自适应非最大抑制的Harris角点检测算法

针对Harris角点检测中存在角点聚簇以及阈值选择困难的问题,通过分析Harris角点检测算法的实现原理,提出了自适应非最大抑制的Harris角点检测算法。该算法首先检测角点响应函数值为局部最大值的像素点,其次对所有局部最大值进行由大到小排序并且设置一个抑制半径,通过不断减小抑制半径提取角点,有效避免了Harris角点聚簇的现象,实现Harris角点在图像空间的均匀分布。同时,该算法能够解决阈值选择困难的难题,增强了算法的适应性。实验结果表明,该算法检测出的Harris角点在空间分布更加均匀合理,能够很好的适应图像拼接、运动估计等实际应用。

一种自适应Harris角点检测算法

针对传统算法检测效果不理想的问题,提出了一种基于自适应非最大抑制策略的Harris角点检测算法;通过设置抑制半径与角点响应函数的局部最大值关联,减小抑制半径获取角点。算法有效解决了阈值选取和"聚簇"的问题。实验表明,该算法检测出的角点均匀分布,能很好地适应特征匹配等实际应用。

一种基于SIFT的三角网格图像匹配方法

针对影像对匹配过程中,由于场景复杂,干扰严重,导致错误匹配率较高的问题,提出一种在三角形约束下,基于SIFT(Scale Invariant Feature Transform)算法的图像匹配策略。该方法大致分两步进行,首先是粗匹配,使用SIFT算法和Harris选择区别度较高的特征点,得到良好特征点集。第二步为细匹配,根据良好点集建立Delaunay同名三角网格,对同名三角形再次使用SIFT算法提取特征点进行匹配。实验表明,提出的算法一定程度上提高了特征点复现率和匹配准确率。

一种改进的线搜索式角点检测方法

针对线搜索式角点检测方法在对实际图像进行应用时检测效果的不足,提出一种角点优先级的判别函数,应用自适应非最大抑制(ANMS),并结合二次过滤器来提升检测速度并控制角点数量,使检测出的角点均匀分布,避免角点聚簇的现象。实验结果表明,改进后的算法能使角点检测更为迅速且分布更为合理均匀,能够很好的适应图像拼接等实际应用。