基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法研究

提出一种基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法。以电厂地下管廊多组海量点云数据为分析对象,利用主成分分析法获取目标检测点在邻域点云微切平面上的法向信息,进而提取点云的边界点;构建基于目标检测点法向信息的协方差矩阵,计算并比较其角点响应强度函数,从中选出部分待筛选点作为真伪角点检测对象;利用基于高斯曲率极值点的伪角点检测方法,滤除伪角点并筛选出真角点;最后通过快速点特征直方图方法匹配各组点云间的相似角点,利用最近点搜索点云配准算法实现地下管廊多组点云间的拼接,并与传统3D-Harris角点检测算法的结果进行比较。对比表明,所提出算法计算耗时短且角点提取正确率高,可实现电厂地下管廊海量点云的精确拼接。

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。

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。

一种自适应Harris角点检测算法

针对传统算法检测效果不理想的问题,提出了一种基于自适应非最大抑制策略的Harris角点检测算法;通过设置抑制半径与角点响应函数的局部最大值关联,减小抑制半径获取角点。算法有效解决了阈值选取和"聚簇"的问题。实验表明,该算法检测出的角点均匀分布,能很好地适应特征匹配等实际应用。

面向OpenCL架构的Harris角点检测算法

Harris角点检测算法是计算机视觉领域中使用非常广泛的点特征提取算法,它计算简单,稳定性强,但运算速度慢。当前已有算法优化研究一般只针对单一硬件平台,它们很难实现在不同平台上的高效运行。为此提出一种基于开放式计算语言(OpenCL)设计思想的Harris角点检测并行算法,其采用图形处理器(GPU)中共享存储器、常量存储器和锁页内存机制在OpenCL框架下完成影像角点检测的全过程。实验结果表明,基于OpenCL的Harris角点检测并行算法相比CPU上的串行算法可获得的加速比高达77倍,执行效率明显提高,对于大规模数据处理表现出良好的实时处理能力。

双阈值Harris角点检测算法

角点检测是图像处理中的一种重要的特征提取方法,为了改进角点检测算子的检测性能,提高角点检测的精度,降低检测出伪角点的概率,针对Harris角点算法的阈值受人为给定的限制的缺陷,提出了一种基于双阈值的Harris角点检测,利用小阈值T1来检测角点,利用大阈值T2来限制伪角点的出现,并通过大量实验总结出大小两阈值的关系,获得良好的检测性能。

基于二维EMD的Harris角点检测算法

为解决Harris角点检测算法在多尺度条件下无法正确提取角点的问题,本文将经验模式分解(EMD)方法运用到二维图像特征点提取中。先利用二维EMD方法将图像分解到多个图像细节层,并定义为本征模函数(IMF),再利用Harris算子对各图像细节层进行角点检测,最后采用层层筛选的方法提取角点。对比实验结果表明,新算法得到的角点更加丰富,抗噪性增强,明显提高了图像角点检测性能。

基于自适应分数阶微分的Harris角点检测算法

针对Harris算法在对纹理复杂程度高的图像进行角点检测时会出现大量伪角点,以及分数阶微分应用到图像处理中需要人为地指定阶数的缺点。分析了伪角点大量产生的原因,并提出以分数阶替换原算法中的整数阶对图像进行微分的改进方法,以及一种以图像的分形维数作为参数来自适应地选择微分所需要的阶数的方法。从而使图像做微分运算时能更好地保留图像中的边缘信息,使分数阶微分可以应用于视频目标追踪、视频稳像等实时性要求较高的场合。实验表明,改进算法在进行角点检测时具有更高的精确度。

一种参数自适应的Harris角点检测算法

针对用固定高斯函数参数σ值及人为设定阈值时角点检测不准确的问题,提出一种σ自适应的Harris算法。在选定区域内设置多个σ值提取Harris预选角点,对非极大值抑制时,采用自适应阈值获得预选角点;对不同σ值生成的预选角点响应函数R采用约束准则筛选出最大值,从而提取出有效的角点,去除伪角点。实验结果表明,本算法具有较好的图像角点检测性能,能够获得更多有效角点和更少伪角点。

基于B样条函数的改进Harris角点检测算法

针对Harris算法中存在的角点定位不精确,高斯平滑窗口大小不易选择等问题,提出了一种改进算法,利用B样条函数来代替算法中的高斯平滑函数,可避免高斯窗口的选择,并提高角点的定位精度.通过实验对改进算法的性能进行了分析,证明改进算法能够有效提高角点定位精度.

