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Harris角点特征的贴片元件视觉定位算法

为了实现贴片机视觉系统对贴片元件的高精度定位,提出了一种基于Harris角点特征的贴片元件偏转角度与偏移量检测方法.首先对元件图像进行预处理,以改善引脚部分的图像质量,然后标记元件引脚的连通区域,判别元件引脚形状,再通过Harris角点特征提取、分类和直线拟合等得到元件的偏转角度,最后对元件图像进行旋转和放大处理,并进行基于Harris角点特征的图像配准,得到元件的偏移量.检测结果表明,文中算法能够检测贴片元件的偏转角度和偏移量,对偏转角度的检测误差小于0.1°,对偏移量的检测误差小于25μm,满足贴片机对视觉系统定位算法的精度要求.

灰度变换下图像Harris角点特征点匹配算法性能分析

由于Harris角点理论上具有不随光照条件改变而改变及旋转不变性等优点,被广泛应用于计算机视觉系统中。但实际应用中拍照光线的变化往往会引起图像的灰度失真,本文对Harris角点提取和SAD、SSD、NCC三种匹配算法在灰度变换下的性能进行了分析。分析结果表明,Harris角点提取具有较好的光照条件鲁棒性;而NCC是三种匹配算中灰度变换影响最小的。

一种基于Harris角点特征的图像拼接方法

本文通过对已有图像拼接算法的分析研究,改进了拼接算法中的特征点匹配问题。首先利用Harris角检测算法提取特征点,然后通过归一化相关法进行初始匹配,接着引入马氏(Mahalano-bis)距离,实现图像的精确匹配。最后通过加权平均的方法完成图像的融合。实验证明该方法能有效地去除伪匹配特征点对,降低了误匹配的概率,是一种有效的图像拼接方法。

基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术

穿墙雷达能够穿透建筑物墙体,实现室内人体目标探测。利用深度学习提取不同肢节点的微多普勒特征,可以有效辨识障碍物后的人体行为。但是,当生成训练、验证集与生成测试集的受试者不同时,基于深度学习的行为识别方法测试准确率相对验证准确率往往较低,泛化能力较差。因此,该文提出一种基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术。该方法利用Harris与Moravec检测器提取雷达图像上的角点特征,建立角点特征数据集;利用多链路并行卷积和Non-Local机制构建全局上下文信息提取网络,学习图像像素的全局分布特征;将全局上下文信息提取网络重复堆叠4次得到角点语义特征图,经多层感知机输出行为预测概率。仿真和实测结果表明,所提方法可以有效识别室内人体步行过程中存在的坐卧、跌倒等突发步态异常终止行为,在提升识别准确率、鲁棒性的前提下,有效控制泛化精度误差不超过6.4%。

Harris与SURF特征点检测的手术器械机器视觉识别方法

针对手术器械快速识别与定位需求,提出一种基于改进Harris与SURF特征点检测的手术器械机器视觉检测方法。通过MASK匀光算法消除金属表面不均匀光泽反射,并设计改进的Harris角点检测算法实现无堆叠手术器械的快速检测。利用SURF算法提取图像特征信息,采用KD-Tree搜索相似特征矢量,以实现堆叠手术器械的准确识别与定位。实验结果表明:本文方法的识别准确率和识别时间分别为92.4%和3.15 s,可有效实现典型手术器械的视觉识别与定位。

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。

基于Harris角点检测的人体特征提取与测量

为准确地对人体图像特征尺寸进行自动识别和提取,提出一种基于Harris角点检测的人体特征提取与测量算法;首先对原始图像规范化处理,并采用Canny算子进行边缘检测,得到图像的二值边缘图;然后根据人体特征尺寸位置的突变性可用角点来描述的特点对轮廓图像进行特征点提取;最后利用人体关键尺寸与身高(由用户提供)的比例关系进行特征点筛选,计算获取人体测量学中的关键尺寸;经对实际测量数据分析比较得知,实验测量结果产生的误差较小,实验值和实际值之间无显著性差异,因此验证了该方法的可行性。

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。

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。

基于Harris算子的彩色数码影像角点特征提取

随着电子技术的发展,非量测数码相机以其镜头可更换、操作灵活、方便、价格低廉等优点,逐渐成为数字近景摄影测量影像获取的主要设备.但近景摄影测量在工程应用中仍存在精度低、效率低的缺陷.现研究一种基于Harris算子的非量测数码影像角点提取方法,可提高角点提取的精度,从而可为近景摄影测量在工程中的进一步应用提高精度.

基于Harris角点匹配的工具识别方法

图像匹配对于工具识别过程具有重要意义,传统的图像匹配算法匹配过程复杂导致匹配速度慢,在实际应用中有局限。为了提高工具识别的效率,通过分析工具图像特征,设计出一种基于Harris角点特征的图像匹配方法进行工具识别。首先用Harris算法提取工具模板图像与搜索图像角点特征,然后使用归一化互相关匹配算法计算工具模板图像与搜索图像角点特征的相关值,进而确定匹配点对,最后采用RANSAC去除错误匹配点对。通过实际数据验证,基于Harris角点特征的图像匹配方法与传统方法相比,不仅识别速度快,鲁棒性好,而且在实际工程应用中更具适用性。

基于HU特征和改进Harris角点的零件快速匹配方法

针对零件图像匹配过程中匹配时间长、查准率低等问题,提出了一种基于HU不变矩特征和改进Harris角点的零件快速匹配方法。首先对待匹配图像进行预处理,用最大类间方差法进行图像分割并通过多边形逼近获取目标轮廓。然后提取目标轮廓的HU不变矩特征和模板特征进行粗匹配获得候选零件轮廓,再采用改进Harris角点提取方法获取角点、剔除非拐点并构造投票矩阵获取轮廓的顶点,最后拟合零件轮廓最长边,根据拟合直线的角度校正零件图像后进行基于灰度的快速匹配。实验结果表明:该方法相较传统方法精度提高3%以上,速度快22%以上。

一种改进的Harris角点提取算法

针对Harris角点检测算法对T型和斜T型角点存在定位不准确以及运算速度慢的问题,提出了一种改进算法。改进算法计算目标像素点的8邻域范围内与之灰度相似的点的数目,然后对目标像素点周围其他像素点按同样方法处理,并对得到的计算数据进行比较,分析出局部范围内的像素点的灰度值分布。根据比较结果,从中遴选出部分像素点作为下一步角点检测的计算对象,并计算其角点响应函数值,如果角点响应函数值大于设定的阈值,该点则会被确定为最终的角点。实验结果表明:改进算法的角点检测时间仅为原算法的14.3%,并实现了对T、斜T型角点准确定位,提高了Harris角点检测算法的检测效率和精度。

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。