基于多尺度边缘曲率估计的图像拼接方法

针对传统图像拼接方法仿射不变性差和对噪声敏感等问题,提出了一种基于图像边缘特征点的检测、匹配和融合方法.首先利用Canny边缘检测器提取图像的单像素边缘特征,通过边缘点邻域内的多尺度平均余弦值估计得到曲率极大值特征点,然后构建每个特征点的8×8邻域内的梯度方向直方图描述符,采用最小欧式距离与次小欧式距离比进行粗匹配,接着通过随机抽样一致性算法精匹配得到图像间的投影变换矩阵,最后采用加权平均融合算法可以得到无拼接缝隙的宽视角图像,实验表明,与基于Harris算法的拼接技术相比,该方法平均重复率高20.83%,平均定位误差低19.36%.     

基于自适应神经模糊推理系统的树叶特征的提取以及分类

通过植物的几何特征:长宽比,矩形度,面积凹凸比再根据傅里叶描述子和得到的傅里叶系数来提取树叶的一些形状特征:圆形度、细长度、密集度、凹凸度,再利用广泛应用于处理与分析具有复杂细节特征的分形维数来对植物特征进行提取,最后采用自适应神经模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)基于sugeno模糊来对树叶进行分类,并对树叶的分类进行分析,结果显示:随着适应神经网络的训练次数的增加,识别的误差越来越低,最后达到了比较好的效果,能够准确的进行分类.     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.     

口腔预备体颈缘线的快速提取

预备体颈缘线的提取技术是保证口腔CAD/CAM修复体边缘密合性的重要环节,对修复体质量和牙周组织健康至关重要.文中提出了一种口腔牙齿预备体颈缘线半自动提取算法.该算法首先对三角网格上的离散曲率进行分析,估算了网格点的曲率值,然后利用"方向"追踪方法快速提取初始特征线,再利用"曲率"吸引策略保持能量最小的方法优化网格特征线.应用实例表明,文中算法是有效的、可行的.     

基于视觉图像边缘特征的灌木丛或高草识别

灌木丛或高草的枝叶外扩,使得其灰度图像边缘呈"锯齿"状,故边缘点曲率值变化频率及变化范围较大,可选择边缘曲率值的变化特征描述该类障碍物的边界特征.首先,利用Fisher 线性分类器对原始灰度图像进行分割,对二值化图像去除孤立点、进行形态学膨胀处理和空穴区域填充;其次,利用LOG算子及细化算法提取出障碍物的单像素边缘;再...     

基于边缘方向的直线提取算法

研究一种快速的图像直线提取算法.将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘直线得到全局直线及参数.准确提取出图像中的直线特征及端点和方向等参数.仿真实验结果表明,该算法比Hough变换能更准确、快速、可靠地提取图像的直线特征.     

基于模糊元胞自动机的图像边缘检测方法

针对基于元胞自动机图像边缘检测的原有算法,提出了新的改进算法.该算法采用基于方向信息测度与边缘有序性度量的多信息融合方法,利用模糊逻辑对特征信息进行模糊推理,利用推理结果对上一时刻特征信息进行模糊反馈处理,最终通过元胞自动机的自动演化工程得到图像边缘.试验表明,算法边缘检测的准确度高,检测模糊边缘和细节边缘的能力较强.是一种实用、高效的图像处理算法.     

基于最小负曲率点搜索的快速人体肢体提取算法

人体肢体分割涉及两类最小负曲率点,利用人们对人体肢体划分的主观意识,提出最小负曲率点分析法,搜索分割手臂和腿部的最小负曲率点.跟踪目标前景区域的边缘,得到前景区域的外轮廓.采用傅里叶算子对人体轮廓实现平滑处理,消除局部噪声对最小负曲率点的影响.采用移动向量法求取轮廓曲线的数字曲率.在划分出的各个肢体部分内部进行轴线搜索,确定肢体关节点,完成人体肢体的提取.实验结果表明:算法可有效搜索最小负曲率点,实现人体肢体分割.     

手写字符轮廓曲率的特征提取和识别

首先对手写体字符图像进行平滑,同时获取字符的轮廓点.然后提出了一个字符轮廓曲率计算的有效方法,为了利用小波变换对曲率信号进行去噪和平滑,该方法不是直接从轮廓点出发,而是进一步抽样得出新的轮廓点.最后得到了不受字符旋转、平移、大小、位置影响的字符特征,以及相应的识别算法.实验结果表明,它在单一的特征识别方法中优于其他方法.     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

一种基于肤色的人脸检测方法

本文首先在色彩空间的知识基础上建立肤色模型,然后进行相似度计算、平滑滤波和二值化分割.随后利用人脸的几何特征对这些可能的人脸区域进行分析,根据面积、长宽比等几何判定规则进行筛选.最后得到候选人脸区域.     

基于灰色系统理论及方向图的纤维边缘检测算法

针对传统边缘检测算法在对纤维进行边缘检测时易出现边缘不连续、虚假边缘、粘连纤维无法确定轮廓的现象,提出了一种基于灰色系统理论及方向图的纤维边缘检测算法.该算法首先利用灰色预测和Niblack算法分别得到图像的强边缘和图像二值图,接着利用边缘连接算法求出连接图,并与利用灰色关联度求出的感兴趣区域(ROI)相结合求出纤维边缘图,进而利用填充算法和轮廓跟踪求出纤维外轮廓,再将外轮廓与ROI相结合求出轮廓增强的纤维图像,最后运用基于方向图的边缘界定算法提取纤维的边缘信息,剔除毛刺之后可得到纤维的完整边缘.试验结果表明,这种方法能够很好地抵制噪声,并能得到比较完整的纤维边缘信息,不仅具有较好的边缘连续性,且克服了双边缘的现象,提高了检测精度.     

