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。

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Harris函数的2级加载固结试验方法及可靠性判别准则

为提高获取土体压缩模量和先期固结压力的土工试验测试效率,在采用Harris函数描述土体e-lgp曲线的基础上,提出2级加载确定土体压缩特性的固结试验方法,其在确定压缩模量Es和先期固结压力pc时的适用性得到了京沪高铁和京津城际铁路地基土样的验证。研究结果表明:由土体初始孔隙比e_0和2级加载稳定变形值可以准确计算压缩曲线的Harris函数表达式,除小于100 kPa时外,其余压力段压缩模量Es误差基本小于10%,平均误差仅为5.59%;利用Harris函数可得到压缩曲线最小曲率半径点坐标和直线段斜率解析值,所得先期固结压力的Casagrande法计算值与土体埋深呈明显正相关,且与上覆压力的比较结果和试验段实测分层沉降发展规律吻合;以压缩指数Cc为评价指标,通过概率模型建立固结试验可靠性判别准则,研究成果为简化固结试验方法,快速确定土体压缩参数提供了新途径。

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。

改进小波阈值降噪方法在振动-高动态离心复合试验控制系统中的应用

目的 针对振动-高动态离心复合试验控制系统中控制信号受噪声干扰导致控制效果不佳的情况,进行降噪处理,以提升试验控制能力。方法 利用改进的小波阈值降噪方法,对振动-高动态离心复合试验控制系统中控制信号进行降噪处理,通过分析信号特性,结合小波阈值降噪方法原理,提出阈值准则随分解尺度自适应动态变化的改进方法。结果 通过本文改进方法和其他小波阈值降噪方法的对比分析表明,本文所提方法对于振动-高动态离心系统所存在的中高频噪声干扰起到了明显抑制作用,可有效保留控制信号特征,获得了更佳的综合降噪效果,信噪比提升近10 dB,满足试验控制所需的降噪要求。结论 采用自适应动态变化的阈值准则的小波阈值降噪方法对振动-高动态离心复合试验系统的控制信号进行降噪处理有效且可靠,可对后续相关试验技术研究方向提供一种可行思路。

基于最大熵准则的GNSS/SINS组合导航滤波算法

在高斯假设下,GNSS/SINS组合导航系统的常规卡尔曼滤波器(KF)在最小均方误差(MMSE)准则下是最优的。然而,当测量噪声受到重尾脉冲噪声干扰时,KF的滤波性能会严重下降。为解决该问题,提出组合导航系统的最大熵卡尔曼滤波器(MCKF)。首先,建立MCKF的状态方程及测量方程;然后,利用相对熵的原理,建立基于最大熵准则的卡尔曼滤波器,并设计其滤波迭代流程;最后,在混合高斯噪声及重尾脉冲噪声环境下,分别对GNSS/SINS组合导航系统进行仿真实验。仿真实验结果表明,在混合高斯噪声干扰下,KF的性能优于MCKF;在重尾脉冲噪声干扰下,MCKF的滤波性能明显优于KF,且核带宽趋于无穷时,MCKF等价于KF。

基于多阈值Otsu准则的阈值分割快速计算

针对传统多阈值Otsu方法在寻找最佳阈值过程中穷举计算效率低的问题,该文分析了多阈值Otsu的阈值性质,证明了使用Otsu方法找到的一组最佳阈值与分割出的各类均值之间的数学对应关系。根据多阈值Otsu的阈值性质,该文提出一个新算法用来快速计算所需最佳阈值,建立了一种新的阈值搜索模型。该算法搜寻满足Otsu多阈值与以此阈值分割出的各类均值之间关系的一组最优阈值,从而确定符合Otsu准则的最佳阈值。该算法有效减少了阈值搜索范围,并且在均值、方差等计算上引入了查找表,优化了底层运算。实验结果表明,与传统多阈值Otsu方法相比,该算法的分割速度大幅度提高,相比于其他多阈值Otsu快速算法,不仅在计算速度上有所提升,而且得到的最佳阈值克服了随机性和偶然性的缺点,是严格符合Otsu原则的。

Otsu准则下分割阈值的快速计算

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。

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Otsu准则及图像熵的阈值分割算法

在图像分割中,阈值的选取至关重要,在经典的Otsu准则基础上,结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息,运用递归思想局部搜索图像的最佳阈值,这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,有利于分割后的特征提取。对Lena图像进行了实验,获得了较好的分割结果。

基于Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法。根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型。

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。

基于二维最大相关准则的图像阈值分割

提出了基于二维最大相关准则的自动阈值图像分割算法.该方法根据图像的二维直方图中目标和背景分布的相关量最大来选择阈值,能够实现比传统最大相关准则更强的抗噪声能力.同时将遗传算法用于对二维最大相关准则阈值分割的优化,试验结果表明该算法可以实现快速、准确图像分割.

二维最大相关准则图像阈值分割递推算法

提出了基于二维直方图的最大相关准则自动阈值图像分割算法。该算法根据图像中目标和背景分布的相关量最大来选择阈值。基于二维最大相关准则的阈值分割算法具有较强的抗噪声能力,能够实现准确分割。在实际应用中,为了加快二维最大相关准则阈值分割的计算速度,减少重复计算,推导了该算法的快速递推公式。递推算法节省了计算时间,使算法具有更强的实用价值。通过对低对比度、低信噪比的遥感红外图像进行试验,结果表明二维最大相关准则图像阈值分割算法具有良好的分割效果,其递推算法使其计算速度提高了近30倍。

基于最大相关准则的阈值处理算法

阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。本文提出了一种基于最大相关准则的自动选择阈值方法。该方法通过使图像中目标和背景分布的相关量最大来选择阈值。仿真分析显示该算法计算量与熵方法比较大大减少,分割效果则比Yen等人提出的算法更佳。

融合Fisher准则和势函数的多阈值图像分割

针对传统多阈值图像分割算法复杂度高、分割效果欠佳等问题,提出了一种基于Fisher准则和势函数相结合的多阈值图像分割方法。首先对Fisher准则函数进行简化,再对简化后的Fisher准则采用递推算法降低计算复杂度,然后由直方图势函数方法确定图像的分割类数,最后将改进的Fisher准则用于多阈值图像分割,并对最终分割结果进行后续处理。实验结果表明,融合Fisher准则和势函数的多阈值分割方法不仅分割效果好,而且分割时间短,能够运用到实时应用的场合。

基于白化检验和3σ准则的小波阈值去噪算法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法。其中,分解层数、门限阈值以及阈值函数的选取是关键。本文分析了白噪声和有用信号的小波变换系数的特点,在此基础上提出了一种分解层数的自适应确定方法以及一种基于3σ准则的各层小波空间阈值的选取方法,并结合硬阈值和软阈值方法各自的优缺点,提出了一种改进的小波系数阈值估计的模型。仿真结果表明,该方法具有较好的去噪效果,尤其适用于强噪声背景下弱信号的检测。

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Neyman-Pearson准则的小波阈值去噪法

本文分析了噪声的小波变换特征,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于Neyman-Pearson准则的小波阈值去噪法。其小波阈值的选择是依据设定虚警概率后使得检测概率为最大的准则,并随各尺度独立。通过实验验证了该方法的有效性和优异性。