角点
- 考虑激光雷达误差的环境特征识别斜率差优化*
在某些时候会造成角点和断点识别的错误,进而导致线段过分割现象和误分割现象。本文分析了导致该问题的原因,并提出了一种考虑激光雷达误差的环境特征识别斜率差优化方法。1 基于斜率差的特征提取图1 扫描点示意图(1)令第i点的斜率ki为:(2)因为由几何关系得:ω3=ω2+Δθ=ω1+2Δθ,所以:k3-k2≈k2-k1≈0(3)当相邻两点处的k值之差很小时,就认为该两点处于同一条直线上,否则该点为断点或角点。令相邻激光点斜率的差值:Δki=ki-ki-1(4)激
组合机床与自动化加工技术 2023年12期2024-01-03
- 一种改进的Harris-RANSAC长焦相机标定算法
程度上取决于使用角点检测算法提取棋盘格内角点像素坐标的精度, 所以高精度的角点检测算法是保证张正友标定法精度的前提．目前, 基于图像灰度变化的角点检测算法因抗噪性能较强和定位性能好而备受关注, 如Moravec算法[6]、Harris算法[7]、SUSAN算法[8]和BW-Harris[9]等．Harris算法具有计算简便且性能稳定等特点, 在众多角点检测算法中脱颖而出．然而, 随着相机技术的发展, Harris算法越来越难以满足高分辨率图像的检测需求,
扬州大学学报（自然科学版） 2023年4期2023-10-11
- 一种改进的Shi-Tomasi角点检测方法
靠的特点[1]。角点检测算法广泛应用在图像匹配、运动估计、相机标定与视觉定位等方面[2]。目前已有的角点检测算法主要分为两大类：(1) 基于图像边缘信息的角点检测；(2) 基于图像灰度变化的角点检测算法。基于图像边缘信息的角点检测算法是通过对图像进行边缘提取，再通过寻找边缘上曲率较大的点或者多条边缘线的交点来提取角点。这类算法有基于小波变换模极大的角点检测算法[3]、基于边界曲率的角点检测算法[4]等，此类算法中角点对边缘线依赖较大，当边缘发生中断时，角点
计算机应用与软件 2022年12期2023-01-31
- 改进的Harris角点检测目标识别方法
进的Harris角点检测目标识别方法，以Harris角点算法为基础[2-3]，对其进行优化，并对图像进行图像细化，以此来区分目标与干扰，解决激光引信成像识别问题。1 角点检测角点是图像的一个很重要的特征，在图像识别中起着重要作用。角点保留了图像中重要的特征，同时剔除了冗余的数据量，角点的信息量很高，因此基于角点的算法计算效率一般较高。角点至今缺乏明确的概念，不同的领域对角点有不同的要求，从而有不同的表述方式。角点常见的描述有：图像边缘曲线的最大曲率点；两条
探测与控制学报 2022年6期2023-01-04
- 一种改进的自适应FAST 角点检测算法
中的特征点而言，角点可以说是特征点中最有检测价值的特征点，图像的分层、前景背景分离，以及检测物体的边缘等都会用到角点。在人工智能、无人驾驶、视觉SLAM（Simultaneous Localization and Mapping）等先进领域，尤其是在经典的ORB_SLAM 中，FAST 角点检测算法的使用较多，对该算法的研究和改进也是较为热门的。经过长时间的发展，适应各种情况下的各类角点检测算法纷纷产生，大部分的角点检测算法都以灰度化处理后的图像为检测基础
现代电子技术 2022年17期2022-09-09
- Harris 角点检测算法的应用研究
000）0 引言角点通常是指图像中梯度变化率非常大的像素点及图像边缘曲线曲率是极大值的像素点，反映了图像的局部特征。角点检测被广泛应用于目标定位、图像配准、三维重建、车辆监控、检测与识别等计算机视觉领域。角点检测算法可归纳为2 类：基于图像边缘信息的角点检测和基于灰度图像的角点检测。其中，基于图像边缘信息的角点检测对图像的边缘线依赖程度比较大，如果边缘线在提取时中断，就会对角点的提取结果造成很大的影响，且具有较大的计算量和难度。基于灰度图像的角点检测方法主
智能计算机与应用 2022年8期2022-07-29
- 基于迭代校正的视频图像亚像素角点检测仿真