利用最近邻域分类的图像去噪算法

为了在图像去噪的同时较好地保护图像细节,利用最近邻域的算法将数据进行有效的分类,得到了不同的有意义的封闭邻域,从而对突出的边缘细节信息与非边缘细节信息进行有效地分割,较好地改善了方形邻域固定、模糊边缘细节信息的问题.且利用小波分析之后的系数特征,估计出一个最佳阈值并进行阈值去噪.实验表明,该算法可以得到更好的实验结果.     

基于区域候选的粗-精行人检测方法

为了解决行人检测过程中漏检的问题,提出一种将传统检测方法与区域候选网络相结合的方法。运用局部无关通道特征(LDCF)方法对图片进行粗检测,筛选出在训练集上漏检的窗口。采用k均值(k-means)算法对数据集中漏检的目标框进行聚类,得到合适的尺度与长宽比。针对相应的尺度与长宽比训练区域候选网络(RPN),提高粗检测阶段的召回率。利用改进的颜色自相似特征以及简化的卷积网络结构对窗口特征进行更为准确的描述。使用改进的深度网络提取特征,并训练级联分类器,对粗检窗口进行精细判断。在行人检测数据集TUD-Brussels和Caltech上进行实验,得到的平均对数漏检率分别为46%和9%。     

基于H.264 I帧编码的块边缘模式特征提取算法

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用.该算法利用H.264码流中得到的帧内预测模式和预测系数提取出5种边缘模式特征.该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法.实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用帧内预测模式纹理描述符的方法,其平均查准率提高了5.07%.     

基于多特征概率分布的均值漂移行人跟踪算法

在目标尺寸和颜色发生变化时,传统均值漂移法因目标模型单一和核窗口大小方向固定而导致目标丢失.为此,文中提出一种基于多特征概率分布的均值漂移行人跟踪算法,首先利用目标的颜色、轮廓和运动特征构建目标模型,得到颜色、边缘和运动直方图分布;然后将颜色和边缘的直方图反向投影生成二维概率密度分布,利用运动信息修正颜色和边缘概率分布;并根据各特征所占权重,运用自适应融合法得到目标特征关联概率分布;最后利用关联概率密度的零阶矩值调整下一帧跟踪窗口尺寸,结合均值漂移跟踪框架,实现常态下目标跟踪.实验结果表明,该算法提取的目标特征具有较强的准确性,能实现复杂交通场景下的行人跟踪.     

基于H.264 I帧编码的块边缘模式特征提取

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用。该算法利用H.264 码流中得到的帧内预测模式和预测系数提取出五种边缘模式特征,该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法。实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用Intra预测模式纹理描述符的方法,平均查准率提高了5.07％。     

自然生长状态下树叶图像的分割与提取

以用智能手机拍摄的自然生长状态下的含有复杂背景的树叶图像为研究对象，对图像的背景及其RGB3个颜色分量的特征进行分析，根据分析的结果提出采用超绿(EXG)算法和底帽变换算法相结合的方法对目标树叶进行分割. 对于绿色分量与其他2个分量差异大的背景采用EXG算法去除，而对于绿色分量与其他2个分量差异小的背景采用形态学的底帽变换来去除. 为了减小目标树叶分割的错分率，采用Otsu算法、形态学和边缘最大矩形对上述分割后的细节进行细化分割. 分割结果表明:文中所采用的算法可以很好地将目标树叶从背景中分割出来，错分率小于3.68%.     

月球车视觉系统立体匹配算法研究

根据对月球车立体视觉系统及其工作环境特点的分析,提出了一种特征辅助的区域匹配算法.该算法将匹配分为特征匹配和区域匹配两个阶段进行.特征匹配阶段利用几何约束和多特征匹配得到高可靠的边缘匹配结果.边缘匹配结果经滤波后用于辅助区域匹配,有效地减少了无特征辅助的区域匹配在无纹理和少纹理区域容易产生的误匹配.算法结合特征匹配和区域匹配各自的优点,可以以较高的可靠性得到密集的视差图.实验结果表明,该算法用于室外自然地形图对的匹配时,可以生成较为准确和密集的地形图,满足月球车立体视觉导航的需要.     

一种改进的A-KAZE算法在图像配准中的应用

针对现有图像配准过程中难以保持图像的局部精度和边缘细节的问题,在A-KAZE算法的基础上提出了一种改进的图像特征提取算法AKAZE-ILDB.该算法首先利用非线性扩散滤波方程构造图像金字塔,采用快速显示扩散(FED)求得数值解,得到具有亚像素精度的图像特征点坐标;然后利用改进的LDB(ILDB)描述子构造具有尺度和旋转不变性的图像特征向量,对特征向量采用汉明距离进行KNN匹配;最后基于仿射变换模型计算空间映射参数矩阵来实现图像配准.实验结果表明:在保持相同图像特征匹配正确率的情况下,AKAZE-ILDB算法比A-KAZE算法平均配准时间缩短了300 ms;在配准精度方面,比A-KAZE算法提高了3.7%,比传统特征提取算法SURF匹配正确率提高了29%.