基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER(maximally stable extremal regions)检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.

集成MSER和SIFT特征的遥感影像自动配准算法

针对倾斜的遥感影像配准困难问题,提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配,初步校正影像的空间形变。然后在粗匹配基础上采用匹配能力较强的SIFT描述子与仿射不变矩描述子相结合,进行精匹配。通过以上两步匹配,可以提高遥感影像配准精度,尤其对倾斜影像效果更明显。最后采用倾斜的无人机(UAV)影像进行试验,并与SIFT配准算法比较。结果表明,本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。

多层次MSER自然场景文本检测

提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.

结合MSER与HSOG的目标局部特征提取

针对SIFT在视点变化下对物体几何特征描述的缺陷,本文提出一种结合最稳极值区域检测和改进的二阶梯度直方图描述子的目标局部特征提取方法。首先,采用一种新的最稳定度判断准则,提高了不规则形状区域和模糊条件下的检测效果;然后,利用改进的二阶梯度直方图提取MSER区域的局部特征描述子,采用高斯函数加权的方法考虑了不同像素对区域中心像素的影响,提高了稳定性;最后,通过标准测试图像和实际拍摄图像的匹配对算法进行验证。实验结果表明,本文方法在视点变化下仍能获得70%以上的匹配率,匹配效果优于SIFT。本文方法相比于传统方法检测效果更为稳定,对于不规则形状区域仍有较好的检测效果,适用于视点变化下的目标匹配。

基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤:(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域(MSER)的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明:本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。

基于MSER与边缘投影的车牌定位算法

针对基于颜色或边缘的车牌定位算法常出现误定位的问题,提出一种适用于嵌入式平台的基于MSER与边缘投影相结合的车牌定位算法。对RGB彩色图像进行灰度变换突出车牌区域,使用MSER算法进行连通域分析获取车牌位置;对于车牌和车身颜色一致的情况,设计垂直边缘投影算法进行补充定位;利用车牌的字符间距特征进一步提高车牌定位的准确度。实验结果表明,该算法对车牌倾斜、弯折、光照不均、大小不一、背景杂乱、分辨率低等情况具有很好的鲁棒性,准确率可达97.1%,适合应用于嵌入式车牌识别系统。

基于MSER与SIFT融合的多通道图像匹配算法研究

针对传统最稳定极值区域算法,只能从灰度通道进行不变特征提取而不能充分利用彩色图像信息的缺点,以及MSER(maximally stable extremal regions)算法与SIFT(scale invariant feature transform)算法本身存在的局限性,提出一种融合MSER与SIFT的多通道图像匹配算法.首先利用HSI(hue-saturation-insensity)颜色空间,同时从三通道进行MSER特征提取,对得到的特征进行简单筛选,将S和I通道得到的MSERs经椭圆拟合与归一化处理,并在H通道得到的区域中进行SIFT特征提取,而后对所有特征利用融合了C-均值聚类法的SIFT描述子进行描述,并用高维数据的可伸缩最近邻算法(fast library for approximate nearest neighbors,FLANN)连接同名点,利用PROSAC(progressive sample consensus)算法去除错误点,最终实现图像之间的匹配.仿真实验证明,该方法能够解决传统MSER存在的问题,并且在提取的特征质量以及处理速度上更具优势.

一种基于MSER和SWT的新型车牌检测识别方法研究

为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)和笔画宽度变换(stroke width transform,SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94. 86%,识别准确率达96. 14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。

一种改进的基于MSER算法的不变量提取算法

结合MSER(maximally stable extremal regions)算法,提出一种对图像的尺度、旋转、仿射变换更加稳定的区域不变量提取的算法。对于输入图像采用多尺度MSER提取算法,并对提取的MSERS依据其灰度变换的平稳性对提取区域进行修正。提高了区域提取的可重复性和匹配概率。

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准

针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法。该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配。通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准。

弱光复杂背景下基于MSER和HCA的树上绿色柑橘检测

基于图像处理和机器视觉的树上绿色柑橘检测,能为果园管理者施肥、估产及采摘作业提供指导。该文提出一种基于水果表面光照分布的分层轮廓分析(hierarchical Contour Analysis,HCA)算法实现了树上绿色柑橘的检测。彩色数码相机拍摄弱光下由闪光灯补光的树上柑橘场景彩色图像,基于水果表面的光照分布应用最大稳定极值区域(maximally stable extremal region,MSER)算法提取图像中的感兴趣区域,然后建立感兴趣区域周围的分层轮廓图,并利用霍夫变换拟合每一级轮廓获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标。所提算法在20张复杂的柑橘果园场景图像中进行了测试,最终的召回率达81.2%,查准率达到83.5%,单幅图像平均处理时间为3.70 s。该文所提出的基于光照分布的分层轮廓分析算法,不仅适用于绿色柑橘的检测,也可为其他树上绿色水果检测提供通用的框架和思路。

