基于Harris-Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H-L特征点,确保特征点分布均匀;然后对H-L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。

一种基于Harris-Laplace特征点检测的抗几何攻击数字水印算法

基于图像特征点检测的第2代数字水印算法具有良好的抗几何攻击能力.Harris算子是2代水印中使用较多的一种特征点检测方法.然而传统Harris算子提取的特征点对于较大尺度缩放攻击的稳定性较差,结合自适应尺度特性的Harris-Laplace算子在一定程度上克服了这一缺点,并且对于旋转,噪声及压缩攻击均具有较好鲁棒性.据此给出了一种基于Harris-Laplace特征点检测的数字水印算法,实验结果表明,该算法对于常规信号处理和几何攻击具有较好的鲁棒性.

基于Harris角点和SURF特征的遥感图像匹配算法

Harris是一种高效的角点检测算法,但不具备尺度不变性。SURF(speeded-up robust features)算法虽然能很好地解决图像尺度变化问题,但是在特征点提取方面没有Harris稳定。针对Harris和SURF两种算法的特点,提出一种新的Harris-SURF特征点提取算法。首先用Harris算法检测图像角点,再用SURF算法提取图像特征点;然后合并角点和特征点,并剔除重复点获得新的特征点集,确定新特征点的主方向并生成特征描述符,再对图像使用比值法进行初匹配;最后利用RANSAC剔除错误匹配点实现精确匹配。实验结果表明,该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性,同时提高了运行效率。

一种基于Harris角点特征精确匹配的图像拼接方法

提出了一种基于Harris角点特征的精确匹配方法。该方法首先提取参考图像及待拼接图像中各自的Harris角点点集,并计算出这2个点集间每对点的圆形邻域图像的相关系数;再通过提取各个角点邻域的Hu矩特征,获得了该特征下每对点的相似程度。将不同特征下的相似度进行归一化并融合,构造出2个点集间,每对点的相似度表。在此表的基础上,优化匹配结果,使得匹配点对的总体相似程度高,从而得到精确匹配。由于Hu矩特征具有旋转及尺度不变性,因此提取出的角点特征能够较好地抵抗常见的图像变换。最后,实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。通过实际操作表明,该方法的图像拼接效率较高,有较好的鲁棒性。

一种基于Harris角点特征的稳像算法

提出一种基于Harris角点特征的稳像算法。该方法用Harris算子自适应检测出最强壮的角点,开辟(2n+1)×(2n+1)特征窗进行灰度互相关初匹配;提出欧式距离之比不变准则,通过中值滤波剔除误匹配点,确保运动矢量较高的一致性;最后保留若干正确的匹配点对,分成多组解运动矢量方程,将多组解的平均值作为全局运动矢量以提高稳像精度。实验结果表明,本算法可以克服图像缩放影响,有效消除旋转和平移抖动,实现视频图像序列稳定。

基于图像分块的多尺度Harris特征点检测算法

通过分析H arris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度H arris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.

基于Harris特征点检测与跟踪的火灾烟雾识别

针对现有的视频火灾烟雾探测方法实时性差,误报率和漏报率都比较高的问题,在深入分析烟雾图像特征的基础上,发现早期烟雾运动缓慢且主要运动方向呈向上趋势,在连续帧中像素的强度变化具有一致性的特点,通过Harris检测算法找到强度变化剧烈和图像边缘的特征点,根据光流场与运动场的对应关系由成像平面中光流的变化估计烟雾的相对运动,计算运动矢量信息,实现多特征烟雾检测。该算法是基于烟雾灰度变化的特征点作为检测对象,大大减少了待处理的数据量,缩短了算法处理时间,综合了烟雾的局部特性和全局特性,具有较强的鲁棒性和较高的检测准确率。

一种基于Harris特征点和DWT-SVD的图像盲水印算法

目的针对第2代数字水印技术,提出一种基于Harris特征点和DWT-SVD的图像盲水印算法。方法提取归一化图像的Harris特征点;选取部分稳定特征点来确定要嵌入水印的特征区域;将特征区域作一次小波分解得到的低频子带,对低频子带进行分块,并对每一块进行奇异值分解,通过对每块中最大奇异值进行加权的方法来嵌入水印信息。结果 PSNR值均大于45 d B,NC值接近于1,说明该算法具有可行性。结论该算法对剪切攻击具有很好的鲁棒性,同时该算法也能很好地抵抗噪声、中值滤波攻击、提高亮度攻击、降低亮度攻击、基本图像处理操作的攻击。

一种改进的多尺度Harris特征点检测方法

多尺度Harris方法检查到的特征点存在很多冗余点,虽然Harris-Laplace方法可以除去一些冗余点,但是还会出现一个局部结构内存在多个特征点的情况或一个特征点代表多个不同尺度的局部结构。为此,提出一种改进的方法,在检测多尺度Harris特征点时进行跟踪分组,使代表同一个局部结构的特征点被分为一组,用归一化的Laplace函数去除冗余点,再利用点的度量值选出最能代表该局部结构的特征点。实验结果证明,该方法能够有效去除冗余点,在模糊和旋转变换时性能优于Harris-Laplace方法,具有尺度不变的特性。

