视觉皮层中角点检测器的计算模型及其应用

构造了一种新的哺乳动物视觉皮层中角点检测器的计算模型 .较好地解决了一般由边缘图像求解角点时 ,在边缘提取过程中所引起的畸变和误差影响后续处理与分析过程的问题 .实验结果表明 ,使用特性检测器的方法进行角点检测 ,可以获得很好的鲁棒性 .

基于差分形态分解的多尺度Harris角点检测器

为克服Harris-Laplace角点检测器存在的检测精度不高,易受噪声干扰,积分尺度选择困难等问题,提出了一种基于差分形态分解的多尺度Harris角点检测器。其利用差分形态分解得到的图像结合相关尺度信息形态学重建原始图像,以准确定位角点位置。实验结果表明,相比多尺度Harris-Laplace角点检测器,其不仅定位准确,大尺度下图像边缘保持完好,而且误检率低,尤其在角落区域和重叠区域检测优势明显。

图形知觉及特征检测器研究的进展

近年来,视觉心理物理学、生理学在研究人类视党系统接受、处理和加工图象信息的过程中积累了不少关于视系统中有专门处理图形某一特征的检测器存在的事实。

基于Harris角点检测器的指纹细节点提取算法

提出了一种基于Harris角点检测器的指纹细节点提取算法。先将Harris角点检测器应用于增强后的指纹图像,检测出指纹的细节点和曲率变化大的点,随后进行后处理操作。在后处理操作中,根据细节点的空间分布特征,删除虚假点。使用细节点的邻域灰度信息,判定细节点的类型。利用细节点的原始方向以及得到的类型,确定细节点的精确方向。与经典的细节点提取算法相比,不需要对指纹图像进行二值化、细化,直接在灰度指纹图像当中提取细节点,大大减少了计算时间,有效地提高了效率。使用FVC2002指纹数据库测试,结果表明,该算法可靠、快速,适合实际应用。

基于Harris角点能量的指纹图像分割算法

指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节。提出了一种基于Harris角点检测器的指纹图像自适应分割算法。首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域。在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性。

自适应阈值Harris算法遥感图像配准的FPGA实现

针对Harris角点检测器响应值R的阈值选择而导致角点失真问题,文章提出了一种基于现场可编程门阵列(FPGA)的自适应Harris角点检测器实现遥感图像的配准方式。该方式依据非最大值抑制(NMS)处理后的响应值对阈值进行实时变化。实验结果显示,优化架构在硬件资源仅增加2.76%的情况下,准确率相应提升了8.31%。因此,文章提出的遥感图像配准架构适用于硬件资源有限的平台。

一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。

一种基于兴趣点方向特征的图像拼接方法

提出了一种基于兴趣点方向特征的图像拼接算法IPOF(Interest Point Orientation Feature),该算法利用Harris角检测器提取出两幅图像的兴趣点并为每个兴趣点分配一个主方向,采用方向相关系数法提取出初始匹配对,根据特征点之间的关系去除伪匹配对,得到两幅图像的对应兴趣点特征对从而确定变换参数,最后使用加权平均的方法融合图像。实验表明,该算法在图像间存在任意角度的旋转及平移的情形下,能有效地实现图像的平滑镶嵌。

基于特征点约束关系的图像拼接算法

针对传统图像拼接算法存在的缺点,提出一种基于特征点约束关系的全自动图像拼接算法。首先使用Harris角点检测器提取两幅图像的特征点;再利用双向最大相关法对特征点初始匹配,运用两级特征点约束关系策略对初始匹配点求精;然后采用稳健的RANSAC算法求出变换矩阵初值并使用Levenberg-Marquardt(LM)非线性迭代算法精炼变换矩阵;最后使用三角函数作为融合算法,实现拼接图像的平滑过渡。实验验证了算法的有效性。

车辆牌照分割方法

提出了一种快速准确车辆牌照的分割方法。首先利用形态学算子获取车牌的候选区域,剔除较小的和较大的区域;对保留的候选区域利用Trajkovic算法获取角点;最后对检测后的结果聚类,从而分割出包含车牌区域的子图像。实验证明,该方法效果好,分割速度快。

车牌识别系统中倾斜车牌的一种定位方法

在车牌识别系统(LPR)中,最为基础的一步是车牌的分割。对于倾斜的车牌,本文提出了一种快速准确的分割方法。首先利用形态学算子获取车牌的候选区域,剔除较小的和较大的区域;对保留的候选区域进行角点检测,利用概率原则进行对车牌行高度聚类,最后利用车牌的先验知识去除伪车牌,从而准确分割出车牌。经实践验证,该方法定位准确,分割速度快。

基于点特征的SAR图像与可见光图像配准

针对合成孔径雷达(SAR)图像与可见光图像配准精度低的问题,提出一种基于角点幅值与方向的点特征描述符HIOHC,用以改进Harris角点检测器。将检测器的响应函数从一阶项扩展为二阶项,提高其对SAR图像噪声的鲁棒性,同时构建一个组合像素空间及灰度信息的权值函数,提高角点检测的准确性。实验结果表明,与传统的Harris检测器相比,改进的检测器能够有效降低SAR图像噪声的影响,具有更高的配准精度。

基于兴趣点伪泽尼克矩的图像拼接

针对基于特征匹配的传统图像拼接方法对旋转和噪声敏感的问题,提出了一种基于兴趣点伪泽尼克(Zernike)矩的图像自动拼接技术.利用哈里斯(Harris)角检测器获取图像中的兴趣点,计算以兴趣点为中心邻域窗口的伪泽尼克矩,通过比较各个兴趣点邻域伪泽尼克矩的欧氏距离提取出初始特征点对,根据几何变换模型剔除伪特征点对,最后利用得到的几何变换模型,对输入图像进行几何变换后将两幅图像间的重叠区域进行图像融合,完成图像的拼接.实验表明,该方法对平移、任意角度的旋转以及噪声均具有鲁棒性,对于具有小尺度变换(小于1.5)的图像仍然具有很好的拼接效果.

基于兴趣点不变矩的图像拼接

提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术。利用Harris角检测器获取图像中的兴趣点,计算兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接。实验表明,该方法对平移以及任意角度的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果。