基于自适应Harris角点检测的掌纹定位方法

分析Harris角点检测算子的实现原理及其应用于掌纹定位中时的不足,提出了一种基于自适应Harris角点检测的快速掌纹定位算法,该算法可以人为选择感兴趣区域进行检测,然后利用角点进行定位。有效地避免了掌纹定位过程中二值化,边缘检测等一系列复杂的过程,并且克服了检测过程中的角点簇拥,计算量大的缺点。实验结果表明,该方法进行的掌纹定位非但计算量小,处理速度快,而且检测出的角点分布均匀合理,能更好的适应图像定位等一系列的应用。     

基于特征点的图像拼接技术在动漫中的应用

以制作全景图为例将图像拼接技术应用到制作动漫贴图上,简化动漫贴图的制作.使用手持相机采集一定重叠区域的图像,柱面投影后采用基于尺度空间的Harris算法检测图像特征点,双向归一化互相关算法匹配特征点,迭代提取阈值T的算法去除误匹配.通过改进的RANSAC算法快速估算出变换参数模型,对拼接图像进行投影变换.Szeliski灰度融合方法,直接计算匹配点灰度平均值融合图像,最后采用最佳缝合线的方法消除图像拼接处的重影.基于Matlab的数据实验表明,提出的图像拼接技术具有效率高,拼接图像清晰等优点,实现了较满意的全景图视觉效果.     

改进的Harris角点特征匹配算法在多镜头视频测井中的应用研究

图像拼接技术就是将若干张有重叠区域的图像按照一定的匹配原则配准,最后拼接成无缝的高分辨率的图像的技术。在侧向多镜头复合成像视频测井中,设备获取的井壁图像是一组等距序列图像,由多个镜头获取的序列图像需要进行图像的分割、去噪、畸变、拼接和融合处理,才能生成井下某一位置井壁的360°全景图。为了得到精准的拼接图像,本文提出了一种改进的Harris角点检测算法,完成图像的精确匹配,最后采用渐入渐出法实现了共同区域的平滑过渡,实现了图像的无缝拼接。     

基于SIFT特征检测的图像拼接

针对图像拼接方法中存在的特征提取精度低,以及拼接后存在的拼接裂缝和"GHOST"现象等问题,基于SIFT特征检测的图像拼接.通过采用图像特征点提取和匹配有较强的稳定性和精确度的SIFT特征检测算法,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理来完成图像的拼接,并采用自行拍摄的图像进行仿真实验.仿真实验结果表明,基于SIFT特征检测的图像拼接方法具有较高的稳定性和特征提取精度,同时具有较低的特征点提取误差,并对图像拼接中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

基于改进ORB特征检测的多视角图像拼接

针对多视角图像拼接方法中存在的实时性较差,以及拍摄图像是存在运动物体产生的拼接裂缝和"GHOST"现象,提出基于改进ORB特征检测的多视角图像拼接.通过对ORB算法的改进使得图像的特征点提取和匹配有更高的实时性和稳定性,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理,从而对多视角图像中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

基于改进SPHP算法的无人机遥感图像拼接

针对无人机遥感图像拼接的稳健性问题,对SPHP(Shape-preserving half-projective,SPHP)图像拼接算法进行了改进。利用SIFT(Scale invariant feature transform,SIFT)算法完成特征粗匹配,按粗匹配点对之间的距离对所有匹配点对进行排序,以最优匹配点对作为随机采样一致算法的初始样本集进行特征精匹配。利用投影变换和相似变换相结合的变换模型进行图像配准,采用线性加权图像融合方法进行无人机遥感图像的无缝拼接。实验结果表明:本文算法能有效剔除错误匹配对,匹配正确率平均提高约7%,明显改善图像拼接的视觉效果和图像质量,可以满足实际需求。     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。     

基于块匹配的综合图像检索技术

提出了一种基于文本、语义和特征块匹配相结合的综合图像检索方法．首先,将图像入库时进行人工标注;然后运用SVM机器学习框架,建立先验知识库,提取图像的语义特征;然后利用Harris算子检测出图像的特征点,进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离．实验结果表明,这种综合检索方法能更全面、更精确地描述了图...     

