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。

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。

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。

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。

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。

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Harris角点的图像匹配算法

提出了新的基于特征点的高速图像匹配算法。该算法把角点特征和灰度值特征结合起来,定义了一种基于Harris角点的灰度值特征,并充分利用角点灰度值以及角点周边灰度值和位置信息,然后依据这些信息进行匹配。实验结果表明,该算法不仅速度快,而且对灰度值分布不均图像和含噪图像的匹配同样适用。

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。

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。

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。

基于Harris角点和SIFT算法的车辆图像匹配

车辆图像匹配广泛应用于车辆识别和跟踪,其中SIFT(Scale Invariant Feature Transform)特征匹配算法是当前国内外特征点匹配研究的热点,但针对车辆等刚体特征明显的目标,SIFT算法在时间复杂度和稳定性方面留出了改进空间.针对车辆图像匹配,本文基于Harris角点检测对SIFT算法进行改进.实验结果表明:该方法在车辆图像匹配时,稳定性和实时性优于SIFT算法.

SMT-PAAG下的Harris角点检测与匹配算法

结合多核处理器SMT_PAAG的平台特性,实现基于数据并行和任务并行的Harris角点检测与匹配算法。在SMT-PAAG仿真器上对其算法进行验证,根据加速比和效率两个性能指标对实验结果进行分析,结果表明SMTPAGG上Harris角点检测与匹配算法的并行化实现效果显著。

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关(NCC)与随机抽样一致算法(RANSAC)相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。

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.

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SIFT算法与Harris角点检测的PCB板Mark点匹配研究

针对SIFT算法不能有效提取PCB图像与Mark点模板图像的关键特征匹配点的问题,笔者提出基于Harris角点检测与SIFT算法的模板匹配算法。在Harris角点检测的基础上,依靠图像金字塔、位置坐标关系确定出存在的特征点,除去不稳定特征点并生成稳定的特征点。对PCB原始图像与分割图像分别进行只依赖于SIFT算法以及结合Harris角点检测的Mark点匹配实验,实验结果表明该算法能够实现PCB分割图像与Mark点模板图像的准确匹配,提升了SIFT算法性能。

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。

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。