基于区域检测的多尺度Harris角点检测算法

针对传统Harris算法检测的角点遍布整个图像和对尺度变化较敏感的问题,本文提出将区域检测方法和多尺度Harris角点检测算法相结合,使检测到的角点数目更少,以提高后续的图像匹配重建的效率。首先,利用区域检测的算法构造图像显著图,采取腐蚀膨胀操作提取出目标区域作为候选的检测区域;其次,利用多尺度结合非极大值抑制的方法改进Harris算法,检测图像的角点并标记。仿真结果表明:本文方法能进一步提高角点检测的精确度和速度,同时在不改变任何参数的情况下,对于图像旋转能够减小角点提取的差异,增强算法的多尺度性。

结合多尺度角点和Harris变换的遥感图像配准方法

提出了一种新的基于多尺度角点和Harris变换相结合的角点检测的图像配准方法。其核心思想是采用Harris算子和Laplace图像金字塔相结合,对原始图像进行不同尺度的向下采样并对得到的图像进行角点检测,得到角点的角度和尺度响应的最值点比(尺度精定位),对图像进行旋转和平移变换,完成图像配准。理论分析和仿真实验表明,该算法具有较高的配准精度且计算量较小。

一种改进的Harris多尺度角点检测算法

图像特征点的提取是实现图像特征匹配的重要步骤。针对Harris角点算法的受尺度变化影响大,阈值为人为给定的缺点,把图像尺度空间的思想与自适应阈值的方法相结合,提出了改进的多尺度Harris角点检测方法。实验结果表明,该算法提取到的图像角点不仅精确度高,而且检测到的伪角点少。

改进的多尺度Harris角点检测算法

为提高图像中角点检测的准确性,以及对图像噪声的抗干扰性,提出了一种多尺度Harris角点检测算法。该算法首先对图像进行多次高斯平滑,对每次平滑后的图像进行Harris角点检测,获得角点信息;而后,利用真实角点比噪声更稳定的特性,通过统计不同尺度下获得的角点信息,最终提取到真实的角点。实验证明,对于包含大量噪声的图像,提出的多尺度Harris角点检测算法仍能够准确的提取到真实的角点。

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Harris角点和SURF特征的遥感图像匹配算法

Harris是一种高效的角点检测算法,但不具备尺度不变性。SURF(speeded-up robust features)算法虽然能很好地解决图像尺度变化问题,但是在特征点提取方面没有Harris稳定。针对Harris和SURF两种算法的特点,提出一种新的Harris-SURF特征点提取算法。首先用Harris算法检测图像角点,再用SURF算法提取图像特征点;然后合并角点和特征点,并剔除重复点获得新的特征点集,确定新特征点的主方向并生成特征描述符,再对图像使用比值法进行初匹配;最后利用RANSAC剔除错误匹配点实现精确匹配。实验结果表明,该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性,同时提高了运行效率。

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris函数的尺度空间表示,检测每个尺度水平上的极值,利用迭代算法验证每个尺度水平上LoG算子是否获得最大值,从而得到特征角点的位置及其尺度。该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时,还能检测出多尺度下的特征点。通过实验验证该方法具有尺度不变特性,适用于尺度变化较大的视觉系统。

基于Harris的棋盘格角点检测改进算法

角点作为含有图像重要信息的一种特征点,运用角点计算可以有效减少图像运算量。正因为如此,角点检测在机器视觉中更是起着不可忽略的作用,并广泛应用于视觉测量、图像匹配和摄像机标定中。针对Harris的棋盘格角点检测的优劣性,综合尺度空间、Harris算子、Fonster算子和SVD算子的思想,提出一种由粗到精的多层策略,快速自动实现棋盘格角点检测与提取,既采用了Harris算子良好的定位性能和鲁棒性,又结合了其他算子良好的优越性,克服了单种算子的局限性。实验证明,该方法针对棋盘格角点有较高的检测精度、准确率和稳定性,可以满足实时性要求。

基于高斯差分滤波和形态学滤波的Harris角点检测算法

Harris算子及其改进算子(如Harris-Laplace算子)是当前应用广泛的角点检测算法,然而它们都存在冗余点多和抗干扰能力差的缺点。基于此,提出一种新Harris算子改进算法。将图像进行高斯差分滤波,采用多层差分平均值增强稳定性和抗干扰性;对差分图像进行灰度形态学滤波,进一步去除小于结构元素的波谷,波峰值保持不变,这样不仅可以减少冗余点,还可以提高抗噪能力。实验表明,该方法在抗噪和去冗余点方面明显优于Harris算子和Harris-Laplace算子。

一种改进的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,现实中应用比较广泛,但不具有尺度变化特性,所以在图像的角点提取中往往改变参数的选择也得不到满意的提取效果。为了改变其单一尺度的特性,使得角点提取更加精确和有效,文中将多尺度空间和模糊系数引入到该算法中,在多个尺度下结合Harris算法对角点进行提取。该算法融合了多个尺度的特征信息,克服了单一尺度的Harris角点检测可能存在的角点信息丢失和易提取伪角点等问题。通过对比实验,文中算法明显地提高了图像角点检测性能。