基于阴影检测模型的图像拼接盲取证

拼接篡改是最常见的篡改手段之一。在拼接带有阴影的图像时,篡改者为了掩饰篡改痕迹往往会伪造拼接物的阴影。提出一种基于阴影模型的拼接图像盲取证方法。分析各种经典的阴影模型,在此基础上建立一种适用于拼接篡改取证的阴影模型。使用图像区域增长算法实现对图像阴影的自动提取和定位,并采用能量最小化方法和干扰点去除技术得到鲁棒的阴影比例因子,利用阴影比例因子的不一致性对拼接篡改图像进行盲取证。实验结果表明,该拼接取证方法对于带阴影的拼接篡改图像有较高的检测准确率,能应对各种伪造阴影手段。     

角点检测技术的研究

角点是图像的重要局部特征,通过处理图像的角点可大大减少图像处理过程中的计算量.角点检测在图像特征提取、图像配准、超分辨率重建等方面都有重要的应用;根据实现方法不同可将角点检测的方法分为三大类.指出角点检测技术的研究和发展方向.     

基于RANSAC算法的二维图像拼接方法

全景图应用领域广阔,为了获取全景图,图像拼接是其中关键技术.图像拼接是将多幅存在一定重叠部分的图像进行匹配,经融合后拼接成一个视野较宽,场景完整的图像.兼顾算法的精度和效率2个方面,提出一种基于随机一致性(RANSAC)算法的图像拼接方法.在VS2013环境下,结合Opencv,对室内图像及自然光照环境下采集的2幅图像进行拼接,得到无缝拼接图像,效果非常好,验证了该方法的有效性.     

无规则图像的拼接算法研究

介绍了传统的图像拼接算法,总结其优劣,并在其基础上提出了不规则图像的全局拼接算法,避免传统图像拼接算法存在的局限性,为实现图像的高分辨率与全面性提供了一种方案.     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

大区域场景下基于无人机视角的目标计数方法

近年来,无人机因其灵活度高、机动性强在人群计数领域得到广泛应用。然而,现有的人群计数方法大多基于单视点,对于大范围、多摄像机场景下的多视点计数研究较少。为了解决这个问题,提出了一种基于无人机视角的目标计数方法以准确统计场景中的目标数量。选择临海区域进行数据采集,利用深度学习技术对采集的图像进行目标检测和图像拼接融合,在拼接后的图像中映射检测信息,并采用计数算法完成区域场景的计数任务。在公开数据集和该文制作的数据集上进行的实验验证了基于目标检测的计数算法的有效性。     

结合RGB空间和人工蜂群算法的彩色图像边缘检测

由于传统的梯度算子搜索边缘会丢失一些边缘,提出了一种在RGB彩色空间的边缘检测方法。该方法先获得RGB梯度图像,而阈值则通过人工蜂群算法搜索得到,进而得到边缘图像。     

基于MATLAB的图像边缘分割算法研究

本文主要研究了图像边缘分割算法,利用MATLAB工具处理图像在计算机上完美重现,介绍了5种经典边缘提取算子,并使用MATLAB提取并检测一些图像边缘,根据数值求解几种算子,分析其优缺点,旨在为相关研究提供借鉴。     

基于正交矩混合不变量的离焦模糊图像配准信号与信息处理

针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程.实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

一种用于手势识别的局部均值模式纹理描述子

提出了一种改进的局部二值模式即局部均值模式用于对静态手势进行分类. 计算不同分辨率的原始手势图像、非线性光照变化图像、高斯模糊图像和椒盐噪音图像的局部均值模式、局部二值模式和局部角相模式. 利用gentle_Adaboost 分类算法对这些算子特征进行训练和测试,实现手势分类. 文中提出的局部均值模式能充分利用区域内像素灰度值之间相关性和区别性信息进行编码,恰当地描述不同手势的特征,具有简单快速及良好的区分度等特点. 实验结果表明：与局部二值模式和局部角相模式相比,局部均值模式算子取得了更高的分类准确度.对于原始图像,该描述子的分类准确度达到95%,同时该模式对非线性光照变化和高斯模糊具有较强鲁棒性.