一种快速自适应RSUSAN角点检测算法

根据图像边缘灰度的渐变性,我们重新定义SUSAN(Small Univalue Segment Assimilating Nucleus)算法中小核值相似区;并找到一种更为有效和简便的计算小核值相似区面积的方法;在此基础上提出了RSUSAN(Redefined SUSAN)角点检测算法。与经典的角点检测算法SUSAN、MIC(Minimum Intensity Change)相比,RSUSAN具有角点检测准确性高。计算简单,运算速度大为提高等优点。对于模糊、噪声大的图像本文还进一步提出了采用自适应平滑和RSUSAN相结合的方法,称为自适应RSUSAN算法。实验证明,相比较SUSAN、MIC算法而言,自适应RSUSAN算法没有显著地增加计算量,而且在对模糊、噪声大的图像进行角点检测时,虚报及漏检概率大大减少,对噪声的鲁棒性好,角点检测位置精确。

基于Shi-Tomasi角点检测算法的弹道目标平动补偿

弹道目标在中段飞行的过程中,存在平动和微动两种运动方式。由于平动会破坏微多普勒结构,为了获得目标的相关参数以便对目标进行识别,需要对平动分量进行补偿。针对该问题,本文提出了一种基于Shi-Tomasi角点检测算法的弹道中段目标平动补偿方法。该算法从图像处理的角度出发,可以有效的提取出图像中的角点信息。之后,根据得到的角点信息进行回归分析,从而实现平动参数的估计。根据仿真实验结果,该算法可以实现平动分量的补偿并具有较好的鲁棒性。

改进Harris角点检测算法的图像拼接技术的分析

图像拼接技术已经应用到了文物古迹的保护,案件侦破,医学图像分析,虚拟现实技术和军事图像的生成等领域。文中在改进的Harris角点检测算法配准给出了修正后R=ax2+by2+cxy+dx+ey+f的模型,在Matlab验证中比较了灰度信息处理以及改进算法的应用结果,从应用改进的特征匹配法可得是更有效和可行的,这一研究包括视频压缩和视频索引在内等领域具有一定的意义。

基于动态手势跟踪算法的视力检测系统设计

目的:设计一种基于动态手势跟踪算法的智能化视力检测系统,以满足儿童和青少年自助式视力检测的需求。方法:该系统采用基于帧间差分算法和Shi-Tomasi角点检测算法的动态手势跟踪算法实现实时识别视力检测环境中手势的移动方向,并根据视力检索算法完成相应的视力测试流程。系统硬件由Windows系统主机、显示屏、摄像头以及语音播报器等设备组成。软件遵循《标准对数视力表》的标准进行设计,并采用Python 3.7语言进行编程。结果:利用该系统进行视力检测时,手势移动识别的准确率达到97.8%,单次手势识别的平均耗时为0.568 s,双眼视力检测流程的平均耗时为99 s。经过Bland-Altman图分析,该系统采集的视力数据与通过《标准对数视力表》采集的数据之间具有高度的一致性。结论:该系统人机交互操作体验好、检测快速、准确度高,适用于家庭、学校、社区等多场景的视力检测。

基于简化角点算法的道岔识别系统研究

道岔是铁道线路的重要组成部分,其作用是连接不同的线路,从而实现机车运行线路的切换。道岔结构复杂,容易磨损。文章在梳理了道岔的重要结构的基础之上,以轨检车上的行车数据为来源,采用dephi编写软件,对所有钢轨轨形进行显示。在比较了道岔区尖轨部分的轨形与普通钢轨轨形的差异后,探讨了一种简化的角点检测算法来识别道岔,为进一步研究道岔磨耗检测系统打下基础。

基于Harris算法的四旋翼飞行器定点悬停方法

针对四旋翼飞行器定点悬停控制不稳定,硬件组成复杂的问题,提出一种采用双光流传感器结合Harris角点检测算法控制四旋翼飞行器定点悬停的方法。该方法采用两个型号相同的光流传感器水平置于飞行器下方,由双光流传感器作为图像信息采集系统,将Harris角点检测算法应用到采集的图像信息中,计算两图像信息重叠区域,从而确定四旋翼飞行器的高度,选择其中一个光流传感器根据参考角点获取水平位置信息,最后采用PID控制算法以达到精确的定点悬停控制的目的。实验结果表明:该方法能够有效的提高四旋翼飞行器的稳定性,简化系统的硬件结构,符合实际需求。