基于Harris角点检测的改进算法

Harris角点检测算法是图像匹配中使用非常广泛的特征提取算法。针对目前图像处理过程中尺度不变特征点提取的算法实时性较差,算法计算量比较大的问题,在Harris角点检测算法的基础上提出一种简化的算法思想:邻近像素采用对比的方法,从理论上分析算法的性能,实验中保证算法性能的同时实时性得到了提高。

改进的多尺度Harris亚像素角点检测

传统Harris算子不具有尺度不变性,提取的角点是像素级的,而且其检测速度很慢。针对这些情况,提出了一种多尺度的且处于亚像素的Harris角点检测改进算法。通过对图像高斯平滑进行尺度计算,再利用原始角点为中心的集群,对集群内各点进行距离加权处理,从而对亚像素点进行精确定位。实验结果证明,与传统Harris算法相比,该方法在多尺度上更能适应不同尺度变化的角点检测,同时检测出的角点在精度达到了亚像素,比像素更佳精确。

数字全息中基于优化Harris角点的相位拼接算法

针对数字全息技术中测量面积受限的问题,提出基于优化Harris角点算法的拼接算法实现相位的双方向拼接。在获取数字全息图像时,保证相邻区域具有部分重叠,再对获得的物体的各子孔径相位图像进行拼接;用Harris角点算法检测角点密集区域为匹配模板,可高效且精准地确定重叠区域,结合高斯尺度空间和金字塔匹配思想对算法进行优化,通过加权融合实现三维形貌的再现相位拼接。以玻璃样板为实验对象,完成了物体再现相位的双方向拼接。实验结果表明:该拼接方法能够有效扩大数字全息测量物体的测量面积,并保证了较高的拼接准确度。

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。

基于双边滤波的Harris角点检测

角点是图像重要的特征之一。角点检测在图像处理和计算机视觉中起着重要的作用。原始的Harris角点检测不具有尺度不变性且常常将噪声作为角点,为了解决此问题,结合尺度空间理论和双边滤波的思想,对原始的Harris算法进行了改进。改进的算法加入高斯核,让算法具有尺度性,加入双边滤波,对检测的对象去噪保边,提高了检测精度。利用该算法,也可以快速准确地自动实现了对一定区域的棋盘格角点检测与提取。实验证明,该改进算法有较高的检测精度、准确率和稳定性,达到了预期的效果。

改进Harris特征点的机器人定位算法

提出一种改进Harris特征点的机器人精确定位方法,通过改进特征点提取、匹配、跟踪策略,为运动估计提供更加可靠的输入,提高运动估计结果的准确性。具体实现策略是在图像高斯金字塔中改进Harris特征点提取策略,提高其对旋转和尺度变化的适应性,实现特征点的均匀分布且数量可控。然后利用惯导先验信息预测特征点跟踪的搜索区域,提高特征点跟踪的准确性和稳定性,提高搜索效率。最后采用四元数和最小二乘方法估计车体姿态信息。实验结果表明:算法可较好地实现惯导信息与视觉信息的融合,不仅改善了传统视觉定位算法中特征点特性影响定位精度的问题,且几乎不会受到惯导漂移引起定位精度下降的问题,可实现机器人精确定位。

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。

基于稳定Harris置信度的三步搜索数字稳像方法

提出一种基于稳定Harris角点置信度的三步搜索法数字稳像方法.采用三步搜索法策略进行运动参量的计算,对三步搜索法结果使用稳定Harris角点置信度进行约束,提升运动参量计算准确度.针对分辨率为320×240存在±40个像素范围内抖动的车载运动视频进行稳像处理,实验结果验证此方法有效可行.

一种快速多尺度特征点匹配算法

为了快速稳定地进行特征点的跟踪,提出了一种快速多尺度特征点的提取算法。该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间特征点的局部极值,减少了局部极值搜索的冗余性,然后再利用最近邻算法对特征点进行匹配。实验结果表明,该算法的计算速度快于SIFT算法和MOPS算法,稳定性强于传统的Harris算法,可以用于实时图像配准及目标跟踪。

基于AP聚类图像分块的角点检测改进方法

将已有改进的Harris角点检测方法应用于图像拼接时,在单一尺度下检测角点会存在角点信息丢失、角点位置不准确和对噪声敏感致使检测率不高等缺点。为此,结合双边滤波和多尺度检测,提出一种Harris角点检测改进方法。采用双边滤波器代替原有的高斯低通滤波器,以增强方法的鲁棒性,引入近邻传播聚类方法将图像分块,避免因阈值问题造成角点分布不均,并将多尺度概念引入到改进方法中,判断候选角点是否为真实角点,剔除伪角点,使得角点检测更加精确。在VS2010+Open CV平台上进行实验,结果表明,与基于图像分块的多尺度Harris角点检测方法相比,该方法在去伪角点、漏检、准确度等方面取得了更好的效果,且具有更好的抗噪性。