基于特征点提取改进的ICP算法

点云数据在逆向工程,可视化技术,虚拟现实技术,机器视觉等领域具有十分广泛的应用。提出了基于特征点提取的改进ICP算法,在曲率特征和管理点云数据的索引方法 K-D tree的基础上对改进的ICP算法进行了详细的分析,将该算法应用到对雕像数据进行精确配准,实验表明该算法在一定程度上提高了配准的精度和效率。     

基于转向滤波器的轮廓提取快速算法

轮廓提取是图像处理研究的基本问题之一,特别是基于视觉特性的仿生算法。然而传统模型计算复杂度过高,很难应用于实际图像任务中。针对此困难,结合转向滤波器提出一种新模型。构造的转向滤波器只需对图像做两次卷积运算,再整合两次卷积响应,即可完成对图像的滤波作用,极大地降低了时间复杂度。通过定性分析与合成图像及自然图像的实验验证,新模型不仅快速、高效,而且对不明显的轮廓具有更加显著的增强作用,很好地模拟了初级视皮层神经元的高速并行处理机制。     

图像不变矩的轮廓链快速算法

提出一种将矩定义式中的二维积分简化为一维线积分的方法，得到区域原点矩及不变矩的轮廓链表示式，从而大大减少了区域不变矩特征的计算量，根据轮廓链表达式的符号还可判别其绕行方向，进而将区域的外边缘与内孔洞区分出来；推论所得到的面积轮廓链表示式还能有效地滤除掉场场景中的噪声区域，实验表明种方法得到的不变矩和按照矩定义式直接计算的结果相近，同样具有旋转、比例，平移不变特性。     

基于YIQ颜色空间的火焰轮廓提取算法

为了能准确地分割图片中的火焰区域和背景区域并精准的提取火焰轮廓,本文提出基于YIQ颜色空间的火焰轮廓提取方法.该方法利用火焰的颜色和亮度特征,通过大量实验观察,在YIQ颜色空间,先获取Y、I分量的像素均值,再运用迭代法和灰度直方图法分别得到Y分量及I分量的最佳阈值,然后结合二者的均值对阈值进行取向处理,最后运用canny算子对得到的二值图进行轮廓提取.实验结果表明本文算法火焰分割精确度高,提取轮廓清晰,时间复杂度也得到很大改善.     

基于最小误差逼近的轮廓特征点提取

针对轮廓曲线的多边形近似和特征点提取,提出了多边形逼近误差和局部最小误差逼近特征点的定义和相应的实现算法.该特征点对轮廓曲线进行树状递归划分,并最大限度地减小逼近误差.使得在给定特征点数目情况下,多边形逼近误差为最小.在给定逼近误差的情况下,特征点数目为最少.对于轮廓线的特征提取、优化多边形逼近、压缩表示具有一定的意义.     

基于二值图像的指纹特征点快速提取算法

提出了一种基于二值图像的特征点快速提取算法.该方法仅通过对二值图像中的有效点进行一次顺序遍历,根据二值图像的局部特征可以准确地提取出指纹图像中的特征点,具有简单快速并且有效的特点.     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.     

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑,在以轮廓点为中心的支撑区域内定义了曲率角,并根据定义的曲率角及曲率符号,采用简单的模板匹配技术,提取出候选的轮廓特征点,对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响,抗干扰性好,且运算量较小．实验表明,该方法具有很好的轮廓特征点检测及定位能力     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于轮廓特征点的不完整目标匹配算法

用模板轮廓上特征点的相对几何位置关系对其进行描述,基于统计的思想,运用小波变换的方法,得出的特征描述子并利用其相似度来定义点特征的匹配度,提出一种新的具有比例与旋转不变特性的不完整目标匹配算法.实验表明,所提出的匹配算法有很快的运算速度和很高的匹配精度.     