量场景信息，利用角点能够有效描述视频图像内物体空间结构与特征，通过准确的角点信息可准确识别、定位视频图像内关键点[1]，因此角点检测逐渐成为学者主流研究对象，普遍应用在目标识别、影像拼接与视觉处理等领域[2-3]，相关人员作出大量研究。文献[4]提出基于Harris特征点和DWT-SVD的图像盲水印算法，通过稳定Harris特征点分析角点特征区域，利用一次小波分解方法获取特征区域低频子带，分解角点奇异值，利用加权方法实现角点最奇异值检测，但该方法不具备尺度
计算机仿真 2021年11期2021-12-10
- 面向图像角点特征取证的人工智能检测仿真
150)1 引言角点特征用来反映图像稳定稀疏的分布情况，如像素、结构与尺寸等，其在医疗影像、建筑物裂缝、数控雕刻以及计算机视觉等领域中起着至关重要的作用。图像角点常用二维空间图像亮度变化程度的点来表示，也可以用图像边缘线的曲率最大值点与最小值点来表示[1]。传统图像角点检测方法均效果不佳，不能精准获取到图像真实信息特征，也不能满足日常生活的需求，为此将引入人工智能技术对图像角点特征取证进行检测。图像角点检测是图像特征取证与模式识别方面关键性研究课题。当前，
计算机仿真 2021年1期2021-11-18
- 多支撑区域模式化融合角点检测算法仿真
。本文算法检测的角点属于狭义特征点范畴。到目前为止，角点检测根据检测机理不同，可大致分为两类，分别是基于灰度的角点检测算法[2]和基于轮廓的角点检测算法[3-4]。本文角点检测算法是基于图像轮廓的。基于图像轮廓的角点检测算法通常是利用轮廓曲线上某点的几何位置信息或者曲率来衡量曲线上该点所在位置的弯曲程度，以此判断该点是否为较角点。早期此类算法中较为经典的是Mokhtarian等人于1988年提出的CSS(Curvature Scale Space)算法[5
计算机仿真 2021年8期2021-11-17
- 基于多尺度离散曲率的图像角点检测方法
。在特征检测中，角点是最具代表性的特征之一。有许多应用依赖于角点检测，包括运动跟踪[1]、目标识别[2]和图像配准[3]。角点可以定义为边缘轮廓上轮廓方向变化剧烈的点，也可以定义为一个曲率较大的点[4]。通常，大多数角点检测器可以分为3类[5]：基于灰度强度[6-12]，基于模型[13]和基于轮廓[14-29]的方法。本文主要研究基于轮廓的角点检测算法，现有的基于轮廓的角点检测算法通常先用边缘检测器从输入图像中提取平面曲线，然后沿着曲线像素搜索局部曲率极大
西安工程大学学报 2021年5期2021-11-13
- 基于优化ORB算法的图像角点特征匹配方法*
)0 引 言图像角点特征匹配作为计算机视觉领域的重点研究方向之一，其普遍应用于机器人[1]、无人机[2]与SLAM(Simultaneous Localization and Mapping)[3]等领域。首先，调研了国外科研者提出的图像角点特征匹配算法，例如， SUSAN(Smallest Univalue Segment Assimilating Nucleus)算法[4]、Trajkovic算法[5]和FAST (Features from Acce
重庆工商大学学报（自然科学版） 2021年4期2021-07-21
- 基于多尺度多方向Gabor滤波器的角点检测
48)0 引 言角点作为图像重要的稀疏特征，在目标跟踪[1]、图像配准[2]、立体视觉技术[3]等领域有着广泛的应用。国内外学者就角点检测开展了大量的研究，根据角点判定依据的不同，可将现有的角点检测算法分为3类：基于边缘轮廓的角点检测算法[4-7]、基于模板匹配的角点检测算法[8-10]和基于灰度强度变化的角点检测算法[11-13]。基于边缘轮廓的角点检测算法首先利用边缘特征提取算法获取测试图像的边缘轮廓，再通过分析轮廓曲线的形状变化判定角点。基于模板匹配
西安工程大学学报 2021年3期2021-07-12
- 基于点云聚类的垛型角点检测方法
