基于灰度均值的自适应FAST角点检测优化算法

光照不均、突变引起的灰度变化会影响图像特征检测效果。为此,设计一种基于灰度均值的自适应FAST-9-12角点检测算法。首先,利用特征点的延展性设计一种小面积双重检测模板,减少像素点与中心点的比较次数,提高区域正检率和检测速度;其次,依据图像局部灰度均值,在每个像素点检测模板内自适应调整阈值,避免灰度变化影响检测效果;最后,根据柔性非极大值抑制的思想设计角点半径抑制原则,筛选鲁棒性更强的角点。在Inria遥感影像数据集上的实验结果表明,FAST-9-12角点检测速度比FAST-12-16,FAST-9-16两种模板提高22%左右,因自适应阈值的提取方式不易受光照影响,检测准确率分别提高4.16和3.11个百分点,实现了图像特征快速和精准检测。

基于深度学习的场景图像自适应文本检测方法

为了解决自然场景图像中任意形状文本检测的难题,文中提出一种具有自适应文本区域表示的鲁棒场景文本检测方法;同时基于回归和分割方法的两种思想,设计自适应角点检测模块(ACDM)和自适应阈值分割模块(ATSM)。将不同尺度的文本生成不同数量的角点进行定位,利用自适应阈值的方法生成文本分割图,结合生成的角点候选框进行联合优化。实验结果表明:所提方法在ICDAR2015数据集上综合指标F为86.5%,相较于PSENet网络提升0.8%;在Total-Text和CTW1500数据集上综合指标F分别为85.3%和84.2%,相较于DBNet网络分别提升0.6%和0.8%。该方法能有效提高任意形状文本检测的鲁棒性。

基于动态角点定位的SD卡位姿检测方法

在SD卡彩喷生产环节中,为了防止SD卡在从料盘翻转至金属打印盘的过程中被翻转装置压伤或损坏,就必须确保SD卡在料盘Pocket(限制SD卡位置的卡槽)中处于正确的位姿,因此提出了一种基于动态角点定位的SD卡位姿检测方法。为了降低机械定位误差和料盘尺寸公差对SD卡位姿检测的影响,设计了一种基于统计决策的动态角点定位算法,实现了Pocket区域的动态定位。同时,由于不同型号或批次的SD卡和料盘表面颜色存在差异,且不同位置的SD卡边缘存在不同程度的阴影,传统的图像分割算法很难有效地提取出SD卡轮廓,为此提出了一种基于粗定位的自适应阈值分割方法,显著提升了图像分割效果。试验结果表明,提出的方法在满足检测速度要求的前提下,SD卡位姿检测准确率大于99.9%,具备良好的鲁棒性。

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。

基于区域灰度变化的自适应FAST角点检测算法

针对当前FAST角点检测算法只能检测单一类型的角点,并且单一阈值作用于整幅图像很难取得理想的效果等问题,本文提出了一种基于区域灰度变化的自适应FAST角点检测算法.该算法首先对图像进行高斯滤波;其次,依据灰度差筛选出角点候选点;再引入自适应阈值,根据灰度值的大小对候选点进行分类;最后,根据分类结果,使用不同的检测模板对候选点进行再次筛选,获得最佳匹配角点.仿真结果表明该改进算法不仅可以提取出更多的有效角点,较好的克服阈值选择不当造成的角点丢失或冗余,而且对于噪声具有良好的鲁棒性.

融合边缘和角点特征的实时车辆检测技术

采用一种快速角点提取方法来提取角点特征,克服阴影干扰,并与边缘特征融合实现车辆检测.提出一种加入噪声自适应求取边缘二值化阈值的方法,有效抑止不同光照条件、路面强噪声,实现强边缘提取.利用车牌和通风栅格、车辆轮廓特征,解决拥堵检测问题.根据前后帧图像特征预估车速,极大减少了误触发.采用SVM进行有、无车分类.给出夜晚检测方法.实验表明本文算法较好的解决了车辆检测,特别是拥堵时的车辆检测.

SUSAN角点检测算法改进

提出了一种改进的角点检测算法.本着好的算法不依赖于人为干涉的思想,在SUSAN算子基础上,通过对图像灰度值和对比度分析,提出灰度阈值t和比较函数C的快速自适应选取.针对SUSAN算法中对某些特殊型角点检测会失败的情况,构造一种针对SUSAN圆形模板的二圆环模板,对一些与边缘点难以区分的角点进行检测.试验表明,改进的算法近一步提高了检测的准确性.

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。

基于角度累加的鲁棒角点检测算法

为了更好地进行角点检测,提出一种基于角度累加的鲁棒角点检测算法.首先定义反映边缘点特征的角度累加概念,并在"单弦"下计算边缘点的角度累加值来获取候选角点,避免邻近角点的丢失;然后构造局部自适应阈值来去除圆形角点,并提出其支撑邻域和比例系数的选取方法;最后通过"多弦"下的角度累加乘积来获取角点特征值,并构造全局阈值来去除虚假角点.实验结果表明,该算法提高了角点检测正确率,并且在角点重复率及定位误差方面也优于其他算法.

