基于图像局部加权熵和自适应阈值的角点检测算法

针对Harris角点检测算法在应用中实时性较差和运算量较大,同时抗噪能力较差等问题,提出一种基于Harris算法的改进算法,利用图像局部加权熵与最小亮度变化(MIC)算法相结合的方法进行角点检测。首先,运用图像局部加权熵算法思想,初步得出候选角点集;然后计算Harris算法的角点响应函数(CRF)值,将候选角点按CRF值大小差分为三类;最后使用自适应模板和阈值的MIC算法进行角点检测,得出最佳匹配点。实验结果表明,该方法提高了原算法的实时性,增加了角点提取数量和准确性,并且能够有效去除大多数伪角点。

基于加权局部熵的图像兴趣点检测方法

图像兴趣点检测方法是许多计算机视觉应用中的基础技术。文中提出了一种基于加权局部熵的图像兴趣点检测方法。这种方法可以稳健地检测兴趣点,并且具有旋转和尺度不变特性。

基于加权局部熵的织物疵点检测

探讨基于加权局部熵的织物疵点检测方法的效果。针对图像的局部熵在织物疵点检测中的缺陷,在局部熵的基础上提出了加权局部熵的检测方法,并对织物缺纬、断经、破洞疵点进行了检测。结果表明:基于加权局部熵的织物疵点检测方法识别率在90%以上。指出:相比单一局部熵的方法,此方法在缺纬、断经、油污、破洞四类常见疵点的检测上更方便、更精确。

基于局部熵的边缘检测算子选择算法

为了在图像处理中选择恰当的边缘检测算子,保证边缘提取的质量,提出边缘点加权平均边缘局部熵,对利用边缘点加权平均边缘局部熵选择边缘检测算子的算法进行了研究。通过边缘检测算子抽取出图像的边缘,计算图像边缘的局部熵,使用边缘像素的灰度信息进行加权,计算出边缘点加权平均边缘局部熵。依据边缘点加权平均边缘局部熵进行边缘检测算子的选择。实验结果表明:算法能有效地选择合适的边缘检测算子,保证获取的图像边缘质量。

周视红外成像搜索系统中的实时目标检测方法

在周视红外成像的预警搜索系统中,大视场下红外图像的背景成分十分复杂;与此同时,高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点,提出了一种基于分块图像加权熵值矩阵的快速目标提取算法:首先根据大视场下红外图像的空间分布特性,对原始图像建立子图像块矩阵;然后提出一种加权熵的特征判别函数,建立子图像块的加权熵值矩阵;最后分析了基于加权熵矩阵自适应阈值选取方法,对背景进行分类并快速提取目标兴趣区。实测数据结果表明:该算法流程是一种适合大视场条件下的有效目标检测算法,且具备良好的工程应用性。

一种面向SAR图像的多窗口道路边缘检测算法

道路作为一种重要地物信息,在城市规划等领域中起着不可替代作用。合成孔径雷达(SAR)具有全天候等成像特点,因此基于SAR图像已有许多道路边缘检测算法。提出一种多窗口道路边缘检测算法,来解决相干斑噪声引起的道路边缘误检率高完整性差等问题。该算法首先以加权局部熵的大小为基础,评估SAR图像中像素点落在道路上的概率,然后以该概率为依据,确定每个像素点多窗口融合的权值。最后,对不同大小窗口的边缘检测结果进行加权融合。通过对不同区域的SAR图像切片进行实验,结果表明加权融合后得到的道路边缘的完整性及对噪声的抑制效果均有所提高。