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。     

基于知识库的颅骨特征点标定

提出一种基于知识库的三维颅骨特征点标定方法。首先,对于待标定颅骨,在知识库中找到与其形态最为相似的模板颅骨。然后,在法兰克福坐标系下,将模板颅骨上的标准特征点映射到待标定颅骨上。最后,利用K-D树对最终特征点的位置优化、精确。实验证明,当k值在颅骨模型顶点个数的1.5%~2.1%时,标定效果较好。     

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.     

Forstner特征点分类和精确定位方法探讨

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Forstner点特征提取算子探讨一种Forstner特征点分类和精确定位方法。首先利用一定的方法判定Forstner特征点的类别(即角点、圆点、中间点中的一种),然后根据该特征点的类别进行精确定位。通过对一组无人机数据进行实验,试验表明:相比Forstner算子的初步定位,精确定位的特征点精度显著提高。     

一种基于特征点匹配的自动拼接算法

针对图像的无缝拼接问题,本文提出了一种基于特征点的自动拼接算法。通过对其原理和流程的分析,对智能拼接的核心过程——图像特征点的自动匹配和图像的融合进行了详细的阐述,重点分析了原始图像和目标图像特征点的自动提取。实验表明,基于特征点匹配的拼接算法对提高航空像片质量和拼接精确度具有比较好的效果。     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

一种有效的基于共面标定特征点采集方法

提出了一种在传统机器人手眼关系共面标定中采样特征点提取的新方法.采用眼固定结构,利用图像处理和坐标变换分别求得图像坐标系的特征点和相对应的机器人坐标系中的特征点.完善了角点提取算法,提高了图像处理精度,并对最后标定结果的精确性进行了分析.     

基于拓扑关系和几何特征的图像匹配方法

针对图像匹配问题中不能全面考虑图像全局特征与局部特征这一问题,利用SURF算法提取初始特征点,将特征点三角网格化,考虑特征点在三角网格中的拓扑关系,利用网格中每一条边形成的交比这一几何不变量,构建每一个顶点的特征向量,利用这些特征向量实现图像特征点间的匹配,几何特征和拓扑结构的结合可以有效克服传统方法的不足.实验结果表明,方法对于图像模糊、旋转及噪声都具有较好的效果.      

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.     

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     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

基于视觉显著性和特征点匹配增强的 运动目标跟踪框架

为了解决主流目标跟踪算法在目标遮挡、快速位移和光照变化等不利条件下易发生跟踪不稳定的问题,提出一种视觉显著性和特征点匹配增强的目标跟踪框架,当瞬时跟踪结果经判别达到SURF特征点匹配阈值时,触发跟踪增强机制,提取图像的时域、频域和空域显著性得到综合的显著图,然后执行邻近匹配策略搜索显著图各显著区域以找到目标最可能的存在区域.本文框架是在传统跟踪方法的基础上加入了独立的增强机制,因此并不局限于某一种特定跟踪方法,具有良好的可扩充性和通用性.实验结果表明,该框架能有效克服多种不利因素的带来的干扰,可实现复杂背景下目标的准确跟踪.     

基于随机森林的人脸关键点精确定位方法

为了解决干扰情况(光照变化、表情变化和姿态变化等)下的人脸关键点精确定位问题,提出一种新的基于随机森林分类器的人脸关键点定位算法。针对目前研究工作尚未解决的人脸表情、光照以及姿态变化等难点,该文有两点主要贡献:1)引入了随机森林分类器和点对比较特征进行关键点定位,这种基于大量样本统计学习的方法能够有效解决人脸关键点定位中光照、表情和姿态变化这些难点;2)结合关键点的位置约束关系,进一步降低定位误差。实验结果表明:该算法可以有效地克服人脸光照、表情和姿态变化等因素干扰,能够对眼角和嘴角6个关键点进行全自动精确定位。     

基于特征点组合聚类的图像检索新方法

由于特征点能对图像局部特征进行合理描述,有效使用特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题.针对该问题,提出一种基于特征点组合聚类的图像检索新方法.该方法包括特征点组合聚类算法,以及基于该算法的局部颜色直方图构建策略.与现有的基于特征点和局部颜色直方图的检索方法相比,该方法能有效解决当前方法对特征点位置信息及特征点中心过度依赖的问题.从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度.     

基于轮廓特征点凹性分析的遮挡车辆分割算法

在智能交通系统的拍摄场景中,由于车辆间距过近和摄像角度原因,引起车辆遮挡的现象,增加了目标车辆检测和跟踪的难度。根据轮廓特征点,结合轮廓凹凸性,提出一种凹陷区域检测与分割算法。首先采用背景差分法提取车辆区域,根据车辆区域外接矩形的长宽比和占空比判断是否是多车遮挡,同时通过凸包分析算法提取遮挡凹陷区域;然后通过Freeman链码确定凹陷区域的轮廓特征点,对特征点进行凹性分析;最后匹配分割点,采用Bresenham直线生成法分割遮挡车辆。实验结果表明,该算法有效解决遮挡车辆分割不准确问题,与其他算法相比,具有较好的场景适应性。     

一种人脸面部特征的提取方法

在人脸精确定位的基础上,将提取出的面部图像进行积分投影,然后结合驾驶员疲劳时所特有的面部特征,有效地把人脸的特征器官区分开来,定位司机眼睛和嘴巴的位置,并且将其从面部图像中提取出来。     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

一种基于几何不变特征区域的数字水印算法

为了提高数字水印技术抗几何攻击的能力,提出了一种新的抗几何攻击的数字水印算法.该算法以稳定的特征点和方向选取能够应对几何攻击的不变特征区域,并对选中的区域进行离散余弦频域变换,最后在离散余弦变换的中频系数中嵌入水印信息.实验结果表明,该算法对于基于旋转、缩放、裁减、滤波、压缩等一般性几何攻击,以及它们的复合攻击都具有良...     

基于Harris—Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H—L特征点,确保特征点分布均匀：然后对H—L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。