基于改进的SUSAN算子的棋盘格亚像素角点检测算法

针对SUSAN算子在检测棋盘格角点这一特殊类型角点时出现的不足,提出了改进的SUSAN角点检测算子。改进的算子在分析原有算子仅考虑USAN区域的大小而不考虑USAN区域的形状这一局限性的基础上,通过在SUSAN圆模板内附加两个圆环模板来实现对所有棋盘格角点的有效检测。此外,鉴于棋盘格角点图像形状和灰度分布具有对称性以及灰度对比强烈的特点,采用灰度重心法对角点进行了亚像素定位。为了提高算法性能,具体操作时采用区域分离思想,将USAN区域分成内部像素区域和边缘像素区域两部分,通过对内部像素区域灰度的均值化,达到了抑制内部像素区域噪声的目的。实验结果表明,所提出的算法准确、有效,能达到亚像素级的精度。

基于方向性SUSAN算子的图像角点特征提取

在不同传感器图像的匹配中角点是重要匹配特征,为满足实际一些具有方向性的成像传感器图像匹配的需要,进行稳定可靠、具有方向性角点特征的检测是必需的.本文采用方向性的SUSAN角点检测算法,将SUSAN算子计算区域限定在具有一定指向的扇区,使之具有方向性检测角点特征.实验证明,该算法简单、实用和有效.

基于非局部均值和SUSAN算子的混合噪声滤除

为了更好地滤除图像中脉冲噪声和高斯噪声组成的混合噪声,提出了一种基于非局部均值和Small Univalue Segment Assimilating Nucleus(SUSAN)算子的混合噪声滤除方法.该方法首先根据脉冲噪声点与角点之间吸收核同值区形状特征的不同,采用SUSAN算子检测出大量的特征点,特征点主要是脉冲噪声点,也可能含有小部分角点.将特征点进行排序,出现频次最高两位的点为脉冲噪声点.然后采用改进的均值滤波法计算脉冲噪声点邻域中非脉冲噪声点的均值,以此替换脉冲噪声点灰度值.最后针对已滤除脉冲噪声的图像,采用考虑了图像块信息的非局部均值方法滤除剩余的高斯噪声.去噪实验结果表明:与自适应中值和加权均值结合的方法、中值滤波与小波结合的方法、脉冲耦合神经网络与中值滤波结合的方法相比,本文方法主观视觉效果更好,能够更好地保留图像中的边缘细节,客观评价指标峰值信噪比有较大的提高,滤除混合噪声的优势明显.

基于SUSAN算子和角点判别因子的目标边缘检测

针对目标区域角点分布密集和背景区域相对稀疏的图像,为了更准确、完整地提取目标区域的边缘,消除背景,提出一种基于SUSAN算子和角点判别因子的目标边缘检测方法.实验结果表明,与Canny方法、改进的非下采样Contourlet模极大值方法和改进的蜂群方法等边缘检测方法相比,本文提出的方法能有效避免背景区域的干扰,精确定位目标区域,所得边缘轮廓连通完整、细节丰富.该方法具有较优的主观视觉效果和较强的抗噪能力,且运行时间较少.

基于SUSAN算子的红外目标检测

SUSAN算子是一种基于图像局部灰度特征的算法,利用一个圆形的模板对图像进行扫描,比较模板内部的点与模板中心点的灰度值,如果灰度差值小于一定的阈值,就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数,与一个阈值进行比较,判断该点是否属于某个区域的边缘点,从而实现对红外目标的检测。与传统的全局阈值相比,该算法抗干扰能力较强,实时性较好,能够快速、可靠地检测出红外目标。

基于SUSAN算子的边缘增强低比特率图像压缩

提出一种新的低比特率图像压缩算法,该算法首先利用SUSAN算子检测出输入图像的边缘信息,然后利用边缘增强方法对边缘信息进行增强,最后将增强后的边缘信息和解码后的输入图像相加形成最终的压缩图像.实验结果表明,和基于小波的传统编码方法相比,在低比特率下,该算法能减少图像的边缘模糊,提高压缩图像的识别度和峰值信噪比.

基于SUSAN算子的嘴部轮廓特征提取方法

针对人脸识别中的嘴部定位部分轮廓缺失问题,提出了一种由粗到精的快速准确的嘴部轮廓特征提取方法。该方法是在人脸检测的基础上采用改进的SUSAN算子提取嘴部边缘轮廓信息,通过几何特征和搜索区域相结合的方法实现了嘴唇轮廓的精确定位。仿真结果表明,该定位方法快速有效,正确率较高。

一种基于改进SUSAN算子的钨矿初选算法

以改进SUSAN算子为核心的钨矿石初选算法是一种针对性较强的算法.此算法采用改进的SUSAN算子的边缘提取方法,利用形态学开运算估计背景,与原始图像全局灰度进行几何运算来减弱背景的复杂纹理和噪声对图像的影响,以此来改善目标边缘提取的效果,并结合SUSAN基于图像灰度相似性比较的边缘检测算法.它不需梯度的计算,具有算法简单、定位准确、抗噪声能力强等特点,提高了算法效率,实现二者的优势互补,提高图像边缘检测的效果.

