基于视频图像Harris角点检测的车型识别

为了快速准确地进行车型识别,提出一种基于Harris角点检测的识别方法.该方法基于背景减法提取出运动车辆目标,并提取其Harris角点,选取轿车、客车及货车Harris角点作为标准样本,分别计算待识别车辆与3种标准样本Harris角点的Hausdorff距离,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好.     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称Shi-Tomasi-SURFORB算法,...     

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ORB的无人机图像快速拼接算法

为了更好满足无人机航拍图像拼接对实时性和稳定性的要求,提出一种四叉树局部熵自适应阈值的ORB(Oriented FAST and Rotated BRIEF)算法,首先对图像划分网格,通过计算每个网格内局部熵的最佳阈值提取FAST特征点,然后采用四叉树对提取的特征点进行最优筛选,最后采用KNN算法对特征点进行粗匹配,使...     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

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、     

复杂背景中视频图像目标的检测

研究带有运动景物的复杂背景中视频图像运动目标的检测。用图像差分法提取运动目标信息;针对运动景物在差分图像中产生强脉冲干扰的特点,提出K领域自适应滤波算法;采用二维熵准则选择最佳二值化阈值;最后用图像形态学运算处理目标的分割碎块。中给出了实验结果。     

复杂场景图像中人员目标检测算法的改进

图像或视频中的人员目标检测,一般采用单个深层神经网络检测器(SSD)算法.但在复杂场景下,SSD算法因场景复杂、物体重叠、遮挡等干扰,检测精度大大降低.在SSD算法中加入反卷积网络反馈用于增加环境感知信息;采用辅助损失函数以促进损失降低,并将复杂场景中的目标检测多分类问题转换为二分类问题.以无人机拍摄的复杂场景下的行人数据集为例进行人员目标检测实验,对比分析多种检测方法的准确率表明,改进后的SSD算法在检测速度和识别精度上均提高明显.     

基于角点检测的旋转图象的拼接实现

本文利用基于灰度图象的角点检测方法获得角点信息,然后根据角点信息完成两幅图象的角点的配准,从而计算出图象的旋转角度.接着,利用一种整体快速旋转方法对图象进行旋转,最后完成图象的拼接.试验证明,经过合理的参数调整,能高质量的完成有一定旋转角度的两幅图象的拼接.     

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。     

一种基于TF-IDF和ORB的改进闭环检测算法研究

针对视觉SLAM闭环检测过程中由于感知歧义导致的闭环不准确问题,基于TF-IDF方法提出了一种带权重的计算两幅图像相似性得分的算法,用于视觉SLAM的闭环检测研究;首先在特征点检测时,为了得到均匀分布且重叠点较少的特征点,使用FAST角点检测方法得到关键点,而后对关键点进行非极大值抑制;其次使用改进的算法计算两幅图像间带权重的相似性得分;最后根据场景图像的特征,进行闭环确认,进一步剔除错误闭环。实验通过搭建平台和使用标准数据集进行测试,证明了改进的闭环检测方法能够有效提高闭环的识别率与准确率。     

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。     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

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FAST角点检测的局部鲁棒特征

针对目前流行的SIFT、SURF等局部特征存在运算复杂、匹配及后续处理实时性差等问题,在FAST角点检测的基础上,提出了一种新的视觉跟踪特征算法. 该算法能克服实际应用中噪声及室外光照变化的影响,并能快速匹配特征点实现实时处理. 实验结果表明,该视觉跟踪特征算法具备运算量小、实时性高的特点,并且能保证匹配精度及鲁棒性优于原有的视觉跟踪特征.