文针对垛型点云的角点检测展开研究，为码垛规划算法提供了真实的垛型空间模型，增强了码垛规划算法[1]的工程实践性。近年来，国内外许多学者对点云的角点检测展开了研究。文献[2]对获取的三维点云进行边界提取、直线分割和直线拟合等过程，提取角点坐标；文献[3⁃4]认为角点在两条或三条直线的交点处；文献[5]将点云转化成对应的深度图，采用直线求交点的方法获取角点；文献[6]在室内门窗的三维点云模型中，采用点云转2D图像再与三维点云相结合的方法提取角点；文献[7]采用
现代电子技术 2021年11期2021-06-18
- 增强现实飞机维修过程中角点检测方法优化
研究图像识别中的角点检测环节，传统角点检测算法速度较慢，阈值选取不当会提取到伪角点或产生冗余、不足，越来越多的学者开始对传统算法进行优化。文献[3,4]中兰红等用聚类算法马氏距离代替SURF算法欧氏距离，张立亭等提出基于灰度差分与模板的快速Harris算法，两种方法均提高了算法准确性，且后者相比前者降低了算法时间复杂度。文献[5,6]中朱聪等提出基于相似像素Harris算法，徐振武等提出多阈值圆形非极大值抑制法，赋予算法尺度和旋转不变性，后者相比前者优化了
计算机工程与设计 2020年11期2020-11-17
- 基于高斯金字塔的视觉里程计算法研究
提取环节中，由于角点检测算法简单、实时性好，为目前常用的提取算法，主要分为基于图像边缘和基于图像灰度的方法两大类[11]。 基于灰度的方法运行速度快、精度高，为主流算法。代表性算法有Moravec、Fast、Harris、Shi-Tomasi 等。但这些算法存在一个共同问题：容易出现角点聚簇现象。为解决特征分布不均匀的问题，一些学者进行了研究。 如：文献[12]利用相邻匹配特征点之间的空间距离不变性，将特征点分为静态与动态区域，最终只提取静态背景区域的特征
华东交通大学学报 2020年4期2020-09-21
- 基于模板匹配的快速角点检测方法
021)0 概述角点检测[1]是计算机视觉领域中用于提取图像特征的一种重要方法。目前角点仍未有严格的数学定义,一般可认为是某属性上表现突出的点,如二维图像亮度变化强度大的点、多条边缘曲线交汇点或曲线曲率局部极大值点。针对不同的应用场景,也可以对“角点”自行定义,如定义为 “特征点”或“兴趣点”等。角点能够有效保留图像重要特征,剔除冗余信息,提升信息处理速度。这使得角点检测在3D视觉重建、运动目标识别和图像匹配[2]上都得到了很好的应用。棋盘标定板由于制作简
计算机工程 2020年7期2020-07-17
- 角点检测技术综述①
310023)角点检测是机器视觉和计算机视觉领域的基本课题.关于角点目前还没有精准的数学定义,通常将以下几种点称为角点:一是两条边缘以上的交点,二是图像上各个方向亮度变化足够大的点,三是边缘曲线上的曲率极大值点.角点有时也称为兴趣点和特征点,在简化图像信息数据的同时,还在一定程度上保留了图像较为重要的特征信息,从而方便了图像数据的处理.因此,角点检测在三维场景重建、运动估计、视觉跟踪[1]以及图像配准与图像匹配[2]等计算机视觉领域有着广泛的应用.本文对
计算机系统应用 2020年1期2020-01-15
- 一种基于图像邻域灰度变化的角点检测改进方法
00)0 引 言角点包含图像中的重要结构信息,且信息的数据量少,是数字图像范畴中极为重要的特征点。因其具有旋转不变性、尺度不变性,同时对光照变化、仿射及投影变换也有一定不变性等特点[1-4],在相机标定[5]、图像拼接[6]、三维建模[7]、目标跟踪[8]等机器视觉领域有很高的应用价值。角点检测方法可分为基于边缘轮廓、基于模型和基于灰度变化3类角点检测[9].基于边缘轮廓的角点检测严重依赖图像的边缘检测性能,一旦图像边缘出现中断,直接影响角点提取的质量。基
纺织高校基础科学学报 2019年3期2019-10-22
- 改进的Harris算法在海洋遥感图像处理中的应用
83）0 引 言角点是包含了图像的重要特征信息的点，角点检测算法也是热门的图像算法。角点检测算法在目标识别与跟踪、全景拼接、图像配准、相机标定、运动估计、电子稳像等多个领域内起着重要的作用[1]。我国与巴西在1999年合作成功发射“资源一号”卫星，建立了自己的遥感数据采集系统，推动了国内遥感技术发展。随着数据融合的兴起，遥感数据融合也成为热门，广泛应用于地理探测与规划、军事国防、植被农业评估和环境污染等领域，而遥感图像配准是其中关键技术[2]。此外，基于特
