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.     

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Harris角点的静止图像配准研究

图像配准多采用基于图像特征点的方法,这种方法易于用计算机处理并且容易实现人机交互,其重点在于如何提取图像上的有效特征点。Harris角点检测算法在在图像旋转、灰度、噪声影响和视点变换的条件下具有较理想的效果,本文讨论了Harris角点的定义及内涵,重点研究了Harris角点的提取方法。     

基于角点特征提取算法的目标识别方法研究

目标识别主要通过目标的颜色、形状、轮廓等特征来获取目标信息,与已知目标进行对比的过程.基于角点特征提取对目标识别非常重要,因为角点具有旋转不变性、对光照反映不明显,这不仅可以提高识别的运行速度还可以提升识别的准确率.在本文中,首先介绍了基于角点特征提取的目标识别理论,列举出图像预处理的方法,通过仿真对目标图像进行灰度化...     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

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。     

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.     

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MFS方法的车牌字符识别

在车牌识别(LPR)系统的实现过程中,最关键的部分就是车牌区域的定位及矩形区域内的字符识别,在国内外对车牌区域定位问题研究的基础上,运用分形理论对车牌矩形区域内的字符识别问题进行深入研究,提出一种基于MFS (Modified Fractal Signature)和图像重心的新的识别算法,并在此基础上对其平移不变性及抗噪能力进行实验分析,取得了较为满意的结果,结果表明该方案可行有效.     

A novel zero-watermark copyright authentication scheme based on lifting wavelet and Harris corner detection

In this paper, a novel zero-watermark copyright authentication scheme based on Internet public certification system is proposed. This approach utilizes Haar integer wavelet transform based on a lifting scheme and adaptive Harris corner detection to extract image features, which will be used to produce a binary feature map, and the map is very crucial to the generation of watermark registered later. By properly choosing the parameters of aforementioned techniques such as the threshold T and the radius of local feature region R, the feature map is so much more stable and distinguishing that it can be used to construct robust watermark. Simulations demonstrate that the proposed scheme is resistant to many kinds of signal processing and malicious attacks such as Gaussian blurring, additive noising, JPEG lossy compression, cropping, scaling and slight rotation operation. Compared with a relative scheme such as that of Chang’s, the scheme in this paper is more practicable and reliable and can be applied to the area of copyright protection.     

双阈值Harris角点检测算法

角点检测是图像处理中的一种重要的特征提取方法,为了改进角点检测算子的检测性能,提高角点检测的精度,降低检测出伪角点的概率,针对Harris角点算法的阈值受人为给定的限制的缺陷,提出了一种基于双阈值的Harris角点检测,利用小阈值T1来检测角点,利用大阈值T2来限制伪角点的出现,并通过大量实验总结出大小两阈值的关系,获得良好的检测性能。     

一种大噪声自适应的角点检测技术

在自主机器人视觉中,大噪声条件下图像边缘角点的识别,对于视觉目标的形状识别有着重要的作用.使用最小均方误差准则,可以有效的滤除噪声的影响.针对大噪声条件下噪声强度的平均值和均匀性都未知的特点,提出了一种基于最小均方误差的新的大噪声自适应角点识别算法.这种方法计算变长点集的残差平方和,使得角点出现在特征曲线的极小值处,避免了使用阈值的弊端.并利用折半查找策略,降低了时间复杂度.在单角点识别的基础上,针对多角点识别,讨论了利用这种算法降低时间复杂度的方法.通过分析表明这些算法能够较为有效地提高大噪声条件下单调边缘单角点识别的正确率,降低了时间复杂度.     

基于改进Faster R-CNN的车辆类型识别算法

提出一种基于改进Faster R-CNN(region-convolutional neural networks)的车辆识别算法,用于处理不同类别车辆的识别问题.为了解决部分外形相似类别的车辆之间的误检问题,该方法使用空洞卷积来提高感受野,结合空洞空间金字塔池化(atrous spatial pyramid pooling,简称ASPP)来增强多尺度信息的获取,以此来增强网络对外形相似车辆之间差异的敏感性,提升算法的准确率.实验结果表明,改进的Faster R-CNN模型mAP值达到93.45%,具有较高的精确度、较小的误检率和更好的鲁棒性.