运用SI-Harris算子提取遥感图像点特征

推导了SI-Harris算子(尺度不变Harris算子)的理论公式,并将其应用于遥感图像的点特征提取。重点对Harris算子与SI-Harris算子在不同空间分辨率遥感图像上的点特征提取进行实验比较,利用"重复率"指标对实验结果进行定量评价。实验表明:SI-Harris算子"重复率"较Harris算子有明显提升,可用于不同空间分辨率遥感图像的点特征提取,进而可服务于不同空间分辨率遥感图像的匹配。

一种改进的Harris特征点检测算法

现有Harris特征点检测算法采用高斯滤波进行平滑,图像存在角点信息丢失与偏移的现象。为解决该问题,提出基于变分B样条滤波与快速局部窗口搜索相结合的Harris特征点检测算法,选择具有低通特性的B样条函数作为平滑函数构造滤波器,引入形态学滤波中的极大值滤波思想,利用快速局部窗口搜索算法进行特征点局部极值的提取,从而提高特征点提取的精度和速度。实验结果表明,改进算法具有特征点提取快速均匀、检测定位准确、抑噪性好的特点。

基于轮廓矩和Harris角点混合特征的车型识别系统

针对某些简易快速车辆识别系统只能得到有限的车辆轮廓信息,增加了车型识别的难度的情况,提出一种基于混合轮廓特征的车型识别的新方法。首先根据车型识别系统获取尽可能精确的车辆轮廓,在经过简单的预分类之后分别提取出车型轮廓的七个轮廓矩不变量和有最强表征作用的Harris角点特征;进而进行特征级融合,将这两种特征融合构成混合特征;将融合后的新特征输入到RBF神经网络进行训练识别。实验结果表明在保证了较快识别速度的同时,有效地提高了识别率。

一种改进的Harris特征点匹配算法

针对Harris特征点匹配的精度低和效率不高的问题,提出了基于Harris特征点匹配的改进算法.首先对Harris特征点的提取方法进行了改进,减少了伪特征点的提取.然后利用改进的双向最大归一化相关系数匹配的方法提取初始特征点对,最后用改进的随机采样一致法来剔除伪特征点对,实现特征点对的精确匹配.实验结果表明,该算法不仅提高了特征点匹配的精度,而且极大地提高了特征点匹配的效率.

基于点特征匹配的SUSAN,Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法,包括特征提取和特征匹配2个步骤。在介绍保持结构的形态学方法——SUSAN算子和Harris算子原理的基础上,根据真实影像,就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较。编程实现SUSAN,Harris算子影像的点特征提取,基于匹配支持度的松弛匹配算法,从而获得研究实验数据。实验表明:这2种算子在特征提取及影像匹配等方面各自具有其独特的优势,且均具有操作简单、易于实现的特点。

自适应Harris特征点检测算法在奶牛形体图像处理中的应用

针对奶牛形体图像特性,分析Harris特征点检测算法的应用和不足,提出1种自适应的Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀。实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步的图像三维重建提供保证。

基于改进Harris的消音壁亚像素级角点检测算法

在计算机视觉领域,角点检测作为图像拼接、三维重建等算法的关键,能够直接影响视觉处理的最终效果。为了进一步提高角点检测在消音壁视觉检测应用场景下的精度,提出了一种亚像素级角点检测算法,首先以Harris算法获得像素级角点为中心角点,然后通过最小二乘法迭代计算不断逼近,最后计算得出亚像素级角点坐标。实验结果表明,算法角点检测的平均偏移量为0.18像素,相较Harris角点检测算法的偏移量降低0.56像素,在确保正确率的基础上更加接近真实值,能够满足在消音壁视觉检测应用场景下的精度需求。

基于Harris特征点和伪Zernike矩的鲁棒水印算法

抵抗几何攻击的鲁棒性是目前数字水印技术中的热点亦是难点。文中以Harris检测算子和伪Zernike矩为理论基础,提出一种有效抵抗几何攻击的鲁棒水印算法。通过提取归一化图像的Harris特征点,选取部分稳定特征点确定圆形区域并计算伪Zernike矩,并量化调制伪Zernike矩的幅值来嵌入水印信息。实验结果表明,本算法对于抗几何攻击具有较好的鲁棒性,同时也能抵抗常规的信号处理攻击。

图像Harris特征点提取算法的研究

针对二代数字水印技术利用数据特征嵌入水印信息的基本原理,基于Harris算子,设计了一种图像Harris特征点检测算法。该算法能使图像特征点合理分布,便于嵌入水印信息。实验表明该算法具有很好的鲁棒性、实用性和可操作性,可应用于二代图像水印技术。

用于图像匹配的改进Harris特征点检测算法

原始Harris特征点检测算法采用高斯滤波进行平滑处理,增强了其鲁棒性,但是也提高了该算法的复杂度,导致其不能应用到许多图像匹配系统中,还存在对T型和斜T型特征点定位不准确的问题。为此,提出一种新的特征点检测算法。使用加速分割测试特征的特征点检测原理排除大量的非特征点,利用邻域像素比较法消除部分强干扰点,采用改进的高效非极大值抑制算法获得结果特征点。实验结果表明,该算法具有较好的匹配精度和较快的检测速度,检测时间仅为原始Harris算法的13.9%,适用于实时图像匹配系统。

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。