端点预搜索的Freeman直线段识别算法

直线段提取对于数字图像中规则目标的形状分析、识别来说是一个基本且必要的前期信息提取步骤.本文提出了一种以角点充当直线段的端点,在得到直线段端点和直线段主次方向基础上使用Freeman准则对直线段进行扫描.由于在直线段搜索前已经获取了直线段端点的位置信息,因此该算法能够高速准确地对直线段进行扫描,具有较强的抗噪声能力.实验结果验证了该算法的有效性,并且该算法对较粗直线段也具有良好的检测能力.     

基于掩模的畸变棋盘格角点检测与排序

针对当前棋盘格角点检测算法对畸变棋盘格角点检测不足的问题,提出了一种基于掩模的畸变棋盘格角点检测与排序的方法。对所采集的畸变棋盘格图像,依次经过预处理,图像降噪,闭操作和Canny边缘检测以明确其在背景中的位置。然后,采用改进的Shi-Tomasi角点检测算法识别并提取棋盘格的所有角点(包括边缘角点),再通过递归排序算法获取棋盘格行列角点的坐标信息。实验仿真结果验证了所提出的方法的有效性,且相比于基于传统的Harris角点检测,Shi-Tomasi角点检测的算法,对具有一定畸变的棋盘格图像角点,具有更优的检测识别能力。     

基于直线段上下文的红外与可见光图像匹配

成像设备、所用光谱和拍摄时间等因素的差异给红外与可见光图像匹配带来了较大的困难。考虑到边缘直线段在异源图像中的稳定性,提出一种基于线段上下文的红外与可见光图像匹配方法。首先,采用LSD(line segment detector)算法检测出图像中的直线段,接着按照几何约束规则挑选出关键直线段,并计算它们的交点,将交点与Harris角点一起组成图像特征点;通过计算特征点四象限邻域内线段的得分,得到每条线段对特征点的贡献,在此基础上采用圆形阵列的方式,构建基于线段上下文的特征描述子;最后运用双向匹配策略和RANSAC算法实现红外与可见光图像的匹配。实验结果表明,所提方法能够对灰度差异较大的红外与可见光图像实现精确匹配,并且在鲁棒性和时间效率方面都要优于主流异源图像匹配算法。     

基于信息熵的自适应高斯金字塔的 LSD 算法改进

针对 LSD(Line Segment Detector)算法在对图像中连续的边缘进行提取时, 结果中常常呈现线段不连续的问题, 提出一种基于信息熵的自适应高斯金字塔的 LSD 改进算法。 该算法首先通过计算处理后的图像与原图之间的互信息熵, 确定高斯金字塔的层数与层内图像数量, 构建出自适应高斯金字塔; 其次使用改进的大津阈值, 根据图像的梯度峰值将图像分割成不同区域并计算相应梯度阈值, 分离出图像背景; 最后根据梯度角度寻找线段, 并通过赫尔姆霍兹准则验证线段。 仿真结果表明, 该算法解决了 LSD 算法提取线段不连续的问题;与其他流行算法 Hough 变换(Hough Transform)、 PPHT(Progressive Probabilistic Hough Transform)、 LSWMS(Line Segment detection using Weighted Mean Shift)、 LSD、 EDLines 比较, 能提取出更多有意义的线段。     

基于视频图像的公交车人群异常情况检测

为了加强公交安全防范,提出了一种基于视频图像的主要体现为过快移动速度的公交车人群异常情况检测方法。根据人群运动轨迹确立图像感兴趣区域;利用改进的Vi Be算法提取运动目标,缩小数据处理范围;用Shi-Tomasi角点检测算法提取特征点;最后利用带修正系数的金字塔Lucas-Kanada光流法提取运动目标速度信息,进行异常情况的检测。实验表明,与基本Vi Be算法相比,改进后的Vi Be算法对光照具有更好的鲁棒性,该人群异常检测方法正确率达86.4%以上。     

角点检测的一种新方法

提出了一种边缘图像的角点检测方法.根据角点的边缘特征(角点的一个小邻域内包含两条或两条以上的线段,而一般的边缘点的邻域内则只包含一条线段),计算出每个点的小邻域内包含的线段数,便可以确定该点是否为角点.由于计算过程只依赖于角点的空间坐标,因此计算量小而且能够有效的排除噪声.     

