基于SUSAN检测算子的二维条码定位方法

以二维条码Data Matrix在实际应用中的图像为例,采用一种基于图像最优阈值的SUSAN检测算子,将复杂背景图像中的二维条码图像区域检测出来。使用这种方法可以在最大程度上忽略复杂背景的干扰,实现二维条码的快速定位。

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。

基于SUSAN角点检测算法的汽车后视全景快速图像拼接方法

针对汽车后视系统应用广角镜头采集图像时暴露出的畸变问题,通过引入SUSAN角点检测算法提取图像中的特征点,经相似性测度与高速模糊处理后获得最佳匹配点对,运用渐入渐出的图像融合算法消除多摄像头图像拼接时产生的拼接缝,配合软件系统功能模块的优化设计,实现对图像畸变的有效校正,最终生成高质量汽车后视全景图像.将上述研究成果进行梳理,不仅能够在短时间内生成汽车后视全景图,也有助于消除汽车后视盲区,具有良好的应用价值.

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法。首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来。为了提高小目标检测的实时性,给出了基于FPGA+DSP的硬件实现结构。实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标。

基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性。利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法。新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题。为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案。通过对比实验,新算法明显地提高了图像角点检测性能。

一种改进的SUSAN角点检测算法

角点是用来表示图像的重要特征,角点检测经常是复杂图像计算的第一步,所以对角点检测准确性的要求非常高。因此,提出一种改进的SUSAN角点检测算法,在进行Canny边缘检测后,对检测到的边缘像素点进行SUSAN角点检测,再使用欧氏距离使检测的角点更加准确。实验证明,基于Canny边缘检测的SUSAN角点检测算法相比经典的Harris角点检测算法与SUSAN角点检测算法在准确率上有了明显的提升。

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SUSAN角点和HSV颜色模型的粒子滤波目标跟踪算法

针对传统粒子滤波目标跟踪算法在目标与背景颜色相似情况下目标定位偏差大、易导致丢失目标的缺陷,提出一种基于角点和颜色模型的粒子滤波目标跟踪算法。首先,提出一种改进SUSAN角点检测算法,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点,其改进SUSAN角点算法在继承原有SUSAN算法计算简单、定位准确、具有旋转不变性等特点的同时,具有更好抗噪声性能;其次,利用HSV颜色模型光照不敏锐特性,对检测到的角点建立HSV颜色模型,并将其嵌入到粒子滤波框架中,实现对目标的跟踪。实验结果表明,当背景与目标颜色相近时,该算法能够有效避免背景对目标的干扰,取得了较好的目标跟踪性能。

亚像素边缘检测算法

针对传统边缘检测算法的定位精度低、对噪声敏感等缺点,提出了Susan-Zernike亚像素边缘检测方法。首先使用Su-san边缘检测算法实现边缘粗定位,然后用Zernike算子实现边缘重定位。实验表明该算法能够很好地实现亚像素定位,且运行时间较短,效率较高。

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色分割和模板匹配相结合的人脸检测算法。首先利用rgb色彩空间下的人脸肤色模型,对人脸图像进行肤色分割;针对图像中存在的多个肤色区域连接在一起的问题,采用SUSAN算子提取区域的边界,将连接的肤色区域分开;根据肤色区域的形状特征和欧拉数筛选人脸候选区域;最后利用建立的人脸模板和一种改进的混合匹配准则,对候选人脸区域进行匹配识别。实验结果表明,该方法能较好地从复杂背景中检测出人脸。

利用SUSAN算子提取影像角点的改进方法

角点是一种很重要的特征,在摄影测量中有广泛的应用。针对角点检测经典算法中SUSAN算法的特点,对其提出了一些改进方法,使其对角点检测的精度和敏感度有所提高。

车载图像跟踪系统中复杂场景下目标提取算法的研究

提出一种新的复杂场景下的目标图像提取方法。给出一种改进的Snake模型,并将其应用到初始模板的建立中;引入分形布朗随机场模型,利用小波分形维数和分形拟合误差确定可能的目标区域;定义了一种新的最小失配距离(MMD)相似性度量,并基于目标的特征区域进行快速相关匹配。该算法通过精确建立初始模板和采用由粗到精的目标搜索策略,既保证了目标提取的精度,又大大减少了计算量。

基于角点特征的KLT跟踪全景图像拼接算法

虚拟现实技术在航空航天、机器人遥操作和生物医学等领域得到了广泛应用,已成为研究问题的一种重要手段,全景图像的拼接技术则是其中一个非常重要的环节。通过SUSAN检测算子提取图像特征角点,利用快速RANSAC算法来实现图像的初配准。然后把检测到特征角点作为图像中的运动目标,利用KLT跟踪算法,确定各特征角点的精确位置,从而得到图像之间精确的单应性变换矩阵。在图像融合过程中,提出了消除图像拼接过程中“鬼影”的办法。实验结果表明,该算法能够大大提高图像配准精确度,并具有较好的鲁棒性。

一种应用机器学习的车牌定位方法

提出了一种基于Adaboost算法与最小同值分割吸收核法角点验证的车牌定位方法.该方法采用Adaboost算法排除明显的非车牌区域,从而减少车牌候选区域的数量.在验证阶段,采用SUSAN角点检测方法计算每个经过初筛的候选区域属于车牌区域的概率,并根据该概率值对候选区域进行排序.最终输出概率值最大的区域作为车牌检测结果.实验结果表明,使用该方法进行车牌定位无需调整参数也能适应光照变化的应用环境.

基于低层次计算机视觉的超分辨率图像重建

在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术。首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作。其次,提出了一种适合于超分辨率图像重建的插值算法:基于圆区域的自适应插值算法。该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起。大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现。

基于点模式匹配和能量最小化的模板定位算法

阐述了分步利用点模式匹配和能量最小化实现模板定位的原理和算法 .介绍了利用点模式匹配实现模板快速粗定位的原理 ,以及利用能量最小化实现模板精确定位的原理和算法 .试验结果表明 :此模板定位算法充分地利用了点模式匹配的特点 ,提高了定位的效率和通用性 ;

基于角点响应函数的加权Hausdorff距离匹配算法

常见的图像匹配算法对目标遮挡以及非零均值噪声比较敏感,为此提出一种基于特征点的图像匹配算法,根据SUSAN算子提取图像的角点作为特征点,然后采用加权的部分平均Hausdorff距离对两个角点集合进行计算,通过引入角点响应函数的差异来抑制接近中心的误匹配点对图像匹配造成的干扰,从而实现较恶劣环境下目标的配准。实验结果证明了该算法具有较强的鲁棒性。

双目立体视觉测量在舰空导弹自动装填系统中的应用

论文阐述了双目视觉测量在导弹自动装填筒弹自对准过程中的应用,提供了图像处理和摄像机标定的近景摄影测量技术,还给出了实现测量的硬件和软件结构,工程应用表明其能够很好地满足实际测量精确性和实时性的要求。

一种精确的图像拼接方法

全景图拼接是实现虚拟现实场景漫游的一种重要手段,本文利用SUSAN检测算子抽取图像的角点特征,然后用快速RANSAC算法配准图像,计算出图像之间的单应性矩阵,同时通过KLT跟踪,提高投影矩阵的精度。最后在图像融合中,采用像素值加权的方法。实验结果表明,文章提出的方法能有效提高配准精确性,并具有鲁棒性。