基于灰度均值的自适应FAST角点检测优化算法

光照不均、突变引起的灰度变化会影响图像特征检测效果。为此,设计一种基于灰度均值的自适应FAST-9-12角点检测算法。首先,利用特征点的延展性设计一种小面积双重检测模板,减少像素点与中心点的比较次数,提高区域正检率和检测速度;其次,依据图像局部灰度均值,在每个像素点检测模板内自适应调整阈值,避免灰度变化影响检测效果;最后,根据柔性非极大值抑制的思想设计角点半径抑制原则,筛选鲁棒性更强的角点。在Inria遥感影像数据集上的实验结果表明,FAST-9-12角点检测速度比FAST-12-16,FAST-9-16两种模板提高22%左右,因自适应阈值的提取方式不易受光照影响,检测准确率分别提高4.16和3.11个百分点,实现了图像特征快速和精准检测。

融合角点检测的点云配准研究

为提高点云配准效率,提出一种基于点云曲率信息的Harris角点提取算法,通过引入曲率约束,对传统Harris角点提取做出改进;计算每个点的曲率值并与整幅点云的平均曲率作比较,保留曲率值大于平均曲率的点云,实现对配准价值较低的点的剔除,为后续点云配准减少计算量;构建所提取角点之间的特征匹配,结合采样一致性(sample consensus initial alignment, SAC-IA)粗配准和正态分布变换(normal distributions transform, NDT)精配准,寻找最优的变换矩阵,实现源点云和目标点云的重合。通过比较不同算法在公开数据集上进行实验验证,结果表明该方法对复杂点云、多拐点点云都有较好的表现,对初始位置相差较大的点云也有良好的适用性。

一种基于边界斜率拟合的角点检测方法

图像中的角点为描述物体特征提供关键信息,是复杂应用(如图像分类、目标检测和跟踪、定位和测量)的预处理步骤,角点检测的质量将直接影响后续图像处理的有效性.在工业环境中,角点检测算法需要在各类噪声和干扰因素下,对大规模数据集进行高效处理,以实现实时和准确的角点检测.因此,研究和设计快速高效、高准确性的角点检测算法具有重要意义.针对传统算法需要进行曲率计算或曲线拟合的局限性,提出了一种基于Freeman边界链码的快速、轻量级角点检测算法,通过对Freeman链码在角点之前和之后的连续多个点进行线段的斜率拟合和夹角的阈值判定,进而识别出角点.从准确性、鲁棒性和计算速度等方面,在NRS工业图像集上与主流角点检测算法进行了对比实验.结果表明,所提出的算法具有较少漏检和误检的角点数量,并实现了更快的检测速度,在工业应用中更具有优势.

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果;为了更好地了解角点检测技术的发展现状,根据3种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果;不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。

基于鱼眼相机混合模型的棋盘格角点检测方法

针对搭载自动泊车功能车辆的鱼眼相机标定耗时较长、鲁棒性要求较高的问题,提出一种基于鱼眼相机混合模型的棋盘格内角点检测改进方法。在参考和比较原有算法的基础上,提出的混合畸变模型能够快速确定不同区域内角点的两个初始方向,从而快速提高粗定位的速度。同时针对生产线标定的特殊性,提出了双标准离率差阈值作为对初始棋盘格是否可用的判断标准。实验结果表明该算法在自动泊车鱼眼相机生产过程中既能够满足标定的精度要求,同时也大幅度提高了检测速度,对自动泊车的相机标定具有一定的实用价值。

基于平行四边形对角线理论优化的直线拟合角点检测

在汉字图像识别的过程中,角点的检测有助于分析汉字的特征,反映出汉字图像的各个部分的重要信息。在以往的角点检测算法中通过曲率来判断角点的算法有不错的效果,但存在钝角点或者是圆弧处的角点检测不够精准。在自适应直线拟合角点检测的基础上通过对圆弧处的角点进行平行四边形对角线曲率估计来筛选出最终的角点集合。通过对比已有的角点检测算法,在兼顾时间效率的基础上,所提出的方法对于汉字的角点检测精确率更高,应用效果更好。

