一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际应用。

利用单目视觉获取钵苗移栽适合度信息的方法

钵苗在穴盘中的生长状态各异,钵苗移栽是育苗过程的关键环节。为提高移栽后钵苗成活率,解决出苗不齐和断苗等问题,需对被移栽钵苗的直立度和高度等适合度信息进行综合评价,筛选出符合移栽要求的钵苗。图像采集系统中的顶杆能够顶起穴盘中的钵苗旋转90°,相机采集钵苗转动90°前后2幅图像,图像RGB各通道灰度值概率直方图存在灰度集中区域。首先,采用24位RGB源图像转8位灰度图、中值滤波和灰度拉伸算法对图像进行预处理;然后,使用细化、水平膨胀和垂直腐蚀等图像处理算法,获取钵苗主茎秆的特征;最后,采用标准差为0.65的3×3高斯模板Harris角点检测算法提取每株钵苗主茎秆上的关键点信息,对其加权最小方差直线拟合获取拟合直线,直线的斜率换算后作为钵苗直立度的判定值,以每一株钵苗的全部角点y坐标最大差值的110%作为钵苗高度的判定值。只有钵苗的直立度和高度都满足各自评价指标要求才被认为适合移栽。试验获取了12幅图像共计30株辣椒钵苗在0和90°位置的直立度和高度,每幅图像处理算法平均耗时0.35 s。按直立度(45°<α<135°)和高度(H>105 mm)评价指标判定,5株钵苗不适合移栽;2株钵苗的视觉检测结果与人工测量结果相反,视觉检测结果与人工测量结果之间的偏差率为6.67%。出现检测偏差的原因主要是钵苗叶对茎秆的遮挡和移栽机的振动使得钵苗在转动90°的前后与顶杆的相对位置发生了变化影响了人工和视觉测量的精度。该方法能够满足钵苗移栽机实时筛选工作的需求。

基于字符角点信息的车牌定位方法

车牌定位是车牌识别的基础.文中提出了一种准确快速的车牌定位方法.该方法利用三级阈值,由粗到细,首先剔除大量非角点像素,提高角点的定位速度,用大阈值突出显示车牌区域的角点,再根据车牌纹理的角点特性,利用滑动窗粗选车牌区域,然后对粗选车牌区域用小阈值,对车牌区域进行精确定位.试验证实该方法的车牌定位准确率达到98%,平均耗时约20ms.

基于凸包的棋盘格角点自动识别与定位方法

采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.

基于Harris多尺度角点检测的图像配准新算法

为改进角点检测算子的检测性能,提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,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、位置偏移和易受噪而提取出伪角点等问题。然后根据角度直方图得到的旋转角度,和提取的以角点为中心的特征子图,定义了角点点对的对齐度。最后,运用最大化对齐度准则来精确地确定角点匹配点对。实验表明,该配准算法具有精确性、有效性和抗噪性,实现了良好的配准效果。

基于局部方向分布的角点检测及亚像素定位

提出了一种基于局部方向分布的角点检测与定位算法.该算法主要由两步组成,首先利用绝对角点能量和相对角点能量进行角点检测,然后使用最小二乘技术拟合支撑像素方向线的交点得到角点的亚像素位置.实验结果表明,相对于常见的角点检测算法,基于局部方向分布的算法不仅具有更高的定位精度,同时对噪音也有较强的鲁棒性.

基于灰度差分与模板的Harris角点检测快速算法

为了去除伪角点和减少角点遗漏并且实现图像中角点的实时提取,提出了一种基于灰度差分与模板的Harris角点检测快速算法。改进算法采用灰度差分与小模板相结合的方法筛选出初始角点集,并在此基础上对最小核值相似区（SUSAN）算法进行了改进并采用改进的SUSAN算法精化初始角点集;最后,通过计算初始角点的角点响应函数值并进行非极大抑制,以确定最终的角点。实验结果表明,改进算法能够准确提取图像中的角点并去除大量伪角点。此外,改进算法的角点检测时间显著减少,仅为原算法的4.7%,能够满足角点实时提取的需求。

