基于曲率尺度空间的轮廓角点检测

在曲率尺度空间和多尺度曲率积的基础上,提出了一种基于多尺度曲率多项式的角点检测算法。首先基于曲率尺度空间检测不同尺度下的角点,然后利用多尺度曲率积或曲率和对检测到的角点进行增强处理,该方法可有效抑制噪声影响,防止高尺度下对一些角点平滑;另外,根据多尺度曲率多项式结果的符号还可有效的判别所检测角点的凹凸性。采用不同的评价准则及实例图像进行测试,实验结果证明该角点检测器是非常有效的,优于文中其它两种检测算法。

基于曲率尺度空间的人头检测方法研究

利用人头部轮廓的形状特征,提出一种基于曲率尺度空间的人头部检测算法。算法通过比较分析得出了人头部轮廓区别于其他部分轮廓的形状特征,在多曲率尺度下,计算物体轮廓曲线上每一个点的曲率,结合形状特征信息进行人头部检测。实验结果表明,算法有效解决了复杂背景下的人头检测问题,为人头部检测提供了新的途径。

一种基于曲率尺度空间的图像拼接算法

提出了一种基于曲率尺度空间的图像拼接算法。该算法利用曲率尺度空间(CSS)角点检测法提取特征点,通过比较各特征点圆形邻域Zernike矩的欧式距离得到匹配点对,然后利用正确的映射模型计算出变换参数,最后采用加权平均法得到图像的拼接结果。实验表明,该算法在图像间存在旋转、平移及噪声干扰的情况下,仍能得到很好的拼接结果。

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法。首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点。实验结果证实该方法应用于复杂图像的精确性和稳定性。

基于曲率尺度空间的角点检测图像匹配算法分析

计算机技术的发展下,优化提升图像匹配算法,可以提升图像检测精度。基于曲率尺度空间的角点检测图技术,优化设计图像匹配算法,基于曲率尺度空间的角点检测算法进行图像特征点的提取,归一化处理特征点,有助于提高图像匹配精度。利用该算法最终实现图像匹配需求,验证了算法的有效性,改进了图像匹配中特征点过度分离的弊端,提高了图像匹配检测的整体精度约10.0%。该算法发挥了积极应用价值,值得在实践应用中推广。

基于改进曲率尺度空间技术的图像水印算法

提出一种新的鲁棒性水印算法,利用改进的曲率尺度空间技术,提取图像的少量较顽强角点,用于重建受几何攻击的图像。选取2个chirp信号作为水印信息,将其嵌入图像的分数傅里叶变换(FRFT)域,选用变换阶次和水印嵌入位置矩阵作为算法密钥,根据chirp信号在FRFT域呈现的冲激特征检测水印信号。仿真实验结果表明,该算法具有较高不可见性、安全性和鲁棒性。

基于曲率尺度空间的VOP形状的分层表示

采用一种新的基于曲率尺度空间 (CSS)的算法进行形状的分层操作 .实验结果表明 ,这种方法比 MPEG4校验模型中用下抽样的方法进行形状编码的分层操作 ,分层性更强 ,且压缩比更高 .

基于通用曲率尺度空间描述子的彩色图像检索

大部分的图像存在遮挡现象,因此只能获得对象的部分轮廓。曲率尺度空间描述子(Curvature scale space descriptor,CSSD)是MPEG-7标准采用的闭合轮廓描述子。本文研究并分析了闭合完整轮廓和部分开轮廓曲线演化过程的不同之处,提出了一种通用曲率尺度空间描述子(GCSSD),不仅继承了CSSD的旋转、尺度、平移不变性及抗噪能力,并较好地描述部分开轮廓的特征。本文也给出相应GCSSD的匹配算法,将其应用于彩色图像花的检索,实验结果表明其性能明显优于CSSD。

基于曲率尺度空间的激光拼焊焊缝边界点识别方法

针对激光拼焊焊缝结构光光纹图像畸变小、特征点不明显且易受噪声干扰的特点,提出了一种基于改进的曲率尺度空间的特征点识别方法.该方法首先采用较高尺度的高斯卷积模板,对光纹曲线进行卷积滤波并使用自适应K-余弦法计算轮廓上每一点的曲率并选取特征点;然后在小尺度高斯模板下跟踪定位大尺度模板下获得的特征点候选点,以获得小尺度模板下光纹曲线特征点的准确位置.在光纹曲线的离散曲率计算过程中,考虑了支持区域对曲率计算的影响,提出了一种自适应K-余弦法,与传统的离散曲率计算公式相比,自适应K-余弦法具有更好的抗干扰能力.

改进的曲率尺度空间角点检测

在曲率尺度空间(CSS)角点检测中,通常采用高斯滤波对图像进行去噪处理。但该方法很大程度上降低了角点检测的准确性和精确性,因此,提出了利用双边滤波来改进的CSS角点检测算法,可以在很好去噪的同时又保证角点检测的高精度。实验结果也充分验证了该算法较其他算法具有的高效性和准确性。

