基于采样点组二值化策略的鲁棒二值描述子研究

鉴于当前基于采样模型的二值描述子的采样信息相关度高且描述子的鲁棒性较低,通过改进视网膜采样模型,提出基于采样点组二值化策略的鲁棒二值描述子。首先,通过减少采样层数并增大采样点间的距离,设计出低采样点密度和低采样区域重叠度的改进视网膜采样模型。然后,在模型中的采样点圆形邻域内获取若干像素点,将其与采样点一起组成采样点组,分别计算两个采样点组对应点的灰度对比结果,并利用投票策略决定最终二值结果。最后,将采样点组的梯度对比信息与灰度对比信息一起编码生成描述子,以提高对相似灰度区域的描述力。通过对比实验可以看出,所提二值描述子对各种图像变化具有较好的鲁棒性且具有较好的匹配效果。

一种有效的圆形小幅员目标检测方法

提出了一种有效的圆形小幅员目标检测方法,首先对原始图像进行一定的预处理,并提取和细化边缘,通过有约束的边缘跟踪方法剔除大量的干扰背景边缘点和噪声,并以分段等间隔点组采样进行圆参数计算,大大减少了参数的无效累积。实验结果表明,该方法对复杂背景下圆形小幅员目标的检测结果可靠性高,实时性好。