基于细节增强的自适应Harris角点检测算法

针对传统Harris角点检测法计算速度较慢、聚簇现象较严重和在纹理信息少的区域提取角点数较少等不足,提出一种自适应Harris角点检测法,该算法利用巴特沃斯滤波器增强小波细节系数,通过计算角点响应函数的二阶值设定自适应阈值,从而提高Harris角点检测的精度和效率。实验表明,与传统的Harris角点检测法比较,该方法检测速度较快、角点的分布较均匀,且伪角点较少。

一种改进的轮廓曲线角点检测方法

角点特征检测方法是图像处理的重要研究内容,针对传统的曲率尺度空间角点检测中,选择不同尺度会导致角点的漏检测和误检测问题。提出一种改进的轮廓曲线角点检测方法,先在低尺度下采用较大步长的曲率阈值法剔除小曲率区域上的伪角点,将伪角点集中在曲率较大的圆弧区域,再合并微小图元剔除圆弧上伪角点,并结合投影高度法判断图元属性,对图元进行分割和融合,提高了检测精度。实验结果表明,改进的检测算法在处理由直线和圆弧构成的轮廓曲线角点检测时,可大大提高检测准确率。

一种改进的多尺度自适应角点检测方法

现有的多尺度曲率乘积算法MSCP(Multi Scale Curvature Product)在检测过程中存在漏检和误检的现象,并且由于阈值设置不合理容易导致算法不稳定。针对以上不足,提出一种基于曲率多尺度的自适应角点检测算法AMCP(Adaptive Multi-scale Curvature Polynomial)。首先,结合尺度多项式的方法,不仅显著增强了曲率极值点的峰值,而且避免了曲率积对一些角点平滑;然后,构造局部曲率显著度LCCS(Local Corners Curvature Saliency),从而用自适应的阈值代替全局阈值,增强算法应对尺度,旋转等变化的鲁棒性;最后,提出曲率增长度的方法,通过该方法有效地区分圆角点和钝形角点。通过实验表明,AMCP算法提高了角点检测的正确率以及稳定性,相较于MSCP算法以及改进的CSS(Corner Detection Through Curvature Scale Space)算法具有更加优越的检测性能。

复杂条件下DPM条码的角点检测

为了解决工况环境恶劣和拍摄条件差等因素导致的从复杂条件图像中快速准确地检测出DPM条码区域的困难,抓住DPM条码图像多直角角点及亮暗两类直角点共存等内部特征,提出一种新的基于掩膜思想的自适应角点检测算法。该算法使用小掩膜筛选出仅可能是直角顶点的那些点交予大的环状掩膜进行再过滤,掩膜形状和尺度、局部二值化阈值及相关的系列过滤条件的选定充分融入了DPM区域知识。实验结果表明,在样本为160幅DPM图像的实验中,DPM角点平均检出精度为88%。所提出的算法在面对复杂条件下的DPM图像时,有能力在检出DPM区域角点的同时抑制掉绝大多数非DPM区域角点。

基于改进SUSAN算法的红外图像边缘增强方法

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法,然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法,最后在实际应用中,提取出了红外图像清晰、连通的边缘特征.实验结果表明,改进后的方法能够有效地增强红外图像的边缘,得到令人满意的效果.

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度.自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡.结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性.

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。

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Harris角点检测算法

采用B样条函数替代高斯窗口函数进行数据平滑滤波,再对角点进行预筛选,获取候选角点。为提高算法的自适应性,在非极大值抑制时采用自适应阈值。进行了检测精度和效率仿真研究。

基于FPGA的自适应阈值Harris角点检测硬件实现

基于FPGA实现了一种自适应阈值Harris角点检测,用于解决低成本ARM处理器无法实时检测到目标角点的问题。该算法首先对整帧像素点进行预筛选,将筛选通过的点进行Harris角点检测,通过设置容忍距离剔除伪角点,得到最终角点并通过LCD屏实时显示。采用自适应阈值方法来解决单一阈值不适应于多样化环境的问题,使每帧(分辨率为480×272)都能检测到大约120个角点,在低成本FPGA芯片Spartan6 XC6SLX45上验证实现。实验结果表明,该实现方法处理速度为115 f/s,能高效准确地检测到目标角点,满足精度、稳定性和实时性要求。

基于FAST的星图中星的提取方法

在分析星图中星体目标信号特点的基础上,提出了一种将改进的FAST角点检测算法和自适应阈值分割算法相结合的星图中星的提取方法。首先为FAST算法引入自适应阈值选取方法,以进行不同图像对比度情形下的自动星点检测,并利用候选点邻域内周围像素点的拉普拉斯值,剔除了虚假角点;然后,利用自适应阈值分割方法和连通性分析,在局部邻域内确定星体像素区域;最后,利用质心法完成质心定位。仿真结果表明:这种方法与矢量法相比,效率相当,但性能更好。