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.     

一种基于区域分割的无阈值Harris特征点检测算法

文章针对传统Harris算法需人为设定阈值和特征点聚簇的问题,实现了一种基于区域分割的无阈值Harris特征点检测算法,在图像区域分割过程中引入了极差以剔除不存在特征点的区域,采用了计算区域信息熵差值的方式以减少噪点的干扰,针对10×10像素分块后特征点仍然过密的情况采取了四块合一块的方法,最后根据实际情况在临近的特征点中只保留特征值最高的。实验结果表明,与传统的Harris特征点检测算法相比,本文算法避免了手动设置阈值的不确定性,而且特征点分布均匀、合理,没有出现特征点聚簇的现象,同时具有一定的抗噪性。     

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，采用该快速算法，不仅简化了Pal虎法中复杂的G和G^-1运算，而且提出了改进的模糊增强Tr变换，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并且有较好检测模糊边缘和抑制噪声干扰的能力。     

一种改进的快速模糊边缘检测算法

在介绍Ral模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，并提出了改进的模糊增强Tr变换。采用该快速算法，简化了Ral算法中复杂的G和G^-1运算，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并具有较好检测模糊边缘和抑制噪声干扰的能力。     

一种求曲线极小特征点集的算法

在分析已有求数字曲线特征点集算法的基础上，提出了一种求数字曲线极小特征点集的递归算法。结果表明，该算法具有提取特征点集冗余小、准确度高、速度快、节省存储空间，并且搜索出的点更加适合表达曲线形状等特点。     

一种改进的Adaboost算法的人脸检测分类器

针对人脸检测中单一分类器检测非常耗时,而且没有考虑到检测后提取标准人脸对后续工作(如识别)等问题,提出了运用Adaboost算法,采用正面人脸和人眼两个特征作为分类器,首先用Cascade算法筛选出输入图像中最有可能是人脸的区域,然后根据以正面人脸和人眼为特征的分类器检测人脸区域,并根据检测出来的人眼距离和角度对人脸进行精确的定位.同时针对实际的图像中人脸常常存在一定倾斜,从而影响后续的人脸的识别率这一问题,采取了根据人眼的位置对倾斜图像进行修正.实验结果表明改进的算法能够在保持一定运算速度的基础上取得准确的人脸,具有较好的实用性.     

基于内容特征的碎片拟合算法研究

针对碎片拟合过程中存在大量由碎纸机形成的相似、相近甚至相同的碎片边缘,再好的边缘拟合算法也难以正确选择唯一候选碎片边缘的问题。提出了基于碎片中文字、图、表等内容信息在碎片边缘留下的内容特征,判定与目标碎片匹配候选碎片的思路。界定了特征点、特征向量等碎片内容特征的概念,给出特征点、特征向量的提取算法以及基于内容的碎片拟合算法。实验结果表明该算法正确、有效,为计算机自动合成碎片奠定了基础。     

一种改进的离群点检测方法

现有的离群点检测算法运用于规模较大的数据集时,其时间效率和检测效果通常不够理想.通过对离群点分布特征的分析,在计算每个数据点到其kth最近邻对象距离的同时,结合其k最近邻的分布情况,给出一种改进的离群点度量方法.基于上述思想构造的离群点检测算法DokOF能够处理混合属性数据.实验表明,该算法具有良好的适用性和有效性.     

一种基于尺寸特性的图像边缘检测算法

在多尺度子波变换模极大值的基础上,根据图像有效边缘与噪声边缘在尺寸大小上的显著差异等特性,实现了一种按边缘尺寸按边缘尺寸小及按边缘尺寸大小自适应分块检测图像边的方法。实验表明,采用这一方法,可得到单像素宽,定位精确、抗噪声效果好的边缘图像,其效果明显优于经典的边缘检测方法。     

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.     

