基于改进Harris算法的图像角点检测

针对Harris角点检测算法运行速度慢且单一阈值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法。实验结果表明:单独使用该预筛选方式的改进算法仅用32.71%的时间就可以检测出原算法94.97%的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94%,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象。

基于改进Harris算法的高分辨率遥感影像建筑物角点检测研究

高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,在多领域中具有广阔的应用前景。利用Google Earth高分辨率遥感影像作为数据源,对其红、绿、蓝通道图像,以及三通道取平均的全色通道图像进行建筑物角点检测,并根据建筑物在影像上具有几何角点的特点,对Harris算法的一阶梯度算子进行4种方向上的改进。对Google Earth的红、绿、蓝、全色4种图像进行试验,从4个检测方向上检测并累加,结果表明红色通道的图像检测效果较好。利用4种改进梯度算子进行累加的建筑物角点识别,识别正确率可到74.75%,识别效果较好。结果表明,该方法可以很好地实现高分辨率影像建筑物的角点检测,具有一定的理论研究和实际应用价值,可为建筑物自动识别提供技术参考。

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。

SUFT算法与改进的Harris算法相结合的图像匹配方法

本文提出了改进的Harris算法与SUFT算法相结合的图像匹配方法,用稳定的SUFT算法检测提取尺度空间极值点作为特征候选点,根据灰度的"相似度"的原则进行Harris特征提取,实验结果表明,使用改进后的算法进行遥感图像配准能有效去除误配点,使候选点数量更少,特征点更稳定,使得匹配的效率更高,准确性更高。

基于Harris算法的直线提取方法

根据Harris算法的原理,结合直线边缘的特征,提出一种新的直线提取方法。图像灰度窗口在直线边缘上移动时,只有沿直线方向移动,窗口灰度才不会发生变化,沿其他方向移动,窗口灰度会产生较大变化。结合Harris算法原理,推导了直线边缘的提取原理和方法,并通过仿真实验,证明该方法能有效的提取直线特征,相比于Hough变换法具有更快的运行速度。

一种改进的多尺度Harris算法

传统Harris算法依据经验确定兴趣值计算参数,并且对于一些类型的角点识别能力较差。针对这些问题,该文提出了一种基于局部标准差和对数计算的多尺度角点检测方法。该方法通过对数化梯度取降低边缘响应对候选点兴趣值的影响,有效地检测不同类型的角点。并重新定义兴趣值函数,由标准差的统计特性计算兴趣值,避免主观选择参数,使算法具有更高的客观性。实验结果表明,该方法具有检测复杂类型角点、精确定位,并具有旋转、灰度、噪声、尺度不变性。

基于多尺度Harris算法的海上舰船目标检测

海上舰船目标的检测具有重要的研究意义和实用价值,而复杂多变的海面情况使得舰船目标的检测面临一定的困难。为了更加准确的检测舰船目标,本文提出了一种改进的多尺度Harris角点检测算法。首先利用改进的Canny算法求出舰船边缘信息;然后对原图像采用Mean-Shift滤波器滤除海杂波;最后设计不同半径的自适应圆形模板进行非极大值抑制,引入Laplace空间因子使得Harris角点检测算法具备多尺度特性,用该方法对舰船目标的角点进行检测。实验结果表明,本算文法舰船目标的角点分布均匀、定位精度高,同时具有尺度不变性和旋转不变性。

基于改进Harris算法的汉字图像角点检测

根据汉字图像的特点,借鉴加速分割检测特征算法的思想,提出一种改进的Harris算法对汉字图像进行角点检测。首先,计算像素值初步判断出非角点并排除;然后,通过计算传统Harris算法中的角点响应函数对剩余的像素进行角点检测;最后,借鉴加速分割检测特征算法的思想对伪角点进行删除。最终检测出的角点是汉字笔画的起点和末端的角点,为下一步特征提取中确定线段的位置和计算线段的长度提供有利的技术基础。通过对一定数量的汉字图像的实验仿真,将本文方法与几种常用的角点检测方法进行比较,本文方法在检测正确率方面有所提高,但在运行时间上没有达到最短,综合考虑正确率和运行时间,本文方法较其他几种方法有所提高。

基于Harris算法的图像角度计算方法

在识别图像中L型角点及计算其角度大小时,会检测出较多错误角点且角度计算误差较大。为此,提出一种融合图像边缘特征和灰度特征的Harris角度计算方法。利用高斯窗口内边缘线权重和,以边缘梯度的平均值替代边缘上的梯度,通过比值影响函数筛选出L型角点。采用加权平面近似灰度表面,使用有关像元的主曲率幅度值拟合加权,以这2种方式的角点响应函数值相等为条件,推导角度计算公式。实验结果表明,该方法可使角点误检率从24.6%降为3.3%,L型角点角度计算平均误差率从10.21%降为3.82%。

基于改进Harris算法的全自动无缝图像拼接

基于传统的Harris算法,提出了一种改进的Harris算法用来进行角点检测。此算法通过改变原来的梯度算子,提高了算子的检测敏感度。采用一个新的角点响应函数,避免了人为设定参数。在图像拼接过程中,通过卷积神经网络(Convolution neural network,NCC)对图像进行配准,利用稳健的RANSAC算法剔除误匹配,最终图像融合。实验结果表明,该算法提高了图像拼接的准确性,减少了图像拼接所耗费的时间,提升了图像拼接效率,具有良好的实用性。

基于FPGA的Harris算法移植以及资源预评估

在利用FPGA的并行处理能力应对高速数据和去做复杂的数据处理时,对一些较为复杂或者重复性工作模块多的情况下,算法资源就需要进行预评估。有效的资源预评估不仅可以在芯片选型上有益,还可以对程序有较详细的估计,在硬件不变的前提下能够选择更好的算法优化。着重在Harris算法在FPGA的实现以及在移植之前对其占用的FPGA资源进行预评估。

