基于FAST算法的呼吸机湿化瓶异物检测技术

当采用传统的方法对呼吸机湿化瓶进行异物检测时,经常会出现判断错误的情况,为了解决这一问题,文中提出一种基于FAST的新算法对湿化瓶图像进行处理。首先对图像进行加速分割测试,对图像的特征点进行提取后挑选出优秀的特征点,然后通过采样得到特征点周围的信息,进而得到相应图像的二进制描述子,最后对相邻两帧的图像进行匹配得到其位移偏差。通过对算法进行仿真测试发现,该方法可有效降低湿化瓶图像中的位移偏差,具有较高的匹配准确率,对呼吸机湿化瓶异物检测及报警机制的构建具有一定应用价值。

基于改进FAST算法的移动机器人导航

针对移动机器人在单目视觉导航方面实时性与鲁棒性较差的问题,提出一种基于FAST算法和一点RANSAC算法的移动机器人导航新方法,该方法主要由3个步骤组成:首先,机器人通过自身摄像头采用改进FAST角点提取算法采集周围的环境信息;其次,在匹配过程中采用结合扩展卡尔曼滤波的一点RANSAC算法进行误匹配剔除;最后,用得到的匹配点进行三维环境重建和地图创建。实验结果表明,改进方法能有效提高移动机器人定位与导航的实时性与鲁棒性。

面向分类错误率的自适应FAST算法

FAST算法进行特征提取时,如果阈值和半径为非最优值,会出现特征点冗余或者丢失的现象,极大地降低了特征点的提取精度.针对上述问题,本文基于AdaBoost思想,提出了AdaBoost_FAST算法.该算法采用支持向量机作为分类器,当FAST算法中的阈值和半径非最优时,将会导致分类器错误率较高.由此根据分类器错误率计算每组阈值和半径的抽样概率,当错误率越低,其抽样概率越大,所对应的阈值和半径越接近最优值.由抽样概率构成的代价函数可知,经过多次迭代后,如果错误率较小并且无明显变化,则此时选择出的阈值和半径即为最优.实验结果表明,该算法能够有效进行阈值与半径的自适应选择,减少了特征点的冗余和丢失现象,在保证AdaBoost_FAST算法实时性的同时提高了特征点提取精度.

一种对FAST角点算法加强鲁棒性改进的M-FAST算法

基于快速的FAST算法,提出一种M-FAST角点算法,即首先使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响,其次用Mallat小波算法对图像进行去噪处理,加强图像的抗噪性,最后再使用FAST进行角点检测。通过实验对比,证明比原FAST算法更具鲁棒性和抗噪性。

基于改进FAST的电力工程图纸识别与校核技术

针对人工评审电力施工图预算工程量过程中存在的耗时费力及准确性较低等问题,设计了一种基于改进FAST算法与VGG网络的工程图纸识别与数据校核模型。该模型针对传统FAST算法误判率高、抗噪声性能差等不足,提出了基于积分核的改进FAST算法,以降低角点检测误判率和检测时间。并采用VGG网络进行输入特征与图纸数据校核之间的关联分析,从而实现了电力工程图纸符号智能识别与电力工程量的智能校核。算例验证结果表明,所提IFAST-VGG算法对图纸识别与工程量校核的平均准确率分别为90.6%和91.6%,均高于其他对比算法,可以应用于实际工程中。

基于区域灰度变化的自适应FAST角点检测算法

针对当前FAST角点检测算法只能检测单一类型的角点,并且单一阈值作用于整幅图像很难取得理想的效果等问题,本文提出了一种基于区域灰度变化的自适应FAST角点检测算法.该算法首先对图像进行高斯滤波;其次,依据灰度差筛选出角点候选点;再引入自适应阈值,根据灰度值的大小对候选点进行分类;最后,根据分类结果,使用不同的检测模板对候选点进行再次筛选,获得最佳匹配角点.仿真结果表明该改进算法不仅可以提取出更多的有效角点,较好的克服阈值选择不当造成的角点丢失或冗余,而且对于噪声具有良好的鲁棒性.

基于FAST和DAISY的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础,基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率,拥有更好的实用性,提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点,提出分配主方向的方法,利用DAISY算法建立描述符,得到特征点集后,使用RANSAC(随机抽样一致性)算法剔除误匹配点对,最终估计仿射变换参数,利用二次线性插值法得到配准后的遥感图像。实验结果表明,算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果,匹配时间通常介于SIFT与SURF-DAISY算法之间,算法在实用性上有较大优势。

基于FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.

