棒性;接着采用多尺度分解来建立真实角点和伪角点的分割阈值.实验结果表明,提出的算法能精确地检测图像角点.     

基于嵌入式平台的实时双目视觉测量系统

针对当前大多的双目视觉测量算法都是以PC为平台实现的,但这种方式在实时性与便携性方面存在不足。基于嵌入式开发平台,对双目视觉中成熟的Harris角点提取算法与传统的角点匹配算法,结合双目视觉系统,被测物体的特征和嵌入式平台自身的特点,进行算法上的改进与扩展。在不影响整个系统精度的前提下,达到实时,快速的三维测量。最终为解决非接触式的测量方式,提供一个快速的解决方案。     

基于ICM的局部不变特征提取方法

提出了一种新的基于交叉皮层模型(intersecting cortical model,ICM)的局部不变特征提取方法.首先将k-means聚类后的Harris角点作为关键点,接着以关键点为中心构造特征区域,最后采用ICM图标信号对特征区域进行描述作为局部不变特征.实验结果表明:该方法所获取的局部不变特征具有很好的可重复性,并且当目标处于复杂背景以及遮挡条件下具有较好的识别性能.     

基于改进Harris角点检测算法的遥感影像匹配研究

本文基于改进Harris角点检测算法,对遥感影像匹配采用优化的Harris算子方法进行了研究.根据高分辨率遥感影像特点,提出了一种新型的影像匹配方法,其中充分融合了SIFT描述符和Harris算法.结果显示,该影像匹配方法能够得到高分辨率遥感影像匹配效果,并且与传统方法相比其还具有旋转不变性特征.本文算法在提高匹配速度的同时,匹配精度只发生了较小的降低.相对于基于SIFT的匹配方法,本文匹配方法在特征点匹配上耗时较少,匹配精度比SIFT匹配方法提高了4.18个百分点.