Harris算法和Susan算法的实现及分析

角点检测在机器视觉和图像处理的许多方面都起着十分重要的作用。论文主要研究了数字图像的角点特征检测方法,应用了Matlab软件对图像进行处理。通过应用Matlab编写程序,论文编辑有Harris算法和Susan算法的程序。通过Matlab运行得出图像提取角点的结果,分析了两种算法的优缺点。Harris角点检测原理是对于一幅图像,角点与自相关函数的曲率特性有关,自相关函数描述了局部图像灰度的变化程度。Susan算子是一种基于灰度的特征点获取方法,适用于图像中边缘和角点的检测,可以去除图像中的噪声,它具有简单、有效、抗噪声能力强、计算速度快的特点。

基于Harris算法的图像处理软件的设计

Harris算法是一种有效的基于点特征提取的角点检测算法。该算法能应用于图像配准、全景图像的拼接、运动目标的跟踪、物体识别、三维重建等应用中。在图像的角点检测中,Harris算法相对于其他算法的误检率低,并且检测的效率高,便于MATLAB软件编程实现相关功能。此外,Harris算法在图像处理技术中具有较高的稳定性和较强的抗干扰能力。该文以Harris算法为核心,以MATLAB软件为开发平台,设计了一款基于Harris算法的图像处理软件,实现了图像配准、图像拼接和图像识别等图像处理功能,该软件界面友好,可操作性较强。

基于改进Harris算法的PCB图像定位

针对现有Harris算法所耗时间较长、无法亚像素定位的问题,提出一种基于改进Harris和边缘检测相结合的PCB图像定位算法。首先采用最大邻域像素差值法剔除部分非角点减少运算,用抗噪性强的LOG算子对图像进行边缘检测;然后提出圆形模板的自适应阈值法对所检测边缘进行角点提取,通过直接对初提取角点进行亚像素定位方式减少累积误差;最后采取NCC算法及RANSAC算法对亚像素角点进行粗匹配及误匹配点剔除,实现PCB图像精确配准。实验证明,该算法能有效对发生旋转和平移的PCB板进行快速精确定位,定位误差小于0.5 pix,平均定位时间少于传统Harris算法定位的32.4%。

可重构阵列处理器Harris算法并行化实现

本文提出可重构阵列处理器Harris并行化的算法映射方式,其中可重构阵列处理器解决了算法在硬件上修改就需要结构重新调整的缺陷同时簇间并行化解决了算法在软件速度和延时的缺陷.通过modelsim、Xilinx公司硬件设计工具ISE和BEE4开发平台实现Harris算法对分辨率为512*512的图像映射,实验结果表明,整个算法映射时间为0.143 ms,这个时间相比于相同条件下CPU、GPU、FPGA实现Harris算法映射的时间都短.

基于Harris算法的无人机影像拼接技术

处理无人机影像数据时,Harris角点检测算法具有较强的鲁棒性和稳定性。使用Harris角点检测算法时,影像边界处由于影像畸变影响,生成的特征点存在角点聚簇和伪角点的概率非常大,在处理该类问题时,通常是删除影像边界生成的角点。针对影像边缘特征点删除量的合理性进行了实验:先对影像生成特征点面积进行限制,用Harris算法提取特征点。然后用非极大抑制算法选取特征点,去除伪角点和聚簇的角点,生成最佳缝合线进行影像匹配融合。最后对比影像生成特征点面积和最后影像匹配效果,论证影像边缘删除Harris角点的合理量。实验结果表明,相对于传统的直接删除边界Harris角点方法,该方法更可靠更精确。

基于Harris算法的四旋翼飞行器定点悬停方法

针对四旋翼飞行器定点悬停控制不稳定,硬件组成复杂的问题,提出一种采用双光流传感器结合Harris角点检测算法控制四旋翼飞行器定点悬停的方法。该方法采用两个型号相同的光流传感器水平置于飞行器下方,由双光流传感器作为图像信息采集系统,将Harris角点检测算法应用到采集的图像信息中,计算两图像信息重叠区域,从而确定四旋翼飞行器的高度,选择其中一个光流传感器根据参考角点获取水平位置信息,最后采用PID控制算法以达到精确的定点悬停控制的目的。实验结果表明:该方法能够有效的提高四旋翼飞行器的稳定性,简化系统的硬件结构,符合实际需求。

基于Harris算法的SAR图像配准研究

引言:合成孔径雷达是一种主动式成像的遥感系统,它不受天气的影响,任何时候都可以对地物目标进行高分辨率成像,在微波遥感领域具有突出的地位。由于SAR成像系统对同一目标两次观测时间和环境不同,导致影像间出现几何变形,最终造成SAR图像灰度的差异,在使用多时相和多元化的复合数据之前,必须对SAR图像配准,以保证不同SAR图像在同一坐标系中。在众多的基于特征点匹配算法中,本文研究了Harris算法对特征点的提取,该算法是目前各个领域应用较热门的点特征提取方法。

Harris算法的改进

图像配准是图像拼接中非常重要的一个步骤,提高配准的精度和速率可以直接影响到图像拼接的准确度和速度。Harris算法是经典的的角点算法,但是因其冗余点多并且阈值取值不固定,影响了算法计算角点的效率和准确率,为此影响了图像拼接的效率和最终成果。本文对多角度Harris算法进行改进,通过迭代法使冗余点分配范围适中,并且在冗余点密集处,通过数量阈值和距离阈值的限定,过滤掉冗余点。

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。