基于轮廓特征区域的图像拼接改进比值算法

阐述了图像拼接技术的应用领域和各种匹配算法,研究了比值匹配算法的基本原理和优缺点,本文针对该算法易出现误匹配的问题,设计了基于轮廓特征区域的图像拼接改进比值算法,传统算法相比,该算法能够更快更准确地找到图像最佳匹配位置,解决了传统算法中误匹配的问题。实验结果证明该算法具有速度快,准确性高等特点。     

基于HSV颜色空间的快速边缘提取算法

针对当前无人机障碍物检测能力较弱的问题,基于图像快速边缘提取算法,提出一种改进型局部二值模式(I-LBP)算子来增强边缘提取效果.在HSV (Hue, Saturation, Value)颜色空间中,利用I-LBP算子描述像素点的局部纹理特征,并采用Hausdorff距离确定边缘点,最后用矩形框圈出障碍物轮廓.该算法根据模糊集理论对传统LBP算子进行改进,通过将简单的二值化描述方式扩充到三维向量,增强了LBP算子对局部纹理特征的描述能力及其抗噪声的能力.利用MATLAB软件进行仿真验证的结果表明:I-LBP算子具有良好的稳健性,在光照条件较差并有噪声污染的情况下依旧可以准确地识别障碍物;同时,I-LBP算子还具有良好的实时性,可以满足无人机的避障要求.     

基于轮廓特征区域的图像拼接改进比值算法

阐述了图像拼接技术的应用领域和各种匹配算法,研究了比值匹配算法的基本原理和优缺点,本文针对该算法易出现误匹配的问题,设计了基于轮廓特征区域的图像拼接改进比值算法,传统算法相比,该算法能够更快更准确地找到图像最佳匹配位置,解决了传统算法中误匹配的问题。实验结果证明该算法具有速度快,准确性高等特点。     

基于改进AAM的人脸特征点提取

提出了具有鲁棒性的基于局部二值模式LBP纹理提取人脸特征点的主动外观模型AAM算法（LBP-AAM）.首先建立3种人脸模型实例（正面,左转及右转人脸模型）;然后应用LBP判断和预测测试图片的旋转类型,依据预测结果选择合理的模型实例去匹配;最后提取出人脸特征点.实验结果证明本方法比传统的AAM方法在精度上提高了27%,效率上提高了9%.     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.     

一种改进的语音基频轮廓提取算法

在说话人识别课题中，需要提取精确的基频轮廓作为特征参量，但通常使用传统的固定窗口长度的短时自相关函数算法并不能够适应各种不同人的发音。论文使用了一种可变窗口长度的改进算法，实验表明它有更强的适应能力。文中还介绍了一种改进的基频“野点”平滑算法，它能够在去除野点的同时，更好地保存正确点的信息。     

基于改进MRF的高分辨率SAR图像中建筑物轮廓提取算法

本文提出了一种基于改进马尔科夫随机场模型(MRF)的高分辨率SAR图像建筑物轮廓提取的方法.该方法首先引入了自适应的权重系数来改善邻域系统对先验能量项的影响,从而使分类结果更加准确.其次,利用Fisher分布来描述观测图像每一类的边缘分布,并且估计Fisher分布的参数;然后,根据改进的MRF对图像进行分类;最后,利用面向对象的方法,利用建筑物的形状特性及空间关系来提取建筑物.实验结果表明该方法可以较好地提取出建筑物的轮廓.     

基于特征函数的空间点光强快速算法优化

讨论了部分相干成像系统空间点光强的一种近似算法——即通过特征值分解的方法将部分相干成像系统的Hopkins公式展开为N阶相干系统之和的相干系统与双线性系统算法,并提出了优化的N取值方案.该方案充分考虑了光刻系统参数对N取值的影响.实验结果证明,采用了新的N取值方案的近似算法是一种高精度算法.     

基于HSV空间的钢轨表面区域快速提取算法

机器视觉采集的轨道图像中包含钢轨表面区域(简称轨面区域)及干扰区域(轨道、碎石、杂草等),从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L_1、R_1和次大值L_2、R_2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(I_(oU)高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.