SIFT与Harris提取图像特征点的分析研究

SIFT(尺度不变特征变换)算法与Harris角点检测算法作为两种经典的图像特征点提取算法,在不同的图像处理中,两者体现出的图像特征点提取性能也不同。因此,如何选取合适的评价指标使两种算法在不同类型图像下提取特征点更高效,将对后续的研究与图像分析工作有重要意义。文中利用常用的折线特征主导的图像与光滑曲线特征主导的图像进行实验,并提出了一种指标评价法,即从特征点有效性、计算时效性、特征点相似不变性三方面,分别对SIFT和Harris算法在提取特征点上的有效性进行定量分析。实验结果表明。在保证特征点有效性、计算时效性以及特征点相似不变性一致的情况下,在折线特征主导的图像处理中,Harris角点检测算法与SIFT算法相比,图像特征点的提取更高效;而在光滑曲线特征主导的图像处理中,由于无法检测到足够数量的特征点,Harris角点检测算法与SIFT算法相比,图像特征点的提取性能相对较低。

基于DM6446的车道线快速检测算法

为进一步提高安全驾驶结构化道路车道线检测的实时性和鲁棒性,该文提出了一种基于TMS320DM6446嵌入式处理平台的车道线快速检测算法。算法在所设置的感兴趣区域,融合最优阈值化及区域生长法获取车道线候选点集,采用连通聚类法获取候选点集聚类中心以提取车道线候选点,紧接着对候选点做进一步筛选和分类从而获得有效特征点,最后对有效特征点进行最小二乘拟合以实现车道线检测。实验结果表明,该算法能够快速检测车道线,为车辆偏离警告系统的有效决策提供了有利的前提条件。

基于医学图像降噪阈值选取的动态优化算法

SIFT算法是提取特征点的常用算法之一,具有良好的健壮性,在医学图像处理领域中广泛应用。然而传统的SIFT算法采用固定的降噪阈值会影响特征点选取的合理性,因此提出了一种动态优化算法(PM-SIFT算法),即采用PSO算法与互信息结合的方式优化传统SIFT算法,并从特征点有效性与计算时效性两方面对2种算法的特征点提取效果进行定量分析的结果表明,与传统的SIFT算法相比,PM-SIFT算法不但可以动态地选取合适的降噪阈值,而且还能提高图像配准的效果。