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。     

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.     

数字图像角点检测算法探讨

数字图像角点特征因具有计算量少,匹配简单以及旋转不变等性质,应用广泛,本文在分析Harris角点检测算子的实现原理及其不足的基础上,提出了改进的Harris角点检测算法。实验结果表明,该算法检测出的角点分布更均匀合理,有效避免了角点聚簇现象。     

自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明：所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。     

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.     

一种自适应阈值的遥感影像角点检测算法

本文提出一种自适应阚值的遥感影像角点检测算法：采用8邻域点的扩展邻域计算灰度梯度;采用灰度梯度的概率分布函数确定自适应阚值;确定最大梯度方向,采用边缘方向追踪,结合自适应阚值判别角点。选取ASTER、TM、SPOT三种中高分辨率遥感图像数据,对算法进行试验。试验结果表明,该算法可以准确地提取有价值的特征角点,能有效抑制噪声点,针对不同数据具有很好的适应性,有较强的应用价值     

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Harris角点检测的目标跟踪方法

针对传统粒子滤波目标跟踪算法在目标被遮挡或背景色与目标相似情况下出现目标跟踪定位偏差大甚至丢失目标的缺陷,本文提出一种改进的Harris角点检测的目标跟踪方法.该方法首先提出一种改进Harris角点检测算法,利用双阈值法,选定1个大阈值和1个小阈值,从而极大的减少了角点数量,并利用SUSAN思想去除伪角点;然后依据HSV颜色模型对环境光照变化不敏锐的特点,对检测到的角点建立HSV颜色模型,以鼠标所选定的矩形中心,矩形宽度和矩形高度作为状态量,以HSV颜色直方图作为观测值,建立合适的粒子滤波算法数学模型,实现对目标的有效跟踪.实验结果表明:即使在目标与背景颜色相似或被遮挡的情况下,该算法仍然能够准确的跟踪目标,达到降低环境因素对目标跟踪影响的目的.     

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．     

基于提升小波和Harris角点检测的版权认证算法

文章提出一种新型的零水印版权认证方案,该方法利用自适应Harris角点检测算法并结合哈尔整数小波来提取图像特征.通过合理选择阈值T和局部特征半径R,特征映射表现出稳定和易识别的特性,因此可用来构建鲁棒水印.仿真表明,该方案可以抵抗多种信号攻击,如高斯噪声、JPEG有损压缩等,并在版权保护领域具有一定的可行性与可靠性.     

一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

基于对比度Harris的快速鲁棒图像配准算法

为进一步提高配准算法的鲁棒性、速度及自适应程度,提出了一种基于对比度Harris的快速鲁棒图像配准算法.依据中心像素与其邻域像素灰度值差异计算分块图像对比度,自适应地确定其角点检测的阈值,并通过灰度相似性剔除伪角点;在构建的尺度空间中检测角点,解决了Harris算法需凭经验手动设定阈值,所提取的角点分布不均匀,对尺度敏感且含有伪角点的问题;采用斜率和距离约束剔除粗匹配后的部分误配准点对,再通过随机抽样一致性(random sample consensus, RANSAC)进行精配准.实验结果表明,与4种同类配准算法相比,所提出的配准算法对于JPEG压缩、模糊、视角、光照及尺度变化图像都具有更好的鲁棒性,配准正确率更高,自适应性更强,且配准时间大幅减少.     

基于图像分块的多尺度Harris特征点检测算法

通过分析Harris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.     

基于隶属度特征的曲线角点检测方法

平面曲线角点检测是计算机图像处理领域的基础问题之一,笔者从曲线角点的模糊性质出发,引用模糊集合理论,提出一种包含隶属度的多元特征检测方法.首先,给出忠实于人类视觉感知的角点的两个性质,再给出包含隶属度的三组特征提取公式,且综合各特征,给出角点检测、定位的判据.最后,给出其实验结果.该方法实现简单,是目前比较新颖的方法.     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

Harris角点检测算法的优化研究

在研究Harris角点检测算法时,发现检测出的角点常常会受到噪声的影响.通过优化Har-ris角点响应函数,避免了角点响应函数中k值的影响,提高了每个目标像素点的响应值精度.把该方法运用到人脸特征的检测中,实验结果表明,该算法和传统的Harris角点检测算法相比抗噪能力有较大提高.     

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.     

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．     

一种基于重心计算的角点检测算法

提出了一种基于重心计算的轮廓曲线角点提取算法.针对图像的数字化轮廓曲线,首先,以等曲线长为特征点检测邻域,通过插值法得到精确的支持区域端点;接着,采用分割多边形法计算支持区域重心,避免了重心近似引起的误差;最后,以曲线上的点到其对应支持区域重心距离为特征值,依据该特征值区域最大化方法实现角点提取.实验证明,本算法具有较强的抗噪声、干扰能力,且运行速度快,角点寻找准确.