基于空间纹理相似性的图像角点特征匹配算法

针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明该算法不仅能够很好地适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比该算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48 ms,而匹配特征数量较多时能够降低2 408 ms。

大数据环境下异质模糊图像角点特征提取仿真

运用传统方法在大数据环境下进行异质模糊图像角点特征提取时,存在角点遗漏、提取不精确等问题。为解决上述问题,提出一种基于改进SUSAN的异质图像角点特征提取方法。在大数据环境下,采用高斯滤波对异质模糊图像进行去噪处理,通过改进SUSAN角点检测方法建立圆形模板,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点。对检测出的图像角点所在边界进行细化;采用多角点结合的提取方法对经过处理的异质模糊图像角点特征进行精确提取。仿真结果证明,所提方法对图像角点特征提取的精度较高,大大缩短了提取用时,并且不会对图像的内容及细节造成破坏;面对噪声及其它环境的干扰,该方法的运算效率没有受到太大的影响,说明该方法的抗噪性比较好,为图像处理工作提供了更好的依据。

基于图像特征角点的无人机停机坪识别算法

为了实现无人机自主导航控制,设计了一种面向四旋翼飞行器对停机坪地标多角度观测的识别算法。首先,将停机坪地标图像分为特征圆及特征字符H两部分,用Hough算法识别特征圆。接着,在特征字符H识别过程中,发现归一化后的H字符角点间存在确定的几何关系,且在一定范围内,该几何关系对飞行器位姿及周围环境敏感度较低。因此,将特征角点识别算法应用于停机坪地标图像的特征字符识别,整个算法在不增加额外运算开销的情况下提高了识别效率。实验结果表明,基于图像特征角点的无人飞行器停机坪地标识别算法,在识别准确性和实时性方面都要优于基于线性特征的识别算法。同时满足了飞行器自主导航系统稳定可靠、精度高、抗干扰能力强等要求。

像素自相关矩阵的阈值自适应角点检测算法

针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法。该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点。通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考。