三维测量中基于脊波变换的图像预处理及拐点检测

图像预处理及拐点检测研究是基于计算机技术三维测量研究的重要内容之一。提出基于傅立叶变换去模糊并结合有限离散脊波变换实现去噪的图像预处理方法,并在此基础上利用拐角测度法实现拐点检测。通过仿真实验把建议的算法同常用预处理后的典型检测算法作深入的比较研究,结果表明该算法具有较高的鲁棒性、较小的误判宰以及丢失率等优点。     

基于广义形态骨架的拐点检测方法

提出了一种基于形态骨的快速拐点检测方法,该方法基于物体条件骨架原理,采用改进的非对称开运算算子,利用内外骨架检测物体的凸点和凹点,以实现对所有拐点的检测;对于有噪声图像根据多刻度滤波原理采用较大的结构算子去噪,使预处理和检测在算法上实现统一,实验表明,该统一算法检测准确度高,抗噪性能好、具有旋转不变性、计算量小、硬件实现简单。     

基于RBF神经网络的股票三类拐点的分析

如何对股票价格拐点进行预测是投资者所关注的内容.利用RBF 神经网络对股票价格拐点进行预测,将反映股票价格的开盘价、收盘价、最高价、最低价作为神经网络的输入变量,利用RBF神经网络自适应算法对网络进行训练,建立起神经网络模型.结合分形几何学的分形知识,对股票拐点进行了分类.     

一个分析计算平面曲线拐点的可靠判据

拐点是平面曲线重要的特征点之一，在工程应用中有着特殊的意义，但是长期以来在理论上缺乏统一与完备的数学描述，导致分析计算的混乱。该文首先综述了目前有关拐点研究的一些成果，指出了拐点研究中尚存在的一些问题与不足，然后给出了拐点的一个数学定义，并在此基础上演绎推导出曲线在拐点处若干性质。其研究结果为工程上分析计算拐点提供了科学依据。     

缺损图像的特征模板匹配方法

基于二值图像的边缘拐点特征，建立其特征模板，在此基础上讨论了缺损二值图像的匹配过程。所采用的特征模板匹配方法将图像局部特征和它们的尺度大小联系起来，使识别过程更为合理，对１７个缺损飞机图像仿真实验结果表明，这一方法取得了很好的分类效果。     

模糊C-均值聚类法在车牌识别系统中的应用

针对车牌识别系统中的图像存在模糊、噪声干扰等问题,利用改进的模糊C-均值聚类算法来提高图像的分割效果.图像经边缘检测后,根据车牌中字符分布的特点,车牌内部存在着较丰富的边缘.由于边缘处灰度值与车牌中其它部分的灰度值不同,可利用灰度值的变化频率,来实现对车牌定位.实验表明该算法在车牌识别系统中是有效的.     

平面曲线离散点集拐点的快速查找算法

采用几何的方法 ,提出一种确定平面曲线离散点集拐点的快速算法 ,该算法结构简单、计算效率高 ,而且可以快速确定平面参数曲线离散点集的拐点 .     

正确认识驻点、极值点与拐点

多数学生对驻点、极值点与拐点分不清,如何正确认识驻点、极值点与拐点呢？主要依据其定义及相关定理,抓住他们的本质差别,认识与求驻点、极值点与拐点也就很轻松了。     

基于灰模型白化响应的边缘检测算法

为获得更好的图像边缘,提高机器视觉的检测精度,提出一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法.该算法用原图相邻的若干像素点值构建GM(1,1,C)模型,计算出相应像素点的白化值,得到原图像素点的像素值与相应白化值之间的误差.依据边缘像素点的像素值与非边缘像素点的像素值相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值出现较大误差的特点,实现图像的边缘检测.实验证明:该算法在无噪声和有噪声的情况下均有效;建模像素数量越少,抗噪能力越强,但对边缘的检测能力会下降;建模像素数量越多,边缘的检测能力越强,但抗噪能力下降.     

手写体女书文字规范化处理程序研究

在研究文字细化和细化后笔划校正的基础上,提出了一种建立规范的女书字符集的方案.指出了在处理细化后骨架产生的畸变时,作为特征点之一的拐点较难寻找,根据拐点的特性给出了一种新的寻找算法.按照该算法设计了处理程序,通过具体的应用,证实该算法是有效的.     

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.      

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.     

基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.     

B 样条尺度空间轮廓演化差异的角点检测

为了提高图像角点检测精度和提升角点运算效率,提出了一种新颖的基于B-样条尺度空间的轮廓演化差异的角点检测算法.把DoB(Difference of B-spline)的范数定义为角点的响应函数,用来刻画其尺度演化差异.DoB角点检测器融合了图像轮廓在不同尺度下的特征信息,既增强了特征点的响应,又抑制了噪声的影响.采用B-样条函数做卷积运算在各类角点检测器中复杂度小,速度快.通过实验对比,结果表明提出的算法具有良好的定位、抗噪及旋转和尺度不变性.     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

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．     

自适应非最大抑制的Harris角点检测算法

 针对Harris角点检测中存在角点聚簇以及阈值选择困难的问题,通过分析Harris角点检测算法的实现原理,提出了自适应非最大抑制的Harris角点检测算法.该算法首先检测角点响应函数值为局部最大值的像素点,其次对所有局部最大值进行由大到小排序并且设置一个抑制半径,通过不断减小抑制半径提取角点,有效避免了Harris角点聚簇的现象,实现Harris角点在图像空间的均匀分布.同时,该算法能够解决阈值选择困难的难题,增强了算法的适应性.实验结果表明,该算法检测出的Harris角点在空间分布更加均匀合理,能够很好的适应图像拼接、运动估计等实际应用.     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

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．     

颗粒磨圆度计算中棱角关键点的优化选取

磨圆度是在介观层面上描述颗粒轮廓形状的重要参数,它定量描述了颗粒棱角对颗粒轮廓的影响。现有的磨圆度计算方法,不能准确识别颗粒轮廓中的棱角,而且计算量较大。因此,为了提高准确性,减少计算量,本文提出一种优化选取方法用于选取颗粒轮廓角的关键点。首先,将颗粒轮廓变换为极坐标展开曲线,再利用极小值点对曲线进行分段,并使用傅里叶拟合算法对分段后的曲线拟合。其次,选取拟合后轮廓中的凸部位,并依据凸部位的突出程度,挑选出包含棱角圆的凸部位。最后筛选凸部位中用于拟合棱角圆的关键点,并计算出棱角圆的半径用于计算磨圆度。本文使用K-S标准粒子板和其他学者的研究结果对算法进行了验证,实验结果表明,优化选取方法计算出的棱角圆数量的准确率和磨圆度分类的准确率均达到了100%。本文还进一步分析了使用平均滤波算法对颗粒轮廓进行平滑时,不同的滤波参数对轮廓分段的影响,并给出了较优的参数选取范围。