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．     

一种基于灰度投影的中国象棋棋盘角点检测算法

提出了一种中国象棋棋盘角点检测的算法． 首先采用LSD 算法检测出棋盘灰度图像中的大部分直线,然后通过使用基于灰度值区域的投影直方图和基于LSD 算法的直线交点检测两种方法,精确地检测出象棋棋盘的角 点．最后通过实验,验证了算法的有效性和实时性,对于棋盘的亮度变化、棋盘畸变和边缘模糊具有良好的适应性．     

改进的基于模板的角点检测算法

对传统的基于模板的角度检测算法进行了2点改进.首先扩大了角点模板的半径,增加了可检角点的类型;其次根据新的角点响应函数简化了模板,使得角点模板总数并没有因为角点类型的增多而增加.实验结果表明,本算法提高了角点检测的准确性,同时保证了计算速度,具有一定的价值.     

基于图像连续表示的角点检测

为研究基于数字图像连续表示的角点检测方法,利用弦理论给出了离散数字图像的连续表示形式,利用快速付里叶变换实现了离散数字图像的连续表示和重建.通过计算小矩形区域的积分对直线段进行了检测.将角点的响应函数定义为平行四边形面积的大小,利用检测出的有向直线段,实现了对角点的检测.运用不同于传统的离散图像角点检测方法进行了角点检测实验,结果表明:它对图像的噪声有较强的适应性.     

基于SUSAN算法的分层快速角点检测

分析了SUSAN算法在角点检测中运算速度较慢的原因，并提出基于SUSAN算法的分层快速角点检测算法、该算法根据图像中像素周围图像灰度的相似性和角点的特性，引入提升小波变换理论，采用由粗到细的分层策略，首先对图像进行提升小波变换，找到角点的粗略位置，再用SUSAN算法进行精细查找，准确定位角点．实验结果表明，该算法可较大幅度地提高运算速度，节省运算时间、     

改进的基于灰度变化的角点检测算法

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。本文提出了一种改进的基于灰度变化的角点检测算法。灰度差阈值决定了SUSAN算子所能检测到的最小的对比度以及抗噪性能,本文采用自适应阈值方法代替传统的手工确定阈值法,并针对误检的问题,提出了相应的排除方法。实验结果表明该改进方法比传统方法具有更好的实时性和可靠性。     

基于自适应直线拟合的角点检测

角点检测是计算机视觉的一个基本问题，进行角点检测的关键是估算曲率。笔者给出了一种新的基于参考点的前后曲线方向估计的曲率计算方法。我们以离散点远离直线垂直距离误差最小为目标进行直线拟合，同时根据误差大小来自适应的选择拟合窗口的大小。很好地解决了角点曲率计算时拟合窗口大小和计算精度间的矛盾，实验证明，该方法抗干扰性好，且运算量不大，对于存在明显转折点的曲线角点有很好的检测和定位能力。     

一种改进的Harris角点检测算法

本文介绍了一种基于灰度图像的自适应Harris角点检测方法。利用二分法对阈值进行调整,通过分步调整参数的思想,可以不同程度地减少运算时间,提高运算效率。     

基于局部熵和方差调整的Noble角点检测算法改进

为了提高角点检测精度,增强算法对伪角点的抑制能力,在Noble算子的基础上充分考虑图像不同区域间灰度统计特性的差异,提出了一种基于局部熵和方差调整的Noble角点检测改进算法.该算法首先选择角点响应函数阈值以及非极大值抑制邻域大小的初始参考值,然后根据区域熵与区域方差分别估计这两个初始参考值的局部调整系数,最后用调整系...     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

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.     

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。     

改进YOLOv3算法的车辆信息检测

车辆信息检测是车型识别在智慧交通领域中的首要任务。针对现有的车辆信息检测技术在检测速度、精度以及稳定性方面存在的问题,提出了基于YOLOv3的深度学习目标检测算法——YOLOv3-fass。该算法以DarkNet-53网络结构为基础,删减了部分残差结构,降低了卷积层的通道数,添加了1条下采样支路和3个尺度跳连结构,增加了一个检测尺度,并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值。最后通过迁移学习机制对YOLOv3-fass算法进行微调。在自研的车辆数据集上,YOLOv3-fass算法与YOLOv3、YOLOv3-tiny、YOLOv3-spp算法以及具有ResNet50和DenseNet201经典网络结构的算法做了对比实验,结果表明YOLOv3-fass算法能够更精准、高效、稳定地检测到车辆信息。     

一种改进的KAZE特征检测算法

特征点检测算法是图像匹配的基础,在机器视觉、飞机导航、图像拼接、三维重建等领域中得到了广泛的应用.其中基于非线性扩散的KAZE特征检测算法鲁棒性强、匹配率高,但实时性明显低于其他算法.针对以上问题,提出一种简单有效的改进KAZE算法.该算法通过改进特征点搜索策略、利用圆改进M-SURF特征向量描述方法并降维、引入余弦相似性度量等步骤来提高算法实时性.实验结果表明:改进后的KAZE算法在保证原算法鲁棒性、匹配率的基础上,减少了运行时间,增强了算法的实时性.     

基于改进的Adaboost算法在 网络入侵检测中的应用

网络入侵检测是一种基于网络行为特征的检测技术.近年来,作为信息安全领域中的研究热点,网络入侵检测发展迅速.针对传统入侵检测算法对于数据特征提取较慢的问题,本文提出了基于信息熵理论的免疫算法来提高特征提取速度.为了进一步提高分类精度,本文对Adaboost分类方法进行了改进,在分类过程中判断噪声数据,并对噪声数据的权重进行调整,从而缓解了Adaboost算法的过度拟合.通过对KDD CUP 99数据的实验结果表明,本文方法可以提高免疫算法在特征提取方面的收敛速度,并能有效地提高入侵检测率.     

一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。     

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。     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

一种改进的网络突发话题检测算法

引进文本相关度这一影响因子,提出了一种基于蚁群聚类算法的突发话题检测算法,该算法结合蚁群聚类算法的优势,综合考虑文本聚类和文本相关度的影响,得到对网络突发话题检测的最优聚类效果,并对近年来网络突发话题进行实验,达到了很好的聚类速度和聚类效果,验证了算法对突发话题检测的准确性和即时性.