改进FAST和FREAK的图像匹配算法

针对FREAK算法在图像匹配和压缩过程中的效率低以及失真问题,提出一种改进FAST和FREAK的图像匹配算法。首先,通过改进的FAST提取图像特征点,在提取的特征点范围内构建降维尺度空间金字塔,从而提高原图的匹配速率和卷积过程中的计算效率。其次,基于每个特征点构建低维特征描述,进而确定改进FREAK算法的主方向,以提高运算速率和图像匹配的鲁棒性。最后,通过汉明距离进行图像特征匹配。仿真实验结果表明,该算法能够有效解决多次压缩传输所造成失真的图像的低匹配率问题。

基于FAST角点检测算法上对Y型与X型角点的检测

针对传统的FAST角点检测算法只能检测L角点这一问题,本文提出了两种在FAST角点检测基础上构成的分别检测Y型角点和X型角点的角点检测算法。本文将检测圆周的范围从16个变为8个,然后按照L型角点、Y型角点和X型角点特点分别对图像进行处理,然后进行极大值抑制,从而得到不同类型的角点检测。针对只能检测出单一角点类型的FAST角点检测算法,本文提出的两种算法是一种对角点检测很好的补充。

基于点线投影模型与几何误差制约规则的图像匹配算法

当前较多图像匹配算法主要通过求取Haar小波的方法获取特征描述符进而完成图像匹配,忽略了特征点对应邻点的投影特性,当匹配图像之间存在旋转、缩放等变换时,易导致匹配图像中存在较多的错误匹配以及漏匹配等不足。对此,提出了一种基于点线投影模型耦合几何误差制约规则的图像匹配算法。首先,引入FAST算法用于准确、快速的检测图像的特征点。然后,利用像素点对应的梯度值构建点线投影模型,用以获取特征点的主方向。以特征点为原点构建极坐标,将特征点邻域进行区域分割,通过联合分割区域中的分布直方图以求取特征向量,从而形成特征描述符。最后,利用Euclidean模型求取特征点的最近邻与次近邻之比,完成特征点匹配。利用匹配特征点之间的映射关系,构造几何误差模型对特征点集的误差进行度量,根据度量结果构建几何误差制约规则,对匹配特征点进行优化,实现图像匹配。实验结果表明,与当前图像匹配算法相比,算法不仅具有较高的匹配精度,而且还具有较好的鲁棒性能。

点对称关系耦合距离约束的图像匹配算法

为了解决当前图像匹配算法主要通过图像的区域梯度信息来进行图像匹配,当图像存在光照变化等干扰时,将会使得匹配图像存在较多的错误匹配点以及匹配耗时较长等不足,提出了基于点对称关系耦合距离约束的图像匹配方法。采用FAST算法对图像特征点进行准确、快速的检测,利用拉普拉斯极值模型进一步剔除伪特征点,以提高算法的匹配正确度;对特征点的对称性进行计算,利用点对称关系构造点间距度量模型,以求取特征描述符中的特征向量,输出特征描述符;基于SURF特征点匹配机制,对特征点完成双向匹配约束,完成特征点匹配。对匹配特征点进行欧氏度量,以度量结果的比值以及均值作为依据,构造距离约束模型,利用距离约束模型判别错误匹配点,优化匹配结果。实验结果显示：与当前图像匹配算法相比较,所提算法不仅具有较高的匹配精度以及匹配效率,而且具有较好的鲁棒性能。

基于改进卡尔曼滤波的增强现实跟踪注册算法

针对传统应用在特征点匹配技术方向的增强现实系统部分存在鲁棒性不足和实时性较差问题,提出一种新的区域跟踪匹配算法。首先利用改进的FAST算法在不同尺度上提取像素信息建立低维模板进行快速定位。其次在跟踪阶段使用加速鲁棒特征(SURF)检测关键点在线实时匹配的同时,借助改进的非线性化的卡尔曼滤波算法预测运动轨迹,缩减匹配区域。接着对使用上述的算法截取部分图像帧,利用上一帧的观测值对下一帧进行预测并估计相机姿态,同时使用随机抽样一致(RANSAC)算法剔除离群值。最后通过得到的相机位姿矩阵进行虚拟物体的注册叠加。实验结果表明,本文提出算法在综合评价中占据优势,在光照变换、旋转变换、尺度变换方面都具有较好的鲁棒性,并具有优越的实时性能。

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征(SURF)算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征(FAST)算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法(BBF)寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性(RANSAC)算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。