双臂拉伸铺展皮革的方法设计与算法实现

为推动皮革工业的智能化发展,解决皮革加工过程中自动拉伸铺展的难题,提出了一种皮革拉伸铺展的方法,并设计出了检测抓取点的算法。该算法利用视觉识别技术获取皮革的图像信息,通过Harris角点检测算法确定抓取拉伸点后,使用双机械臂协同作业进行皮革的拉伸和铺展。视觉传感器获得皮革的图像信息后,首先利用边缘识别和角点检测算法获取皮革的两个角点,通过双机械臂抓取两个角点将皮革初步铺展在绷板上,然后根据皮革的颜色差异展开重叠的皮革,从而实现皮革的完全铺展。最后,通过实验验证所提出方法的有效性。

QR码图像几何校正算法的研究

用摄像机拍摄QR码图像时,由于拍摄角度的偏差,可能造成所采集到的QR码图像产生几何失真的情况,给QR码的识别带来了困难。对拍摄到的QR码图像进行预处理,把采集到的光照不均匀的QR码图像采用局部阈值法和数学形态学的方法进行二值化。通过Harris角点检测算法和凸包算法相结合找到QR码的轮廓以及轮廓上的点,再利用该角点检测算法找到QR码的角点,最后使用透视变化法对畸变图像进行恢复。实验结果证明,该方法有效解决了QR码的几何失真问题。

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GSO算法与互信息的医学图像配准

医学图像处理过程通常包括图像预处理、特征提取、图像分类,Harris角点检测算法是常用的特征点提取算法之一。该算法适应多种变换、运算简便,在医学图像处理领域中广泛应用,但在实际应用中发现传统的Harris算法检测到的特征点数量不足且图像配准精度不高。因此提出了一种优化算法(GM-Harris算法),即采用群搜索优化算法(GSO算法)与互信息相结合的方式优化传统Harris算法的过程,并从匹配有效率与算法效率两方面对2种算法的特征点提取效果进行了定量分析。实验结果表明,与传统的Harris算法相比,GM-Harris算法不但可以获得较充足的特征点,而且还能提高图像配准的精度。

模具监视系统中的图像快速配准算法

注塑机的振动及模具归位不准等原因容易造成目标图像与样本图像间的偏移,从而引起模具监视系统产生误检和误报。为此,提出一种基于尺度不变特征变换描述子的实时图像配准算法。该算法采用一种快速角点检测算法提取图像关键点,围绕关键点构建128维描述子,依据最近邻匹配法得到特征匹配对,最后通过随机采样一致性(RANSAC)和最小二乘法剔除误配点并拟合变换参数。最后,用实验证明了该算法的有效性。

一种基于PNN的点阵喷码字符识别方法

在点阵喷码字符智能识别问题的研究中,由于点阵喷码字符是喷印在背景复杂且含有其他标准字符的产品外包装上,且点阵喷码字符的字体大小、喷墨量及光照影响的变化,使得准确定位和识别点阵喷码字符均有一定的难度。本文针对上述难点提出基于概率神经网络(PNN)的点阵喷码字符识别方法。首先,将原始图像转换成灰度图像并进行高斯滤波预处理。然后,利用改进的FAST角点检测算法快速定位喷码字符。在特征提取环节,本文提取待识别点阵喷码字符的HOG特征和网格特征,并将这2种特征进行联合。最后,将联合后的字符特征输入到PNN,建立分类模型,利用训练好的分类模型识别出点阵喷码字符。实验结果表明:本文提出的点阵喷码字符定位方法准确率高、速度快,且采用PNN建立的分类模型对受光照影响、字体不一的点阵喷码字符具有一定的适应性,识别准确率为97.1%,可满足工业中点阵喷码字符识别的应用场合。

一种四旋翼无人机定位的改进LK光流算法

在无人机迅猛发展的今天,无人机的室内定位仍然是个难题,集中出现精度不高、不稳定、过长的延时等问题。提前布置室内环境提供定位信息方案成本高,且不符合经济效益。针对四旋翼无人机,提出一种改进后的LK光流算法,采用Shi-Tomasi角点检测算法、双线性插值法,提高无人机定位精度和稳定性。并将该算法在载机上实现。研究表明:改进后的LK光流法室内定位精度高,稳定性好;无人机在稳定光照条件下能进行定点飞行;定点精度为半径30 cm的圆形。

