基于多项扩展式局部方向张量的仿射不变兴趣点检测算子

针对基于立体视觉的移动机器人导航中摄像机视角及光线亮度的变化会使所获得的场景环境图像发生一定的仿射变换，为了选取稳定的图像局部特征点，提出了一种具有仿射不变的兴趣点检测算法——多项局部方向张量（polynomial local orientation tensors，PLOT）算子。PLOT算子是基于图像多项扩展式局部方向张量的兴趣点检测算法，它将图像的每一像素点以多项扩展式的方式展开建立局部图像信号模型，求其对应的局部方向张量，搜索局部方向张量最小特征值的局部邻域最大值，获得对图像兴趣点的初始检测定位，并应用仿射递归算法实现兴趣点及对应特征区域的最终准确检测与定位。基于重复率准则的兴趣点检测实验表明。

改进Harris算子用于点特征的精确定位

Harris算子是在计算机视觉领域使用非常广泛的点特征提取算子 ,它算法简单 ,而且稳定 ,但缺憾是其定位精度只能达到一个像素。参考摄影测量中F¨orstner算子精确定位的思想 ,改进Harris算子 ,使其可以定位到子像素。实验证明 ,该方法在点特征的提取和精确定位方面都达到了较好的效果。

基于M算子确定条件的小波图像融合算法设计

将多幅图像拼接(融合)成一个无缝光滑的数字全景图,一直是计算机视觉、图像处理和计算机图形学的研究热点。考虑算法的运算和可行性设计,在Moravec算子、小波变换的基础上,根据应用系统条件限定,特别是在系统资源有限的场景下,提出了一种一体化技术方案和实施算法,折中考虑了拼接效果和经典算法在应用领域的边界条件和基本要素。

基于阈值分割的影像建筑物角点提取算法优化研究

对Moravec和SUSAN这两种经典的特征提取算法进行了深入研究,以Matlab软件为实验平台,验证了它们的可行性。通过对实验结果的比较,分析了Moravec算子中运用"抑制局部非最大"思想的优势、局限性和适用性;在SUSAN算子中通过考虑提取过程中的误差影响因素,为算法中几何阈值和灰度阈值的确定和模板选择提供了依据,对其影响范围进行了定量分析。指出在两种算法实现过程中,Moravec算子由于对如何确定判断窗口的大小不能给出可靠的依据,加之缺少对影像的先验知识,无法了解研究区域角点分布状况。因此,仅仅用这种方法很难获得完全准确的角点特征;对于SUSAN算子,根据分析结果对几何阈值加设一个下限d,在很大程度上排除了孤立噪声点的干扰;并运用"重心距离法",即通过判定SUSAN重心与核心点连线上的像素点的边缘初始值的相近条件,消除了虚假的角点,从而实现了对算法的优化。

基于非参数化特征提取的神经网络识别

本文采用非参数化的特征提取技术提取样本的特征,再用模块化的神经网络的方法进行训练识别,取得了较好的实验效果。

低空遥感数字影像的点特征提取算子的比较

低空遥感是遥感影像数据获取的重要手段之一,点特征是最常用的影像特征,目前存在多种点特征提取算法。本文根据低空遥感数字影像的特点和实际应用中的要求,利用探测速度、适应性、提取效能三个特征提取算法的比较标准对常用的点特征提取算子进行了比较。为针对不同特点的低空遥感数字影像,选择某点特征提取算法提供依据。