基于点特征匹配的SUSAN,Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法,包括特征提取和特征匹配2个步骤.在介绍保持结构的形态学方法--SUSAN算子和Harris算子原理的基础上,根据真实影像,就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较.编程实现SUSAN,Harris算子影像的点特征提取,基于匹配支持度的松弛匹配算法,从而获得研究实验数据.实验表明这2种算子在特征提取及影像匹配等方面各自具有其独特的优势,且均具有操作简单、易于实现的特点.     

基于双边滤波改进的Harris特征点检测

经典的Harris特征点检测和Harris-Laplace特征点检测在传统的算法中占据重要的地位,但它们或在尺度或在冗余上仍存在问题,并且对弱的特征点不能很好地检测。为此,文章提出了一种改进的方法,在多尺度Harris检测特征点时用改进的双边滤波来替代传统的高斯滤波,而且在检测时对特征点进行分组,一组代表同一局部结构,然后在各组中选取一个自相关矩阵特征值最接近的点来代表这一结构。实验表明此方法能较好地定位特征点位置和去冗余特征点。     

SUSAN角点检测算法改进

提出了一种改进的角点检测算法．本着好的算法不依赖于人为干涉的思想，在SUSAN算子基础上．通过对图像灰度值和对比度分析，提出灰度阈值t和比较函数C的快速自适应选取．针对SUSAN算法中对某些特殊型角点检测会失败的情况，构造一种针对SUSAN圆形模饭的二圆环模板，对一些与边缘点难以区分的角点进行检测．试验表明，改进的算法近一步提高了检测的准确性．     

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法. 建立Harris函数的尺度空间表示, 检测每个尺度水平上的极值, 利用迭代算法验证每个尺度水平上LoG算子是否获得最大值, 从而得到特征角点的位置及其尺度. 该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时, 还能检测出多尺度下的特征点. 通过实验验证该方法具有尺度不变特性, 适用于尺度变化较大的视觉系统.     

基于SUSAN的指纹细节点提取算法

在整个指纹识别过程中，指纹图像的细节点提取至关重要．许多算法是先将脊线细化后进行提取，耗时较多，且易产生大量不易去除的伪细节点．作者将一般图象配准中常用的角点检测技术运用到指纹识别中，提出基于SUSAN的指纹细节点提取新算法．该法在传统的SUSAN上进行数项改进，使其适用于指纹图象，完成端点和分叉点的提取，再根据所产生伪细节点的分布情况将它们去除．此法计算简单、抗噪声能力强、不需事先对脊线进行细化．     

基于SUSAN算子的边缘增强低比特率图像压缩

提出一种新的低比特率图像压缩算法,该算法首先利用SUSAN算子检测出输入图像的边缘信息,然后利用边缘增强方法对边缘信息进行增强,最后将增强后的边缘信息和解码后的输入图像相加形成最终的压缩图像.实验结果表明,和基于小波的传统编码方法相比,在低比特率下,该算法能减少图像的边缘模糊,提高压缩图像的识别度和峰值信噪比.     

基于Harris角点的视频图像检测算法的研究

随着时代的发展,科学研究、医疗卫生、公共安全和工农业生产等领域对数字图像采集和处理的应用越来越广泛,本文提出了一种基于USB2.0接口图像采集及处理系统的设计方案.该系统的数据采集源为图像传感器,包含数据传输,实时显示和角点提取三个模块.在角点提取过程中,对Harris算子的检测原理、实现方法及性能分析分别进行了说明.最终使用MATLAB编程工具,完成对不同图像的Harris角点检测.根据检测结果可以看出,使用Harris角点检测方法,检测速度快,得到的角点较均匀,算法稳定,对数字图像的处理有着重要的现实意义和应用价值.     

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．     

基于点模式特征提取的指纹匹配技术

为了准确识别指纹,采用基于点模式特征提取的指纹匹配技术。选取FVC2002指纹库中的指纹,对指纹图像进行归一化、灰度阈值分割、二值化、细化等预处理后,提取出端点、分叉点等特征点,并将其包含的指纹边缘点、断点等伪特征点去除,然后将提取的指纹特征信息同指纹库中的指纹进行匹配,测试指纹匹配率为94.12%。仿真试验结果表明,该方法具有较好的识别精度,根据试验结果可知匹配率为99.41%。     

基于特征点的数字图像配准

基于特征点的数字图像配准技术的重点在于如何提取图像上的有效特征点,通过Harris算子提取静止多线条图像的角点作为特征点,能有效解决图像配准过程中特征点数目少、配准精度难以保证的问题.仿真试验结果表明,该方法不但速度快,而且抗噪声性能好、精度高.     

基于视频图像Harris角点检测的车型识别

为了快速准确地进行车型识别,提出一种基于Harris角点检测的识别方法.该方法基于背景减法提取出运动车辆目标,并提取其Harris角点,选取轿车、客车及货车Harris角点作为标准样本,分别计算待识别车辆与3种标准样本Harris角点的Hausdorff距离,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好.     

基于差分形态分解的多尺度Harris角点检测器

为克服Harris-Laplace角点检测器存在的检测精度不高,易受噪声干扰,积分尺度选择困难等问题,提出了一种基于差分形态分解的多尺度Harris角点检测器。其利用差分形态分解得到的图像结合相关尺度信息形态学重建原始图像,以准确定位角点位置。实验结果表明,相比多尺度Harris-Laplace角点检测器,其不仅定位准确,大尺度下图像边缘保持完好,而且误检率低,尤其在角落区域和重叠区域检测优势明显。     

基于density-ORB特征的图像特征点匹配算法

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.     

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...     

基于Harris特征点检测法的雷达图像与电子海图的数据融合

为解决雷达图像和电子海图显示与信息系统(ECDIS)单纯图像叠加中的问题,在分析基于图像特征的自动图像配准算法基础上,提出基于Harris特征点检测法的图像配准技术,同时对强度、色调和饱和度(HIS)颜色模型在图像融合中的应用进行了探讨,给出基于特征的小波变换融合方法.对图像融合效果的仿真结果表明,该方法获得的融合图像优于传统方法.     

Research on color image matching method based on feature point compensation in dark light environment

Image matching refers to the process of matching two or more images obtained at different time,different sensors or different conditions through a large number of feature points in the image. At present, image matching is widely used in target recognition and tracking, indoor positioning and navigation. Local features missing, however, often occurs in color images taken in dark light, making the extracted feature points greatly reduced in number, so as to affect image matching and even fail the ...     

基于改进角点特征的多传感器图像配准

对模糊和有噪声干扰图像设计的高对比度角点提取算法进行了改进,将角点检测范围限定在高对比度“边缘带”,减少了角点检测范围,在保持角点检测精度的同时,算法效率提高了大约1倍.在点特征匹配阶段,采用归一化互相关初步建立点特征的对应关系,利用马氏距离仿射不变性筛选出正确点对,从而得到图像之间的仿射变换关系,实现图像的自动配准.实验结果证明了此算法的有效性和高效性.