以多幅图像非几何约束线段匹配重建建筑物外立面三维线段模型

针对建筑物外立面三维线段模型重建的现有算法中存在多幅图像线段匹配需要提前获知对极几何约束,以及三维线段重建的过程会因为输入误差的累积而受到影响等问题,提出了一种以非几何约束重建三维线段模型的算法。该算法在多幅图像的线段匹配过程中以点线相结合的高稳定性双视图线段匹配算法为基础,通过匹配线段间的传递性形成匹配线段组,再剔除不相容匹配并合并相容匹配,最终得到准确的匹配线段结果。三维线段重建采用分段重建的方式得到每一个匹配线段组对应的三维线段,再经过对线段长度和角度的约束,剔除不构成建筑物外立面框架的空间线段,最终构成建筑物外立面的三维线段结构。实验结果表明,该算法可以有效重建出建筑物外立面的整体框架。     

一种基于感知编组的边缘直线段检测方法

直线段特征是数字图像中的重要信息,具有丰富的语义.直线段提取方法的优劣直接影响到高层次图像处理的效果.针对当前直线段提取方法中存在的直线断裂问题,改进现有算法,提出一种基于假设验证的稳健的、高准确度的直线编组算法.该算法从几何相似和纹理相似性两个方面对直线段进行约束,如果满足条件,则假设分裂的直线段属于同一条直线,而后在断裂区域进行二次边缘直线提取,并验证所提取的新直线与原有断裂直线段是否属于同一直线.本算法在一定程度上能够避免直线编组中通常存在的错连与漏连问题,通过对航空影像的试验验证了该方法的有效性.     

快速判别直线段与圆位置关系的算法研究

提出了一种直线段相对于圆形区域位置关系的快速判别方法，该算法首先利用圆心到直线段所在直线的距离以及从圆心向直线段所引的垂直射线，判别直线段与圆的位置关系，在确定直线段与圆有交点的情况下，用旋转矢量法求解交点，该算法引进的主射线、主矢量等概念思路新颖，在判断线段完全可见或完全不可见方面，计算量小，效率很高。     

基于角点检测、Zernike矩和神经网络的人脸特征点提取方法

提出了一种提取人脸上的特征角点（ 如眼角、嘴角等） 的方法,其主要思路是：首先利用角点检测方法提取人脸图像中的角点,然后通过Ｚｅｒｎｉｋｅ 矩和神经网络对它们进行筛选,从而达到自动提取人脸上特征角点的目的．通过实验,验证了算法的有效性．人脸特征点提取的方法,对于一般情况下的目标特征检测仍具有借鉴意义     

融合角点信息的直线增强

直线提取是图像理解和识别的基础,相位编组法是常用且较为快速的直线提取方法之一。传统的相位编组方法存在着诸多问题:如一条直线容易断裂成若干段,直线交点及其附近直线上的点检测不到,无法得到物体的封闭轮廓,造成对物体描述与识别的困难。本文对相位编组方法存在的问题对其进行改进,提出一种利用角点信息对相位编组方法提取的直线进行修正,同时利用相交直线信息对角点位置进行修正的方法。     

运动目标最优角点选择算法*

针对传统角点提取算法应用于运动目标优质角点选取上,较难平衡检测精度和检测速率的问题,提出一种稳健的角点选择新算法。首先将图像分块,用子块在相邻帧间的灰度差对其进行聚类,并分割出运动区域块作为角点的搜索区域;然后引入邻域块重新构造Moravec算法的能量变化计算方法,并用之检测目标上的角点;最后对检测到的所有角点进行动态过滤,剔除掉质量低的角点,留下质量高的角点代表运动目标的局部显著特征。将本算法应用于目标跟踪系统进行测试,测试结果表明它有较好的稳健性,较强的的抗噪能力和较快的检测速度,且能保证跟踪的准确性,可以很好地满足交通场景中对行人检测实时性和可靠性的要求。     