基于改进FAST检测的ORB特征匹配算法

针对ORB(oriented FAST and rotated BRIEF)特征匹配算法在实时性要求较高领域效果不佳以及在复杂光照环境下匹配精确率较低的问题,提出了一种基于改进FAST(features from accelerated segment test)检测的ORB算法。首先,对待处理的灰度图像进行分类,剔除掉部分灰度变化率较低的区域,然后提取FAST特征点并计算描述子,最后采用汉明距离完成匹配。此外,在提取FAST特征点时,设计了一种自适应半径,利用图像对比度自适应调整检测半径,当图像对比度突变时依然能够保证期望的特征点数量。实验结果表明,改进后的ORB算法匹配时间缩短了16. 47%,大幅提高了在复杂光照环境下的匹配精确率,具有较强的鲁棒性和实时性。     

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．     

基于特征融合的金属铸造工件表面裂纹检测算法研究

针对复杂结构的金属铸造工件表面因成像复杂引发干扰,裂纹提取判别困难的检测问题,本文提出一种结合了颜色形态特征融合图像分割和纹理特征裂纹判定的金属铸造工件表面裂纹检测算法。算法通过GAMMA变换增强裂纹并弱化背景,根据裂纹目标的颜色特征与几何形状特征相融合,量化特征并滤波特征值分割提取裂纹目标,基于灰度共生矩阵对候选裂纹区域提取纹理特征,使用支持向量机分类器进行训练并识别裂纹。金属工件表面裂纹检测实验表明,该算法在图像分割方面能更加完整准确的提取裂纹,在真伪裂纹的识别中准确率、精确率、召回率和F1得分分别为94.47%、92.51%、96.67%和93.74%。相较于传统检测算法,该算法克服了上述干扰影响,在准确率等方面具有优势,且具有较快的识别速度。     

优化特征检测的三维重建算法

提出一种自适应优化特征点检测的三维重建方法.该优化方法以Harris算子作为基础,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.解决了Harris算子的阈值设置问题,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.     

一种图象方向检测方法

在图象处理、模式识别中,经常要提取轮廓的走向、灰度电平变化方向的参数。在以往的方法中,常常采用不同方向的模板,对图象进行卷积运算,然后据所得的结果判别其方向。然而随着分辨率的提高,模板的数量也增加,卷积运算也增加,因此一般只能选取8个模板.本文提出一种比较法,它根据图象邻近象素点比较的结果,以权函数表示,其最终结果可获得16个方向的分辨率,由于没有乘法运算,因而运算速度高,易于硬件实现。     

基于遗传算法的特征子集选择方法

特征子集选择问题一直是人工智能领域研究的重要内容,特别是近几年来,特征子集选择算法研究已经成为机器学习和数据挖掘等领域的研究热点.本文提出了基于遗传算法的特征子集选择算法,实验证明该算法是简单、正确、有效的,并具有良好的收敛性和稳定性.     

用形态学改进医学图像边缘检测算法

针对医学图像的噪声问题,在数学形态学边缘检测算子的基础上,综合多结构元素和多尺度算法的特性,提出了一种改进的边缘检测算法。该算法采用交替序列滤波器和结构元素,对数据分别进行闭运算和开运算,并且对水平、垂直和倾斜方向采用不同的权重系数进行加权,同时计算出膨胀型边缘检测算子,最后获得改进的边缘检测算子。给出了算法实现的具体步骤,使用该算法提取了MRI图像边缘,并对Lena图也进行了检测。实验表明该算法能够提高传统的形态学边缘检测方法的边缘分辨率,具有一定的实用性。     

一种改进的Sobel算子边缘检测及细化算法

针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差叠加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰.     

基于高维几何特征的孤立点检测算法

针对孤立点检测算法不能较好地模拟人工检测过程、未充分考虑待测数据周围样本分布的问题,提出了一种孤立点检测算法DD-SVDD.该算法综合考虑待测样本与目标样本之间的距离,以及待测样本所在区域样本的分布信息,结合距离和平均密度来确定高维特征空间中决策边界附近待测数据的类别.在训练阶段,考虑了决策边界附近目标训练样本的分布,...     

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。