改进Harris角点检测算法的零件形状识别

提出一种基于改进的Harris角点检测的零件形状识别算法。通过获取图像、灰度转换、去除噪声、提取角点、去除伪角点等步骤,对静态图像进行形状识别。采用B样条函数取代高斯函数对图形进行平滑滤波。由Matlab仿真实验结果可知该方法具有实时性强、准确性高等特点。

基于Sobel边缘检测的圆周Harris角点检测算法

特征点的选取是视觉研究的基础,其选取的精确度直接影响到视觉信息处理的准确性与可靠性。传统Harris角点检测方法具有计算简单、易于实现的优点,但该算法效率低下、检测精度较低、抗噪性差、存在角点簇。提出一种基于Sobel边缘检测的圆周Harris角点检测算法:首先采用Sobel边缘检测进行角点预筛选,本质上提高检测效率;随后采用圆周窗口模板对筛选后的角点进行非极大值抑制,减少漏检点与伪角点的个数;最后采用临近点剔除法,保留非极值最大点作为角点,解决角点簇问题。实验结果表明,文中角点检测算法运行效率得到了极大提高,减低漏检率的同时,旋转不变性亦得到了改善。

一种双边核函数的新Harris角点检测算法

针对目前Harris算法存在的对噪声敏感和检测率不高的不足,提出一种双边核函数的新Harris角点检测算法。算法首先采用双边滤波器来代替原有的高斯低通滤波器,来增强算法的鲁棒性;接着采用多尺度分解来建立真实角点和伪角点的分割阈值。实验结果表明,提出的算法能精确地检测图像角点。

融合Harris角点检测算法的肺实质分割方法

本文主要研究肺部CT图像中胸膜表面以及近胸膜肺结节的分割方法.由于胸膜粘附结点与肺实质周围的灰度值类似,因此通过边界跟踪获得的轮廓很可能会被过度分割.针对这个不足,本文提出了一种基于Graham扫描法和Harris角点检测算法的分割方法.该方法首先运用最大类间方差法将原CT图像转化为二值图像,并初步提取出肺实质部分的轮廓.然后运用凸包与凸缺陷以及角点检测方法对边界进行校正,从而得到完整的模板.最后根据校正后的模板分割出肺实质内部的所有结节候选点.本文对TCIA(The Cancer Imaging Archive)数据库中的263张CT样本进行实验并将实验结果与滚球算法、水平集方法以及边界逼近法得到的实验结果作对比.最后分析对比结果并证明本方法的有效性.

基于图像对比度区域的自适应Harris角点检测算法

针对Harris算法阈值根据经验人为设定、在图像不同对比度区域无法有效提取角点的问题,提出了一种自适应改进算法。首先,采用九宫格法对图像像素点进行筛选;然后,对筛选出的像素点,计算其局部均方差,从而确定各像素点所在区域的对比度;最后,根据对比度使用自适应阈值对图像进行检测,获得最佳匹配角点。通过试验结果验证了算法的有效性和可行性。

Harris角点检测算法的实现及应用效果分析

Harris角点检测算法是一种非常有效的图像角点提取算法,提取的角点稳定可靠、均匀而且合理。用C#语言实现了Harris角点检测算法实现程序,并结合图例分析了该算法各种参数的设置。

基于自适应非最大抑制的Harris角点检测算法

本文提出一种基于自适应非最大抑制策略的Harris角点检测算法;算法从角点响应函数的局部极大值入手,计算图像中每个像素点的局部极大值通过设置抑制半径与角点响应函数的局部最大值关联最终获取角点。实验表明,该算法检测出的角点均匀分布,提高了检测角点的准确性,算法能够应用于图像特征匹配、运动估计等方面。