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。

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。

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性。利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法。新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题。为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案。通过对比实验,新算法明显地提高了图像角点检测性能。

一种基于角点与BP神经网络的文本检测及定位算法

检测并提取视频图像中的文本信息对视频图像和内容的理解意义重大。以现有的文本检测算法为基础,提出一种基于角点与BP神经网络相结合的文本检测算法。该算法首先应用多尺度角点算法提取文本角点信息并初步定位文本行,接着提取文本特征,最后应用BP神经网络精确定位文本。实验结果表明,此算法与经典方法相比具有更高的正确率和鲁棒性,视频中文本的正确检测率达到90.3%。

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。

一种改进的Shi-Tomasi角点检测方法

针对Shi-Tomasi角点在单一尺度下角点提取精度低、易提取伪角点、抗噪性差的问题,提出一种改进的Shi-Tomasi角点检测方法,通过构建图像金字塔实现在不同尺度下Shi-Tomasi角点的提取,形成候选点集,对候选角点采用双模板组合的方式去除伪角点,实现精提取。通过实验证明该算法可以在多尺度下提取角点,且增强了图像的抗噪性以及提升了提取角点的精确性。

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明:该方法能处理相似变换的图像配准。

基于双目视觉的振动筛运行状态在线检测方法

针对现有振动筛运行状态检测方法仅能对振动筛局部运行状态进行检测,且存在精度低、时效性差等问题,提出了一种基于双目视觉的振动筛运行状态在线检测方法。首先通过双目视觉检测装置对振动筛的运动图像进行采集;然后对图像进行灰度化处理,利用多尺度Harris角点检测算法获取图像的特征点,引入图像金字塔理论改进Lucas-Kanade光流估计算法,提高图像特征点运动轨迹的在线追踪性能;最后设计BP神经网络分类器,完成对特征点运动轨迹的分析与辨识,实现对振动筛整体运行状态的检测。试验结果表明,该检测方法准确性高、时效性好,可对振动筛运动轨迹进行全方位、多角度的追踪和辨识,实现了振动筛整体运行状态的在线检测和分析。振动筛在停止、正常、疑似故障和故障4种状态下,该方法的准确率分别达到了97.917%、90.667%、96.431%和93.181%。

基于投票策略的图像配准算法(英文)

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法。该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵。实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点。

一种新的维吾尔文字幕关键帧提取方法

为了快速有效地提取视频中含有维吾尔文字幕的关键帧提出一种新方法.该方法首先运用多尺度Harris角点检测,结合维吾尔文字笔画特点,完成字幕关键帧的初步提取;然后利用最小二乘法拟合直线,根据两条拟合直线的角度偏离情况对初步提取的结果作去冗余处理,得到最终字幕关键帧.实验结果表明:该方法快速简单,提取结果的准确率达到93%,具有很好的适应性.

一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法

针对运动物体对图像拼接易造成配准误差和合成鬼影的问题,提出一种多尺度PHOG特征和最优缝合线的运动场景图像拼接算法.首先,在多尺度空间角点检测的基础上,引入分层梯度方向直方图(PHOG)描述方法,生成多尺度PHOG特征,进行稳定配准,避免运动物体的局部影响.然后,通过构建能量函数,采用图割算法搜索几何、灰度差异最小的缝合线,去除运动鬼影.实验结果表明,该方法对存在运动物体的场景拼接具有较高的拼接精度,拼接效果良好.