室内场景下应用拓扑结构的高效路径规划算法

针对基于随机采样的路径规划算法效率低且采样具有随机性的问题,提出一种应用拓扑结构的高效路径规划算法ATIRRT*。通过引入拓扑节点代替STIRRT*算法中Harris角点检测算法得到的特征点进行采样,给出基于阈值的自适应选择方法来消除路径骨架上提取的冗余特征点,利用该阈值得到的拓扑节点可以使随机树的扩展更具方向性,从而减少寻找初始路径的时间和代价。根据非单一父节点的连接方式加强交叉支路上的拓扑节点间的联系,通过节点扩充策略增加相邻拓扑节点间的节点数量以加快优化算法的收敛。在此基础上定义相关约束条件将初始路径分段并进行逐段优化,以提高优化算法的效率。在常规环境、狭长空间和仿真的室内环境3种类型地图上的仿真结果表明,相较于STIRRT*算法,改进算法在规划路径长度上平均减少8%,在规划时间上平均降低10%,可快速地找到更优的初始路径,同时在优化过程中减少了无用的探索空间,提高了搜索效率。

雾霾天气下交通信号灯定位与识别算法

提出一种雾霾天气下交通信号灯准确定位与识别的新方法。第一,利用引导滤波对图像进行预处理,增强图片对比度;第二,采用Harris角点检测算法定位图中角点,并排除干扰角点及干扰矩形,准确定位出交通信号灯灯框位置;第三,将定位后灯框区域转换成HSV色彩空间进行交通信号灯的状态识别。实验结果表明,该算法对雾霾天气下所采集的交通信号灯图像总体识别率超过94%,且每幅图片的平均处理时间为303ms,能够为驾驶员提供实时准确的交通信号灯识别和警示。

基于双目摄像的特征提取算法研究及三维重建实现

特征提取在计算机图像处理领域是一个重要的概念。文章主要研究了Harris角点检测算法与SIFT(Scale-invariant feature transform)特征点提取算法这经典的两种基于灰度的特征点提取算法。在处理图像尺度缩放方面进行了比较,通过MATLAB进行实验来比较两种算法在处理图像尺度方面的区别,证明SIFT算法更加优秀。最后介绍了三维重建的内容,展望计算机视觉技术的未来。

煤矿井下图像拼接的算法研究

研究煤矿井下图像拼接的算法,探讨井下环境光照不均、强噪声的图像拼接问题。用当前流行的四种特征点检测算法,如Moravec算子、Forstner算子、Harris角点检测算法和CSS角点检测算法提取井下图像的特征点,分析得出CSS角点检测算法更适合井下工作环境的结论。用CSS角点检测算法提取待拼接图片特征点,通过归一化互相关系数(NCC)提取特征点匹配对,并通过RANSAC删除伪匹配对,最终实现无缝拼接。

眼底血管识别之图像细节特征点的提取

随着时代与信息化技术的迅速发展,对人的身份的鉴别要求也越来越高。社会需要越来越可靠、高效的身份识别系统。特征点的提取是匹配识别的基础。本文重点探索研究了Harris算子和8邻城滤波两种方法对细节特征点的提取。

一种改进的图像配准算法

针对常规图像配准算法在图像存在仿射变换情况下匹配效果不明显的问题,本文提出一种基于SIFT(scale invariant feature transform)特征点的图像配准方法。首先,利用harris角点检测算法提取出图像的特征点,然后采用SIFT算法对特征点进行描述,用最近邻与次近邻之比进行匹配,最后用RANSAC(random sample consensus)算法消除错误匹配对。实验结果表明:该方法能够很好的进行仿射图像配准,并且大幅提高了配准的准确率。

遥感图像客观质量评价方法研究

为分析图像压缩过程对遥感图像质量的影响,从遥感图像构像质量和几何质量两个方面探讨了遥感图像客观质量评价方法,并改进一种基于Harris角点检测算法的亚像素级角点检测算法。采用JPEG2000、SPIHT两种算法分别对这些评价方法进行验证。实验表明:为满足人眼视觉观察能分辨图像细节的要求,遥感图像压缩比不宜超过16倍,为使压缩后图像满足计算机视觉应用,图像压缩比不宜超过8倍。