基于MIC角点检测的改进算法

针对MIC角点检测算法具有角点定位不够精确、误检、漏检等缺点,提出一种改进的MIC角点检测算法．为了克服MIC角点检测算法角点定位不准确的缺点,该检测算法利用最小二乘技术对角点局部方向线进行拟合,实现角点的亚像素定位;同时为了克服MIC角点检测易混淆边界点和角点的缺陷,引入检测直线,根据拟合点到检测直线的距离是否大于某一阈值剔除边界伪角点．实验结果表明,改进的MIC角点检测算法角点检测性能明显提高．     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

尺度不变特征点提取

结合传统的角点检测算法,提出一种基于高斯金字塔匹配的尺度不变特征点提取算法PBSI,首先建立高斯金字塔,在每层图像中检测Harris角点,根据高斯尺度理论自上而下找到它们在不同层的对应点,所有层上都有的匹配点就是最终的尺度不变特征点.实验结果表明本文算法具有计算简单、抗噪声能力强、稳定性好的优点.     

基于自适应直线拟合的角点检测

角点检测是计算机视觉的一个基本问题，进行角点检测的关键是估算曲率。笔者给出了一种新的基于参考点的前后曲线方向估计的曲率计算方法。我们以离散点远离直线垂直距离误差最小为目标进行直线拟合，同时根据误差大小来自适应的选择拟合窗口的大小。很好地解决了角点曲率计算时拟合窗口大小和计算精度间的矛盾，实验证明，该方法抗干扰性好，且运算量不大，对于存在明显转折点的曲线角点有很好的检测和定位能力。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于尺度、距离、旋转测度的角点匹配算法

针对基于模板灰度相似性测度的匹配方法抗旋转性差的缺陷,依据真实匹配角点与邻域内其他角点位置关系存在拓扑不变性,提出了一种基于尺度、距离、旋转测度的角点匹配方法.该方法首先利用相位相关法对角点进行初始匹配,而后对每对候选匹配角点进行基于尺度、距离、旋转测度的计算,利用计算后的测度函数值来判断初始匹配是否为正确匹配.实验验证了提出的角点匹配方法的匹配结果要明显好于直接基于模板灰度相似性测度的匹配方法.     

自适应非最大抑制的Harris角点检测算法

 针对Harris角点检测中存在角点聚簇以及阈值选择困难的问题,通过分析Harris角点检测算法的实现原理,提出了自适应非最大抑制的Harris角点检测算法.该算法首先检测角点响应函数值为局部最大值的像素点,其次对所有局部最大值进行由大到小排序并且设置一个抑制半径,通过不断减小抑制半径提取角点,有效避免了Harris角点聚簇的现象,实现Harris角点在图像空间的均匀分布.同时,该算法能够解决阈值选择困难的难题,增强了算法的适应性.实验结果表明,该算法检测出的Harris角点在空间分布更加均匀合理,能够很好的适应图像拼接、运动估计等实际应用.     

基于角点的形状分析

形状分析首先要解决的是它的形状表示,它至少需要达到两个目的:特征提取(形状描绘子)和数据压缩.付里叶描绘子是人们常用的一种形状描绘子,但这种方法计算量太大,数据压缩也很有限,特别是归一化处理非常麻烦,因而使它的应用受到限制.多边形拟合是人们常用的另一种方法,文献[3]提出了一种强有力的分裂合并算法,但这种方法处理速度很慢,在对速度要求较高的实时系统中难以得到应用,另外,当两个相似形状的多边形逼近的多边形边数不同时,即使采用动态程序的方法进行多边形比较也很麻烦.可以看到,用多边形近似描述平面封闭曲线时,多边形的顶点,即两直线段的交点,应该对应于平面封闭形状的角点,而多边形和它的顶点确定是相似的,也就是说,一组角点能唯一地确定一多边形,反之,一多边形也唯一地确定了一组角点,因此,形状的描述也可以用一组角点来近似表示.