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。

一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际应用。

基于像素点灰度差的Harris角点检测算法

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非相似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。

一种新的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,但不具有尺度变化特性。该文把多分辨分析的思想引入到该算法中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的基于小波变换的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪而提取出伪角点等问题。通过对比实验,新算法明显地提高了图像角点检测性能。

基于灰度差分与模板的Harris角点检测快速算法

为了去除伪角点和减少角点遗漏并且实现图像中角点的实时提取,提出了一种基于灰度差分与模板的Harris角点检测快速算法。改进算法采用灰度差分与小模板相结合的方法筛选出初始角点集,并在此基础上对最小核值相似区（SUSAN）算法进行了改进并采用改进的SUSAN算法精化初始角点集;最后,通过计算初始角点的角点响应函数值并进行非极大抑制,以确定最终的角点。实验结果表明,改进算法能够准确提取图像中的角点并去除大量伪角点。此外,改进算法的角点检测时间显著减少,仅为原算法的4.7%,能够满足角点实时提取的需求。

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于"波峰"位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。

基于区域检测的多尺度Harris角点检测算法

针对传统Harris算法检测的角点遍布整个图像和对尺度变化较敏感的问题,本文提出将区域检测方法和多尺度Harris角点检测算法相结合,使检测到的角点数目更少,以提高后续的图像匹配重建的效率。首先,利用区域检测的算法构造图像显著图,采取腐蚀膨胀操作提取出目标区域作为候选的检测区域;其次,利用多尺度结合非极大值抑制的方法改进Harris算法,检测图像的角点并标记。仿真结果表明:本文方法能进一步提高角点检测的精确度和速度,同时在不改变任何参数的情况下,对于图像旋转能够减小角点提取的差异,增强算法的多尺度性。

一种自适应阈值的预筛选Harris角点检测方法

为克服Harris角点检测算法中漏检正确角点和提取出较多伪角点的问题,以及在对不同图像处理时,非极大值抑制无法设置通用阈值的现象,本文在进行非极大值抑制时采用自适应阈值,从而可得较多的正确角点。为进一步抑制角点检测中的伪角点数目并提高处理大图像的算法效率,加入预筛选得备选角点这一步骤,通过在进行Harris角点检测之前就先去除部分肯定不可能是角点的像素点,以减少最终得到的伪角点数,并有效地减少了运算量,提高了效率。实验结果显示改进的Harris角点检测算法的运行时间仅为原始算法的30%,且可以得到更多的精确角点和更少的伪角点,具有很好的角点检测性能。

基于改进Harris算法的图像角点检测

针对Harris角点检测算法运行速度慢且单一阈值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法。实验结果表明:单独使用该预筛选方式的改进算法仅用32.71%的时间就可以检测出原算法94.97%的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94%,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象。

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。

一种改进的基于Harris的角点检测方法

在研究Harris角点检测算法时发现该算法对一些图像进行角点提取时,存在提取伪角点、角点信息丢失和位置偏移,而且在进行非极大值抑制时不易设置阈值等现象。提出了在进行非极大值抑制时采用双阈值法,分别设置一个相对大和一个相对小的两个阈值,从而得到同一图像不同阈值的角点信息,通过角点信息对比能够很好地解决角点信息丢失和位置偏移并能消除一部分伪角点,然后利用SUSAN的思想消除剩余的伪角点。通过对比实验表明,文中算法提取角点非常有效,比Harris算法具有更好的角点检测性能。

基于边缘改进的Harris角点检测方法

针对Harris角点检测算法中,对于图像角点存在错检和漏检的问题,提出了一种基于图像边缘的Harris角点检测方法。该方法首先采用二阶微分算子提取图像边缘,然后在得到的图像边缘的基础上进行Harris角点检测,最后记录检测出的角点的位置并在原图上进行标记。实验结果表明,相对于传统的采用梯度进行角点检测的方法,采用二阶微分算子提取边缘后的角点检测方法能够更多更准确地检测到图像的角点。

Moravec和Harris角点检测方法比较研究

角点是图像中的重要特征,在图像配准与匹配、运动分析、目标识别、目标跟踪等领域中均得到了广泛的应用。Moravec和Harris算法是计算机视觉领域中应用比较广泛的角点检测方法。介绍了Moravec和Harris及其改进等四种常用的角点检测算法的实现原理及其特点,并对这四种方法进行了分析、比较,给出了它们的效率性能评价。然后通过实验研究了它们在角点检测的速度、正确率和抗噪性等方面的差异,探讨了各种算法的优势和缺陷。最后,文章指出了角点检测技术的研究与发展方向。

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris函数的尺度空间表示,检测每个尺度水平上的极值,利用迭代算法验证每个尺度水平上LoG算子是否获得最大值,从而得到特征角点的位置及其尺度。该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时,还能检测出多尺度下的特征点。通过实验验证该方法具有尺度不变特性,适用于尺度变化较大的视觉系统。

图像质量对Harris角点检测的影响研究

Harris角点检测计算的依据是图像像素点的梯度,并且受约于像素之间的相关性.而图像质量直接影响像素之间的相关性,从而对Harris角点检测产生作用.本文根据图像质量的几个标准分别对图像进行评价,并阐述图像质量和Harris角点检测之间的关系,把图像质量作为Harris角点检测选择参数的一个依据,并建议通过量表对不同质量的图像选择不同的参数进行角点检测.

基于视频图像Harris角点检测的车辆测速

为了方便快速地进行车速测量,提出了一种用于测量视频图像中车辆速度的方法。该方法取运动角点为特征量,通过选择灰度相关函数为特征匹配函数,实现了车辆在一定帧差内移动距离的测量。与传统方法相比,该方法不仅对设备的限制更小,而且运算速度更快。

一种改进的Harris与SUSAN相结合的角点检测算法

通过研究Harris角点检测算法时发现,虽然该算法对棋盘角点有很好的检测能力,但对于一些立体物角点提取时,在物体边线上存在较多伪角点,同时也有抗噪能力差和运算速度慢的问题。针对以上情况,提出一种Harris邻域像素取差法与SUSAN相结合的改进算法。首先,运用邻域像素相似法,计算当前像素点8邻域内灰度值与其核点相似的像素点个数,初步得出候选角点集;然后结合SUSAN算法思想,进一步排除候选角点集内的伪角点。实验结果表明该方法能提高角点检测的准确度。

一种改进的Harris角点检测算法

Harris角点检测算法是一种经典算法,但对于大尺度图像,误检现象比较严重,并且耗时过长.本文提出一种新的检测算法,通过对圆形区域进行非极大值抑制,能够明显地降低角点检测时间,并且能够有效地减少误检.同时,在不改变任何参数的情况下,对于图像旋转,能够明显地减小提取的差异.通过实验对比,本算法简单方便,提取角点也非常有效,相对于传统Harris算法具有更好的角点检测性能.

一种基于Harris角点检测的快速瞳孔定位方法

提出了一种基于灰度投影曲线和Harris角点检测进行人眼定位的新算法。首先利用原图的垂直灰度投影曲线确定人脸的左右边界,然后利用人脸区域的水平灰度投影确定头顶至鼻子中部的上下边界,最后利用Harris角点检测算法快速定位瞳孔,精确定位人眼的位置。文章算法成功地将Harris角点检测算法应用到瞳孔定位中,实验结果表明,该算法不受眉毛的干扰,具有较小的运算量和较高的处理速度,而且定位准确,准确率较高,很好地解决了简单背景下人眼的快速定位问题。