一种基于数学形态学与改进的SUSAN算子边缘提取快速算法

提出基于数学形态学和SUSAN算子的灰度图像边缘提取方法,同时对SUSAN算子进行了改进。该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用改进的SUSAN算子提取边缘,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。

SUSAN算子在车辆检测中的应用研究

SUSAN算子是一种基于图像灰度的类积分算法。该算法利用圆形模板对图像中的感性区进行扫描,经由对模板中心点和非中心点灰度值比较、运算。所得运算结果与阈值进行比较,从而判断此中心点是否为兴趣特征点,实现对图像特征点的提取。特征检测前首先利用Hough变换检测道路边界线以确定路面区,然后应用SUSAN算子在检测出的路面区中对车辆进行特征提取。可以快速准确地提取出行驶中车辆的兴趣特征点。

基于SUSAN算子的LEACH-C路由算法

在前人提出的LEACH-C路由算法的基础之上,提出了对LEACH-C的改进,在过去的LEACH-C路由算法中,采用模拟退火算法,来实现选取簇头,改进后的算法应用图像角点检测算子——SUSAN算子,使其在簇头的选取上,定位更准,速度更快,同时,在簇头选好后,为了节能,通过应用最小树原理,把各个簇头节点连接起来,簇内成员与簇头之间,采用直接通信。通过仿真试验表明,改进后的LEACH-C路由算法,能更好的节能,有效的延长了整个无线传感器网络的寿命。

基于改进SUSAN算子的图像边缘检测算法

首先介绍了SUSAN边缘检测算子的原理;然后对算法中灰度差阈值的选择方式进行了改进,采用一种自适应选取阈值的方法取代算法中人为的设定阈值,使其在各种不同对比度的图像中都能正确提取出图像边缘;最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点.

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法。该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割。试验结果表明,该方法具有较好的分割效果。

基于Contourlet变换和Susan算子的边缘检测方法

现存的基于空间域的图像边缘检测算法只能有效检测出图像有限方向的边缘。针对这一问题,根据Contourlet变换子带的各方向子带代表的方向信息及其梯度方向,提出了一种基于Contourlet变换和Susan算子的边缘检测算法。边缘检测算法首先对源图像进行Contourlet变换,然后分别对高、低频子图像进行边缘提取,最后通过一定的融合规则进行融合,得到边缘图。实验结果表明,这种边缘检测方法具有有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘提取算法。

基于SUSAN算子和改进的SNAKE模型的目标追踪算法

为了准确的追踪运动目标,文中提出了基于SUSAN角点检测和改进的SNAKE模型相结合的目标追踪算法。首先,通过帧间差分法检测是否有目标运动;其次,在目标运动范围内用SUSAN算子检测目标的角点;最后以这些角点为基准点进行目标轮廓的初始化,进而用改进的SNAKE模型进行目标的准确拟和。由于帧间的时间间隔较短、目标运动的距离较小,所以在上一帧检测到的角点周围检测当前帧目标的角点,这样不仅加快了检测的速度,并且增加了追踪的准确性。通过试验验证了本算法的有效性。

基于梯度直方图和SUSAN算子的红外目标检测

红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。

一种改进的SUSAN算子棋盘格角点亚像素检测算法

SUSAN算子在检测角点时,只以USAN区域面积的大小作为判断准则,忽略USAN区域形状的影响。因此,该算法对棋盘格标定板中的内角点与边缘点难以区分。针对此问题,本文提出在SUSAN圆模板内再次采用SUSAN算子来实现对棋盘格标定板角点的有效检测。此外,在每个初定位角点的局部邻域内,采用二次曲面拟合法得到角点的亚像素坐标。实验证明,所提出的算法准确、有效、适应性好,能为摄像机标定提供亚像素精度的角点信息。

利用SUSAN算子的特征复合相关跟踪算法

文中提出了一种新的相关跟踪算法 ,该算法利用SUSAN算子提取特征、选取灰度子模板进行相关匹配 ,再由特征匹配作精确定位和置信度分析 ,并利用特征信息对相关运算进行加权以降低小尺寸子模板对相关匹配定位精确度的影响。实验结果证明了该算法的有效性。

基于SUSAN算子的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法削弱随机噪声,增大信噪比;然后设定阈值对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;最后基于图像的特性,使用改进的SUSAN算子对星图进行目标检测,进而分割出目标,实验证明,与传统方法相比,该方法可较好地分离出恒星目标。

基于SUSAN算子的空域自适应错误隐藏算法

为了消除空域错误隐藏后出现的模糊和块效应,提出了基于SUSAN检测算子的空域自适应错误隐藏算法。算法首先利用SUSAN算子检测丢失宏块周围的边缘点,然后根据边缘点确定丢失宏块中边缘,最后根据边缘情况自适应地选择插值方法恢复丢失宏块。实验表明,丢失宏块边缘的检测受噪声影响很小,对孤立丢失块有较好的恢复效果且计算量较小。与传统空域错误隐藏算法相比,本文算法的峰值信噪比PSNR能提高大约1～3dB。