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。

一种改进的基于圆环点的摄像机自标定方法

针对现有的基于圆环点的摄像机自标定算法抗噪性能差、计算过程复杂等问题,本文提出了一种改进方法。根据射影几何中交比和调和共轭的性质,通过Harris角点计算出四条直径方向上的消失点。同时由拉盖尔定理求取圆环点的图像坐标,在圆环点与内参数的约束下求解所有内部参数。该方法的优点是圆环点求解简单,不需要检测椭圆和直径。实验结果表明,该算法精度高、鲁棒性强,且因无需知道圆的任何几何信息而有较好的实用性。

基于单目视觉的自车运动参数鲁棒估计

提出一种适用于结构化道路的自车运动参数鲁棒计算方法.该方法通过建立双线性增量自运动模型,选择车道线和道路导向箭头上的角点作为路面特征点,利用连续两幅图像的多对匹配的特征点对模型进行求解,从而估计出自车运动参数.实验结果表明该方法不容易受光照和背景的影响,在结构化道路上能够准确地估计自车运动参数.同时该方法计算量小,能够满足实时性要求.

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。

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.

角点检测技术综述

角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述,分析了相关的算法,并对各种检测算法给出了评价。

基于图像序列的真空开关分闸速度检测

真空开关的分闸速度是影响开关电弧形态及其使用性能的重要因素。为满足高精度分析的需求,提出运用数字图像处理技术从真空开关运动序列图像中精确跟踪触头位置,进而计算触头运动速度的检测方法。该文首先利用Solidworks软件建立真空开关触头模型,并以设定速度模拟分闸过程,获得了分闸过程动触头的运动序列图像。运用Harris角点检测算法提取序列图像中触头角点,然后用SSD(sum of square differences)角点匹配算法对相邻序列图像中所检测到的角点进行匹配,并从中筛选精确匹配角点,再以匹配的像素角点为初始值,计算亚像素精度角点,从而实现了动触头位置的亚像素级精度跟踪。计算相邻帧图像动触头的位移,该位移与相邻帧图像时间间隔的比值即为动触头的瞬时速度。结果表明:亚像素角点检测技术可实现动触头位置跟踪及其分闸速度计算,且相对误差≤4.7%,最高精度可达0.34%。该方法能够实现真空开关分闸速度的高精度检测,为后续分析分闸速度与电弧形态的关系奠定了基础。

彩色伪随机编码图像角点检测方法研究

研究了基于投射彩色伪随机编码图像的三维测量技术中图像特征角点的检测问题。为了克服传统的Harris算子只能对灰度图像进行像素级定位的缺点,提出利用伪随机编码图像独特的窗口阵列唯一特性,将其扩展到彩色图像,并通过对特征点周围的像素灰度值分布做二次曲面拟合并求解其极值,实现了彩色角点的亚像素级准确定位。理论分析和实验结果均表明该方法是有效的。

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。

双目视觉运动目标跟踪定位系统的设计

针对运动目标在被遮挡时跟踪丢失问题,采用双目视觉对运动目标进行跟踪定位。首先,利用背景差分法实现目标检测;然后,利用Kalman滤波器改进的CamShift算法与FAST角点检测算法相结合,通过缩小角点检测的范围,提高预测的准确性和跟踪速度,同时有效解决了目标跟踪丢失问题;最后,通过双目立体视觉视差原理求出目标的三维坐标,实现对目标的定位。实验结果表明,该系统有效地解决了目标跟踪丢失问题,且算法实时性良好,有利于工业上使用机器人对运动目标的精确抓取。

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。

基于角点匹配与谱聚类的接触网绝缘子破损/夹杂异物故障检测

立足铁路总公司制定的6C系统标准,基于Harris角点与谱聚类实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测,使用序贯相似性检测算法(SSDA)算法匹配角点;然后对匹配后的角点进行模糊聚类并提取聚类中心,利用CV(Chan_Vese)模型提取绝缘子轮廓;接着利用离散余弦变换对绝缘子图像故障信息增强并对其边缘检测;最终对边缘点进行谱聚类实现绝缘子的破损/夹杂异物故障判断。实验结果表明:该方法能够较好地实现抗旋转匹配,精准提取绝缘子轮廓和诊断故障。