傅里叶变换耦合曲率尺度空间的图形检索算法

目的解决当前基于曲率尺度空间CSS的图形检索算法仅仅使用了曲率空间图的峰值,且该峰值数量是根据图像形状不断变化的,加上其忽略了图形的重要特征,导致较低的检索精度与效率的不足。方法提出了2D傅里叶变换耦合改进的曲率尺度空间的图形检索算法。首先,考虑零交叉点过程中的曲率动态变化,并定义峰值阀值控制准则,联合抛物线拟合技术,改进了CSS机制,去除伪峰值点,且能兼顾图像形状上的非峰值点信息,获取CSS抛物线拟合图;引入2D傅里叶变换,用CSS抛物线拟合图代替图像形状,获取曲率尺度图的2D傅里叶变换;最后,对其进行归一化,建立曲率-傅里叶描述符,构建查询图形与图形库的欧式距离,完成图形检索。结果 MPEG数据库测试结果显示：与当前利用曲率尺度空间、1D傅里叶描述符的图形检索技术相比,本算法拥有更高的检索精度与效率,呈现出较好的PR曲线。结论所提算法能够进一步提高图形检索精度与效率,在包装商标检索等领域具有较好的应用价值。

基于L曲率的尺度空间形状分析技术

尺度空间技术由于能够很好地模拟人类的视觉机能,已经成为理解和分析图像的一种现代化工具.本文提出了一种基于L曲率的尺度空间形状分析技术.考虑了该技术在形状描述和角点检测中的应用,并具体地给出了一种检测角点的多尺度曲率积算法.L曲率的尺度空间图表明它的零点和极值点关于尺度参数是稳定的,具有较强的鲁棒性.新的角点检测算法能够增强形状特征点的信息,抑制噪声,可以得到良好的实验结果,且计算量较少.

增强曲率尺度空间的形状检索新机制

针对多媒体图像形状检索,提出增强型曲率尺度空间(ECSS)描述子,构建了基于该描述子的形状检索模块IRS.通过直接计算曲率,减少卷积计算次数进行特征抽取,从而显著减少了运算量;设计实现了镜像变换等匹配策略,使IRS检索的结果更符合相似性要求.

基于曲率的尺度空间中的角点增强

角点检测在模式识别、计算机视觉和其它相关领域中占有重要地位．由于无法事先确定应在什么尺度下进行检测，我们很难从平面曲线中准确地提取出角点．本文阐述了通过曲线尺度空间（Curvescalespace）来增强角点的方法．该方法的主要思想是通过曲线的形变（或构造曲线尺度空间）使曲线上的角点随着尺度的增加变得更加突出，以便准确地提取出角点．从广义的几何热扩散方程（GGHF）出发，我们得到了该方法中曲线曲率的演化形式，它揭示了构造基于曲率的尺度空间与形成尺度空间所需符合的准则二者间的本质联系．本文研究GGHF符合尺度空间准则的条件并给出了寻找不同的符合尺度空间准则的曲线演化方法，与此同时，我们给出了角点可被增强的条件．在符合上述条件的前提下，本文给出了一种新的构造尺度空间的方法，该方法符合尺度空间的准则，并能够在去除噪声和不重要的小结构的同时，有效地增强曲线上的重要角点．

曲率尺度空间耦合旋转约束的图像篡改检测

针对当前复制-粘贴篡改检测算法存在的识别准确度不高的问题,提出了曲率尺度空间耦合旋转约束聚类的图像篡改检测方法。借助Canny算子,计算图像边缘曲线,再引入曲率尺度空间特征提取方法,通过像素点与高斯函数的卷积运算,求取曲线曲率,从而获取图像的初始特征点。采用初始特征点的二次Taylor项,对其真伪性进行辨别,以精确提取图像特征。并在特征点FFT(·)小波的基础上,求取特征向量。采用特征向量对图像特征进行距离测量,利用图像特征间的距离信息作为其依据,对图像特征进行准确匹配。通过旋转图像及匹配特征点来获取其旋转角度,利用该旋转角度作为约束条件,对匹配的图像特征进行聚类,以定位出篡改内容。实验结果显示,较现有的篡改经检测算法而言,在多种不同的几何变换下,所提方法的检测准确度更高。所提算法对多种内容篡改均有较高的检测精度与稳健性,能给信息安全领域提供较好的技术依据。

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。

基于直接曲率尺度空间的曲率积的角点检测

该文基于全局和局部曲率特性的角点算法,提出了一种基于直接曲率尺度空间的曲率积分的角点检测。该算法首先将原算法中的曲率尺度空间替换为直接曲率尺度空间,减少了计算量,然后针对原算法中容易将钝角点误认为圆角点移除的缺点利用设置阈值的多尺度曲率积来加强角点检测,减少了正确角点的丢失。最后再利用自适应支持域确定的角度和动态曲率阈值移除由噪声引起的错误角点和圆角点。实验结果证实该算法不仅提高了检测正确角点的数目,同时提高了检测效率,并且取到的角点更加稳定。

基于曲率尺度空间的角点检测图像匹配算法

随着计算机技术的发展,提出了优化图像匹配算法,能有效提高图像检测精度。笔者以依托曲率尺度空间的角点检测图像匹配算法为研究视角,在介绍其执行步骤的基础上,通过仿真实例验证其有效性。研究结果表明,这种算法能有效改进图像匹配过程中特征点过渡分离的不足之处,提升其匹配精度约为10%,说明这种算法具有推广应用的价值。

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。

基于曲率多尺度的高精度角点检测

为了提高角点检测的精度,满足算法的稳定性与实时性,提出了一种基于曲率多尺度和局部迭代的亚像素角点检测算法。首先基于Canny算子和自定义边缘跟踪算法检测目标轮廓,然后利用多尺度曲率多项式得到像素级的角点,最后以像素级角点为中心,利用向量正交性原则,采用迭代算法及双线性插值得到子像素级角点。实际测试表明:该方法检测效率高,提取到的角点稳定,精度可以达到0.2pixel,可满足实际应用中的实时、高精度要求,目前已成功地应用于嵌入式机器视觉工业现场。