基于改进Harris的消音壁亚像素级角点检测算法

在计算机视觉领域,角点检测作为图像拼接、三维重建等算法的关键,能够直接影响视觉处理的最终效果。为了进一步提高角点检测在消音壁视觉检测应用场景下的精度,提出了一种亚像素级角点检测算法,首先以Harris算法获得像素级角点为中心角点,然后通过最小二乘法迭代计算不断逼近,最后计算得出亚像素级角点坐标。实验结果表明,算法角点检测的平均偏移量为0.18像素,相较Harris角点检测算法的偏移量降低0.56像素,在确保正确率的基础上更加接近真实值,能够满足在消音壁视觉检测应用场景下的精度需求。

基于YCbCr与角点检测的火灾识别算法研究

目前火灾识别技术已成为火灾预警与有效控制的重要手段之一,但传统的火灾识别方法存在易受噪声干扰及受数据规模限制的问题。本文提出了一种基于YCbCr与角点检测的火灾识别算法。通过YCbCr提取疑似火焰区域,实现疑似火焰区域内的颜色、面积变化率、尖角个数和圆形度的计算与分析。在尖角个数特征提取方法基础上,提出了一种基于角点检测的方法,使用近似值代替精确值的算法得到尖角个数。利用提出的基于交叉验证的网格搜索方法获得最优参数对,以实现支持向量机(SVM)对数据逐帧地检测。实验结果表明,通过本文提出的方法能够获得噪点更少、更清晰、识别度更高的火焰图像,预测正确率达到95%以上。因此,该方法可用于常见火灾检测。

基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法研究

提出一种基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法。以电厂地下管廊多组海量点云数据为分析对象,利用主成分分析法获取目标检测点在邻域点云微切平面上的法向信息,进而提取点云的边界点;构建基于目标检测点法向信息的协方差矩阵,计算并比较其角点响应强度函数,从中选出部分待筛选点作为真伪角点检测对象;利用基于高斯曲率极值点的伪角点检测方法,滤除伪角点并筛选出真角点;最后通过快速点特征直方图方法匹配各组点云间的相似角点,利用最近点搜索点云配准算法实现地下管廊多组点云间的拼接,并与传统3D-Harris角点检测算法的结果进行比较。对比表明,所提出算法计算耗时短且角点提取正确率高,可实现电厂地下管廊海量点云的精确拼接。

基于灰度特征的棋盘格内角点检测算法

标定物特征点的定位精度能直接影响相机标定的精准度,为提高检测的精度和效率,提出了一种基于灰度特征的棋盘格内角点检测的改进算法。通过分析角点的灰度分布特征,首先利用3×3环形邻域模板对初始角点预筛选;随后通过计算初始角点的BW算子响应值实现对棋盘格边缘角点及伪角点的剔除;最后结合改进的角点响应函数确定最终内角点。实验结果表明:运用改进算法在不同光照及噪声的影响下检测结果无漏检及误检,单幅图像所需检测时间为0.225 s,平均重投影误差结果为0.045像素,能为相机的高精度标定提供更精准可靠的数据。

基于轮廓局部线性拟合度估计的角点检测方法

角点检测在计算机视觉、模式识别等领域有着广泛的应用,而基于轮廓的角点检测方法是重要的一个分支,但目前此类算法还存在对轮廓噪声和局部变化敏感,定位性能较差等不足。为了克服这些缺点,提出了一种新的基于图像轮廓局部线性拟合误差的角点检测算法。具体步骤为:首先定义一条带参直线,然后利用最小二乘拟合技术估计参数,使得直线与局部离散点集的拟合误差最小,最后将最优参数下的最小拟合误差作为曲线的局部弯曲程度估计。与现有基于曲率的角点检测算法相比,提出的算法使用距离而不是导数来定义角点响应函数,对局部变化不敏感;此外采用较大的支持域和正则化方案,进一步增强了对噪声和仿射变换的鲁棒性。实验结果表明,在平均重复率(Average Repeatability)和精确度(Accuracy)的评价标准中,提出的算法在高斯白噪声和仿射变换下均有优异的表现。

一种新的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,但不具有尺度变化特性。该文把多分辨分析的思想引入到该算法中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的基于小波变换的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪而提取出伪角点等问题。通过对比实验,新算法明显地提高了图像角点检测性能。