改进PRM在特定复杂环境下的路径规划

针对传统概率路线图法(probabilistic roadmap methods,PRM)在特定复杂场景(场景中存在十字形的窄通道连通区域,且最终规划出来的路径必定会经过十字形的窄通道连通区域)下路径规划成功率低的问题,提出了一种改进的PRM方法.在学习阶段,首先使用Fast(features from accelerated segment test)角点检测算法来检测给定地图环境的角点;然后根据检测出来的角点计算地图的主要连接区域(十字形的窄通道连通区域中心的矩形),通过对这些主要连通区域额外随机采样一个点,从而增加了主要连通区域的采样点数量,提高了窄通道和自由区域的连通性.仿真结果表明,优化PRM路径规划的成功率比传统PRM的成功率高出70%,路径规划时间缩短了1.2 s,因此改进的方法大大提高了PRM算法的效率.

基于FAST测点的大幅宽HJ星图像几何精纠正方法

针对环境与灾害监测预报小卫星(HJ)图像存在较大整体几何误差,且无规律可循,难以使用全局模型模拟整景图像几何变形,而基于手动方式选取控制点的全局模型和局部模型都不适合于HJ图像几何精纠正的问题,提出一种基于加速分段测试特征(features from accelerated segment test,FAST)算法测点并用局部模型进行几何精纠正的优化方法。首先以FAST算法获取大量地面控制点(ground control point,GCP);再使用多项式模型对GCP的均方根误差阈值、潜在不匹配和实际不匹配GCP数量进行相关分析,据此修正FAST参数,筛查GCP误点;最后使用局部模型完成几何精纠正。此外,使用散点图和空间插值等方法建立适合于HJ图像几何精纠正结果的评价指标。检验结果表明,该方法能使纠正误差控制在1.5个像元内,纠正后的图像能满足中分辨率尺度的应用要求。

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题,本文提出一种基于改进FAST的特征点提取,结合对立颜色特征的图像匹配算法。首先,利用改进FAST算法提取的角点作为特征点,结合改进的Opponent SIFT算法对特征点进行描述;然后,使用基于字符定位算法对提取的特征点对进行粗匹配,降低整体匹配过程中特征点对误匹配的风险。最后,为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题,运用向量场一致性替代RANSAC进行提纯,降低误匹配率。通过对比试验表明,改进算法匹配准确率均大于91%,且对差异变化具有较好的稳健性、适应性。

改进加速鲁棒特征的平面旋转人脸检测算法

针对旋转人脸检测存在速度慢准确率低等问题,提出改进的SURF算法实现平面旋转人脸检测。在人脸特征点提取过程中,采用FAST算法代替Hessian矩阵进行特征点的检测,使改进算法继承SURF算法的旋转不变性并具备检测的快速性;将改进后的SURF算法与Adaboost算法相结合训练出改进的SURF人脸公共特征集,提取待测图像的特征并结合人眼定位过滤无效特征点;将所提取的特征与人脸公共特征集进行匹配,实现平面旋转人脸的检测。实验结果表明,该算法在检测率和检测速度方面具有较大的优势,在提高检测率的同时,降低了误检率,具有较好的鲁棒性。

基于自适应筛选Harris角点检测的快速图像配准算法

针对传统Harris角点检测算法的图像配准过程计算量大、速度慢等问题,提出一种快速预筛选Harris角点检测算法。首先通过FAST算法快速排除大量非特征点,再通过抑制半径解决FAST角点聚簇现象,然后在FAST角点邻域内筛选出Harris角点,最后采用Brute-Force匹配方式得到精准匹配。实验结果表明:所提改进算法不仅提高了角点检测速度而且减少了冗余角点数量,在图像配准过程中有效提高了配准速度与精度,配准效果良好。

混合映射方式下NAND闪存垃圾回收算法

针对基于混合映射的FAST算法中垃圾回收开销大、磨损均衡效果差和I/O响应时间长的问题,提出一种基于混合映射的垃圾回收算法.该算法提出了一种基于循环队列的冷热块识别方法,识别方法通过对队列中相同逻辑块地址的热度权值进行求和得到逻辑块的热度值,并将写入的数据按照所在逻辑块的热度值分为"热"数据和"冷"数据,分别写入到不同擦除次数的日志块中,减少全合并的次数.同时,算法还构造了一种新的回收代价函数用于选择回收块,在考虑回收开销的同时,还兼顾磨损均衡的问题.实验结果表明,该算法与FAST算法相比,磨损均衡效果有较大提升,总擦除次数和全合并次数大幅减少,I/O响应时间明显降低.