现代电子技术 2019年18期2019-09-23
- 基于灰度差预处理的改进Harris角点检测算法
宇 吴成 岳林帮角点是图像重要的特征信息,角点是图像中重要的局部特征信息，角点检测是计算图像角点的数学方法。从图像分析角度，角点可以有以下两种定义：（1）角点可以是两个边缘的角点；（2）角点是邻域内具有两个主方向的特征点。目前，角点检测大致分为三大类：（1）基于灰度图像的角点检测；（2）基于二值图像的角点检测；（3）基于轮廓曲线的角点检测。常见的基于灰度的角点检测算法有Kitchen-Rosenfeld角点检测算法，Harris角点检测算法、KLT角点检测
电子技术与软件工程 2019年9期2019-07-12
- 基于圆环模板和标志矩阵的角点检测算法
同时检出的问题，角点是边缘段的方向属性改变时所标注的特殊的边缘点。角点作为灰度图像稳定的局部特征，包含了图像中的重要结构信息[1]。自从1977年Moravec算法提出以来，研究者们开始研究图像的角点检测理论和方法[2-4]。由于角点检测结果在计算机视觉理论的应用领域都具有重要的作用[5-7]，因此，角点检测理论始终是计算机视觉理论、图像处理领域的研究热点之一。由于角点检测理论的复杂性，角点很难给出明确的定义，目前将角点描述为二维图像亮度变化剧烈的点，或边
计算机技术与发展 2019年6期2019-06-14
- 图像局部信息的角点分类描述
中有这重要意义。角点作为图像中信息含量较高的特征点，在图像匹配中被广泛使用。现有角点检查算法大致可分为两类：基于图像灰度信息的角点检测算法、基于图像边缘的角点检测算法。基于灰度信息的角点检测主要通过定义一个CRF函数判断像素点是否是角点。最著名的算法有：Moravec[1]、Harris[2]、SUSAN[3]、FAST[4]等。这 类 算 法 的CRF 函数通过图像灰度、灰度一阶导数、二阶导数来获取，对图像细节和噪声比较敏感。基于边缘轮廓的方法主要是通过
现代计算机 2019年7期2019-04-12
- 基于Sobel边缘检测的圆周Harris角点检测算法
点［1］，称之为角点。角点是在图像处理中的一个重要特征，它主要运用到运动目标识别和跟踪、图像匹配等计算机视觉领域。角点检测的精确度，直接决定了识别、跟踪及匹配结果的好坏，因此角点检测是计算机视觉处理中十分重要的环节。Harris算法是一种传统的角点检测算法，它是在Moravec算法的基础上，由Harris C和Stephens M两人在1988年改进发展而来的。Harris角点检测存在一些不足，如需人工设置阈值［2］，存在伪角点、角点簇，角点定位不精确以及
西安科技大学学报 2019年2期2019-04-04
- 图像局部矢量点结构的角点检测算法
中有这重要意义。角点是图像的重要局部特征，在图像中信息含量较高，使用角点进行图像匹配能够减少计算量，因此，角点在图像匹配中被广泛使用。国内外学者对角点有着不同的理解，不同的检测手法形成不同的角点定义，总体上角点检测分为两类：基于图像灰度信息的角点检测算法、基于图像边缘的角点检测算法。基于灰度信息的角点检测主要通过定义一个CRF函数判断像素点是否是角点。如：Moravec[1]发现边缘像素只有在沿着边缘线的垂直方向有较大的灰度变化，同质区域的像素灰度变化较小
现代计算机 2018年36期2019-01-23
- 基于FAST角点检测算法上对Y型与X型角点的检测
蔚 甘雨1 引言角点是图像的一种重要的特征点，是图像的特征，有很多对图像的操作都是针对角点进行的。目前角点检测算法广泛应用在图像配准、图像拼接和图像识别等方面，所以对角点检测算法的完善在现阶段的研究中有十分重要的意义。FAST角点检测算法是一种关于角点检测的经典算法。相比于其他的角点检测算法，其最大的优势就是在运行速度和角点检测结果上都具有一定的优势。本文两种算法的提出是基于FAST角点检测算法的基础上对其检测结果的补充。所以继承了其速度上的优势，也可使检