多尺度自卷积变换与MSER组合的影像匹配方法研究

针对影像仿射变换较大,目前常用局部特征提取算法匹配效果不理想的问题,提出以信息熵为约束条件,筛选出高信息量的MSER特征区域。文中利用多尺度自卷积(MSA)变换的灰度概率密度函数直方图熵构造新的特征向量,并以此作为优化后的MSER局部特征区域的描述符,组合成一种新的具有抗仿射变换的局部特征匹配方法,经过两组具有仿射变换的近景影像对该算法的实验验证,算法整体上可以有效地剔除10%以上的质量不好的特征区域。研究表明,在匹配准确性上,效果要优于MSER算法,尤其是程度较大的仿射变换,平均匹配准确率也要比MSER高。

MSER在图像局部特征检测中的应用研究

基于图像斑点检测技术具有尺度和旋转的不变性,但对仿射不变性适应性较差,MSER是对图像中稳定区域的检测技术,它对图像旋转、尺度及仿射不变性都具有强的适应性。对MSER检测技术的数据定义、检测算法的实现及区域拟合的应用作详细的分析,通过图像中稳定区域提取,可获得最优图像特征因子,再通过区域的拟合,可实现椭圆区域的二阶矩阵,其实现算法具有易实现、速度快、效率高的特点,该算法在目标区域和空间一致性上具有较好的应用效果。

应用MSER与DLBP的证件文本定位方法

针对复杂背景文本定位问题,提出了一种应用MSER算法与DLBP纹理特征的文本定位方法.该方法由候选区域提取、文本行合并以及文本区域检测所组成.首先,使用MSER算法在预处理后的证件图像中进行多通道候选区域提取;接着,采用一种新设计的文本行合并算法对候选区域进行文本行合并;最后,利用DLBP纹理特征结合SVM分类检测从而确定最终的文本区域.实验结果表明,本文所设计的文本行合并算法结合DLBP纹理特征进行分类检测,能够得到较高的召回率和准确率.同时,对不同类型的证件都具有较好的兼容能力.

基于MSER仿射变换配准的农用柔性pH芯片性能优化

针对柔性pH芯片复合结构多层打印制备过程的配准偏差严重,限制其农用pH值在线监测精度及稳定性问题,比较分析了MSER仿射变换模型对“叠层复合结构”柔性pH芯片性能的影响,分析了配准后柔性pH芯片在基质培番茄根系pH值在线监测应用中的可行性。试验结果表明:MSER仿射变换模型配准后,农用柔性芯片加工最小线宽和线间距分别为90、500μm,芯片加工平均相对误差可控制在25%以内;配准后,农用柔性pH传感器灵敏度达到了每单位pH值-61.9 mV,响应范围为2.0~10.0,与商用玻璃pH电极的测量绝对误差小于0.15,相对误差小于4.1%;基质培番茄根系pH值监测试验中,自制柔性芯片与商用pH电极的测量结果具有较好一致性,同步测定结果的绝对误差小于0.09,相对误差小于1.5%,RMSE仅为0.05。MSER仿射变换配准方法可有效提高“叠层复合结构”农用打印柔性传感芯片的制备精度及传感检测准确性。

基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下。为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果。首先,从灰度相似度聚类出发,采用Meanshift算法对分割区域的邻域像素进行聚类。其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息。实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度。

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.

基于MSERS与SURF算法融合的无人机近红外光谱非稳态影像配准

本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究,满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题,利用SURF计算效率高和MSERS能够提取完全仿射不变区域特征的特点,提出了无人机遥感影像特征提取与匹配的方法,该方法是基于SURF融合特征,在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS+SIFT、MSERS+SURF三种算法进行配准效果验证。结果表明:MSERS+SURF的匹配正确率优于其他两种算法。该算法实现了MSERS的多尺度检测及拼接效率成果较好的平衡。

基于MSER与SURF的图形匹配新方法

针对传统图形匹配算法对稳定特征提取不充分的缺点,提出了一种基于MSER与SURF的图形匹配新方法。MSER与SURF是两种特征提取算法,各有优缺点,且具有互补的特性。提出的算法分别用MSER与SURF检测图像的特征点,用SURF描述子表征检测到的所有特征点,从而实现了两者的互补,并获取了更为丰富的特征描述。基于更丰富的特征,描述信息,进行特征匹配,最后得到的图像匹配效果,相比传统方法更加稳定。