基于图像分块的多尺度Harris特征点检测算法

通过分析Harris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.  

一种改进的KAZE特征检测算法

特征点检测算法是图像匹配的基础,在机器视觉、飞机导航、图像拼接、三维重建等领域中得到了广泛的应用.其中基于非线性扩散的KAZE特征检测算法鲁棒性强、匹配率高,但实时性明显低于其他算法.针对以上问题,提出一种简单有效的改进KAZE算法.该算法通过改进特征点搜索策略、利用圆改进M-SURF特征向量描述方法并降维、引入余弦相似性度量等步骤来提高算法实时性.实验结果表明:改进后的KAZE算法在保证原算法鲁棒性、匹配率的基础上,减少了运行时间,增强了算法的实时性.  

Harris角点检测算法的优化研究

在研究Harris角点检测算法时,发现检测出的角点常常会受到噪声的影响.通过优化Har-ris角点响应函数,避免了角点响应函数中k值的影响,提高了每个目标像素点的响应值精度.把该方法运用到人脸特征的检测中,实验结果表明,该算法和传统的Harris角点检测算法相比抗噪能力有较大提高.  

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.  

基于Harris-Laplace特征点检测抗几何攻击的数字水印算法

针对数字水印容易遭受几何攻击的问题,提出了一种基于Harris-Laplace特征点检测的强韧性数字水印算法。首先,利用Harris-Laplace进行特征点侦测找出图像的特征点,以达到图像经过几何攻击时其缩放不变的效果。然后将所有的特征点以德劳内三角网络技术连接起来,形成一个个三角区块,最后再利用仿射转换(affine transformation)将各三角形进行微调动作,完成数字水印的嵌入。实验结果显示,该方法对于几何攻击和一般图像处理攻击都有较好的抵抗能力。  

基于改进AAM的人脸特征点检测

为了有效的解决传统AAM算法对光照的鲁棒性差,本文利用Gabor滤波器进行滤波处理,再通过LBP算法进行降维处理。针对该算法拟合结果受初始条件影响很大等因素,本算法利用Adaboost算法对人脸的旋转角度进行预估计,在加入了全局旋转平移因子,在提高了拟合速度的同时也取得了很好的拟合结果。  

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.  

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用SIFT(Scale-Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。  

一种基于Harris—Laplace特征点检测的抗几何攻击数字水印算法

基于图像特征点检测的第2代数字水印算法具有良好的抗几何攻击能力．Harris算子是2代水印中使用较多的一种特征点检测方法．然而传统Harris算子提取的特征点对于较大尺度缩放攻击的稳定性较差，结合自适应尺度特性的Harris—Laplace算子在一定程度上克服了这一缺点，并且对于旋转，噪声及压缩攻击均具有较好鲁棒性．据此给出了一种基于Harris—Laplace特征点检测的数字水印算法，实验结果表明，该算法对于常规信号处理和几何攻击具有较好的鲁棒性．  

优化特征检测的三维重建算法

传统的基于面片的多视角三维重建算法在扩展面片时由于特征点检测稠密分布不均,容易导致重建结果出现部分区域空洞。本文提出了一种自适应优化特征点检测的三维重建方法。提出的优化方法是以Harris算子作为基础的。本文提出了将Harris算子的响应矩阵分块处理,分块选取响应值,通过比较块中最大响应值与全局响应均值的大小,分情况选择特征点,解决Harris算子的阀值设置问题,减少了特征点的集群现象,改善了重建结果容易出现空洞的问题,也间接提高了重建速度。实验结果验证了该方法的有效性。