基于各向异性高斯核的多尺度角点检测

Moravec角点检测是一种经典的角点检测算法,它认为角点是各个方向亮度变化足够大的点,但该算法不具有尺度变化特性。提出了基于各向异性高斯核的多尺度角点检测算法。利用小尺度高斯核定位准确,大尺度下抗噪声能力强的特点,对图像进行多尺度多方向分解;在每个尺度下,保留每个像素最小的幅度值,对其进行非极大值抑制。将小尺度下检测到的点作为候选角点;在大尺度下,观测候选角点的邻域内是否有极大值点出现,若存在,判定该点为角点,若不存在,将其剔除。与最著名Harris角点检测算法相比,新算法可以在不同尺度下获取角点,克服了单一尺度的Harris算法可能存在的角点信息丢失、角点位置偏移和易受噪声影响而检测出伪角点等缺点;在无噪或加噪条件下,新算法的检测性能有明显地提高。

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。

一种改进的基于Harris的角点检测方法

在研究Harris角点检测算法时发现该算法对一些图像进行角点提取时,存在提取伪角点、角点信息丢失和位置偏移,而且在进行非极大值抑制时不易设置阈值等现象。提出了在进行非极大值抑制时采用双阈值法,分别设置一个相对大和一个相对小的两个阈值,从而得到同一图像不同阈值的角点信息,通过角点信息对比能够很好地解决角点信息丢失和位置偏移并能消除一部分伪角点,然后利用SUSAN的思想消除剩余的伪角点。通过对比实验表明,文中算法提取角点非常有效,比Harris算法具有更好的角点检测性能。

一种基于Hough变换的直角角点检测算法

直角角点检测在广泛的图像处理与机器视觉应用领域中具有重要性。提出了一个新的直角角点检测方法。原始图像经边缘检测后得到二值化边缘,将直角角点检测问题分解为一系列的模板匹配问题。应用了Hough变换来高效地解决模板匹配的问题,并在Hough变换中结合了边缘方向信息以减少检测出的虚假直角角点数量。在一个实际的图像数据库上进行了提出的方法与其他数种角点检测算法的对比实验。实验结果表明,与其他方法相比,提出的方法具有最高的直角角点检出率,而其整体性能(包括运行时间、检出率、虚假角点检测率)也具有优势。

基于SUSAN角点检测算法的汽车后视全景快速图像拼接方法

针对汽车后视系统应用广角镜头采集图像时暴露出的畸变问题,通过引入SUSAN角点检测算法提取图像中的特征点,经相似性测度与高速模糊处理后获得最佳匹配点对,运用渐入渐出的图像融合算法消除多摄像头图像拼接时产生的拼接缝,配合软件系统功能模块的优化设计,实现对图像畸变的有效校正,最终生成高质量汽车后视全景图像.将上述研究成果进行梳理,不仅能够在短时间内生成汽车后视全景图,也有助于消除汽车后视盲区,具有良好的应用价值.

基于极差和Bilateral滤波的水面舰船图像角点检测算法

对经典Harris角点检测算法,结合极差方法,基于不同滤波器替换的思路,构建了一种新的角点检测算法。在分析Gausse滤波器、Bilateral滤波器、B样条滤波器为Harris算法带来不同检测效能的基础上,给出了一种最优的检测滤波器配置方案。对标准测试图像的仿真和对实际海面舰船图像的测试验证,表明所提出的算法可较好地抑制冗余角点,提升水面舰船目标的检测效率。

基于尺度空间理论的角点检测

传统的Harris角点检测是一种经典的角点检测算法,但不具有尺度不变性。研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris的尺度空间函数表示。利用多尺度分析的思想,使在小尺度上的角点精确定位和大尺度上的角点去伪存真。从而克服了传统的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪声影响等问题。试验结果表明,该算法明显地提高了图像角点检测性能。

Harris角点检测算法的实现及应用效果分析

Harris角点检测算法是一种非常有效的图像角点提取算法,提取的角点稳定可靠、均匀而且合理。用C#语言实现了Harris角点检测算法实现程序,并结合图例分析了该算法各种参数的设置。