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.     

一种仿射不变特征及其在SLAM中的应用

针对尺度不变特征(SIFT)对观测视角不稳定且计算量大的缺点,利用均值模糊差分图像来近似高斯差分图像,提出了一种快速尺度不变特征提取方法;根据局部平面区域的仿射变换关系,提出了一种在多幅连续观测图像中根据灰度梯度直接计算局部平面方向的方法,并利用特征所在局部平面的方向,为特征创建了一个具有仿射不变的描述器;同时将新提出的基于局部平面的仿射不变特征(LPAIF)应用于基于单目视觉的同时定位与地图创建(SLAM)中.实验结果表明,LPAIF对观测视角的变化具有很好的稳定性,而且由于在三维重建时也考虑了局部平面方向的约束,因此利用其创建的三维地图的精度有明显提高.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

基于Harris尺度不变特征的图像匹配方法

文章针对图像自相似或具有对称性时SIFT匹配稳定性不高的问题,研究基于Harris尺度不变特征的图像匹配方法.为了获取更稳定的特征点,将SIFT特征描述方法引入到Harris尺度不变特征描述中,改进了基于Harris特征的匹配算法;结合简单高效的基于欧氏距离的双向匹配算法,去除了大部分的错误匹配,明显提高了匹配的稳定性...     

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.     

利用双边滤波器和DoG算子的人像卡通化新算法

利用双边滤波器在平滑图像的同时又能保持边缘的良好特性,结合DoG(高斯差分)算子,提出人像卡通化的新算法.该算法首先应用双边滤波器对原始的彩色图像进行平滑,在获得颜色主要特征的同时,去除一些不重要的细节信息,简化了低对比度区域;然后,融入用DoG算子检测到的边缘曲线来增强高对比度区域;最后进行软量化以获得卡通图像.实验结果表明:相对经典的图像抽象化方法而言,该算法获得了更好的图像卡通化效果和更快的速度.     

最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法

医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,本文有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的SUSAN（Smallest Univalue Segment Assimilating Nucleus,最小核值相似区）角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0.9、0.92和0.91,达到了理想的检测效果。     

关于SIFT算法降噪阈值的分析研究

SIFT（尺度不变特征变换）算法对特征点进行检测采用的是DoG（高斯差分）算子,而其对检测到的边缘不稳定特征点进行滤除是用的海森矩阵。在对滤除过程分析后发现：当对降噪阈值设定不同的值时,获取的特征点数目也随之发生相应变化。据此可知为降噪阈值选定何值,才使该算法能够提取出数目稳定的特征点。针对此问题通过实验对降噪阈值与特征点数目的关系进行了细致研究。实验结果表明,当降噪阈值设定在30左右时,该算法能够提取出数目稳定的特征点,这在一定程度上规避了盲目选取降噪阈值带来的低效性,同时也能够获得较合适的特征点匹配对数,从而可使图像匹配达到较好的效果。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

一种改进的基于MSER算法的不变量提取算法

结合MSER（maximally stable extremal regions）算法,提出一种对图像的尺度、旋转、仿射变换更加稳定的区域不变量提取的算法。对于输入图像采用多尺度MSER提取算法,并对提取的MSERS依据其灰度变换的平稳性对提取区域进行修正。提高了区域提取的可重复性和匹配概率。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

面向自适应计算的局部四面体网格重划分

为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中, 采用由线到面、 由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配,导致最终匹配精度较低、匹配时间较长等问题,提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法.首先,利用深度强化学习网络结构中的策略网络和价值网络,共同指导浮动图像按正确方向移至参考图像;其次,在粗匹配过程中通过设计奖赏函数,实现颜色特征粗匹配;最后,在粗匹配基础上,利用改进尺度不变特征变换算法提取待匹配的图像局部特征,按相似度进行移动机器人视觉图像分级匹配.实验结果表明,该算法可有效实现图像的粗匹配与精匹配,在不同视角与尺度情况下特征检测的稳定性均较高,匹配精度高、时间短,匹配后的图像质量较好,提高了移动机器人的实际应用效果.     

电力系统暂态稳定域近似边界可信域

可信域是电力系统暂态稳定域近似边界的有效范围,位于稳定域边界上的特征不变流形是确定可信域的重要工具。计算特征不变流形与近似边界的偏差是确定可信域的关键步骤。该文给出一种实用的可信域计算方法。该方法定义特征不变流形上一点和穿过该点沿某一坐标方向与近似边界交点间的距离为偏差。通过WSCC 4机11节点系统和IEEE 10机39节点系统仿真,结果表明该偏差与严格意义下的偏差具有一致性,可用于提高电力系统暂态稳定近似边界可信域计算的速度。     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中,用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.     

特征点提取算法性能分析研究

在图像匹配中,使用特征点来描述图像,计算量小、匹配简单,而且特征点往往比较稳定,不易随光照条件和图像的平移、旋转和尺度等变化而变化。因此基于特征的图像配准方法是目前图像配准领域研究的热点。介绍了几种主流的特征点检测算法的原理,并对特征点检测算法性能进行了定量分析研究。从特征点检测速率、正确率、旋转不变性和抗噪性等方面进行了对比,研究了各种特征提取算法的优缺点。为根据不同图像质量选择合理的特征提取算法提供了良好的客观依据。     

工件视觉测量中的图像配准

设计和实现了一种基于尺度不变特性和Sobel边缘检测算子的工件图像快速配准方法。针对工件视觉测量中重在边缘特征的实际需要,将Sobel边缘检测算子和工件图像的尺度不变特性相结合,突出工件的边缘特征,实现工件图像快速有效的配准。在此基础上,详细讨论了工件图像配准的具体实现。实验证明,文中方法可以有效解决视觉测量中工件图像配准的问题。     

基于局部不变特征的空中红外面目标的模糊识别

红外面目标识别是红外成象精确制导的关键,由于目标与象之间存在着透视投影变换关系,则必然导致成象的形变;另外,红外成象比较模糊,加上背景、干扰弹及目标自身的影响,在象平面经常出现遮挡及不确定性．若用基于全局的特征进行识别,极易造成误识．针对空中红外面目标的成象特点,用交比构造目标的局部不变特征,提出用局部特征的相关性结合目标的对称性进行模糊决策,抑制由于局部畸变造成的误识．对成象有缺陷的目标进行识别结果表明,算法有较强的抗遮挡能力．