电子技术与软件工程 2018年10期2018-07-16
- 提取运动目标稳健角点算法
阳 712082角点作为目标局部信息最小的一种描述，它对天气、光照等环境变化有较强的适应性和旋转不变性，在不丢失图像数据信息的前提下，用它进行目标的匹配和跟踪，可以大大减少算法的运算量，提高匹配跟踪的即时性。尤其是最近几年，角点被用在目标跟踪、行为分析与理解、交通事件和参数检测等众多领域，取得了较好的效果。综述其起源，出现最早的角点检测算法是1977年的Moravec算法,借鉴其思路，后来又陆续出现了经典的Harris算法和SUSAN算法。但这几个经典算法
智能城市 2018年10期2018-06-15
- 基于SVM的流程图像角点分类
的模糊流程图像.角点是图像的重要局部特征，已被广泛应用于计算机视觉和图像处理的众多领域当中[9].流程图像中的角点是直线或曲线线条的交汇点.流程图的图元结构可表示为特定类型的角点组合，如矩形图元可表示为左上(┌)、右上(┐)、左下(└)、右下(┘)等四类角点的组合.流程图像的角点不受图文粘连和断边的影响，善加利用可以解决现有流程图像识别研究所面临的挑战.自动检测流程图像角点并正确地实现角点分类是充分利用角点特征识别和理解流程图像的基础.现有角点检测算法只计
陕西科技大学学报 2018年2期2018-04-11
- 像素自相关矩阵的阈值自适应角点检测算法
矩阵的阈值自适应角点检测算法邓小炼1，杜玉琪1，王长耀2，王晓花1（1. 三峡大学理学院，宜昌 443002； 2. 中国科学院遥感与数字地球研究所，北京 100101）针对Harris角点检测算法中角点响应函数（corner response function，CRF）系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题，该文提出一种通过计算图像每个像素的自相关矩阵行列式值，构造特征角点图像进行自适应阈值分割的改进Harris角点检测算
农业工程学报 2017年18期2017-11-01
- 提高Shi-Tomasi角点检测精度的方法研究
i-Tomasi角点检测精度的方法研究李正大，蒋燕成都理工大学针对Shi-Tomasi角点检测在检测时出现的错检和漏检问题，提出对图像进行高斯等滤波和sobel边缘检测的预处理，以提高图像在角点位置的矩阵特征值，进而提高其检测精度。经过实验测试，在预处理之后有效提高了精度。角点检测；高斯滤波；sobel；特征值1 引言角点检测是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中，也称为特征点检测。
科学中国人 2017年24期2017-09-14
- Harris角点检测的优化算法①
0)Harris角点检测的优化算法①洪改艳1, 芮廷先2, 俞伟广1, 何士产1, 王天召31(上海财经大学 浙江学院经济与信息管理系, 金华 321000)2(上海财经大学 信息管理与工程学院, 上海 200000)3(解放军73051部队, 金华 321000)针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题, 提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率, 首先加入预筛选得
计算机系统应用 2017年4期2017-05-17
- 基于边缘的角点分类和描述算法
6)基于边缘的角点分类和描述算法高建林(南京航空航天大学 电子信息工程学院，江苏 南京 210016)针对大部分角点算法只关注角点的位置信息，而忽略了角点分类的问题。文中提出了一种利用边缘方向对角点进行分类和描述的方法。根据角点附近边缘方向的分布情况，对构成角点的边缘方向进行二进制编码，从而为角点提供更多的约束。通过比较角点间的二进制编码，可找出相同类型的角点对。实验表明，该方法可实现图片中相同类型角点的匹配，具有较高的正确率。角点；角点分类；角点描述角
电子科技 2016年12期2016-12-26
- 一种改进的多尺度Harris算法
且对于一些类型的角点识别能力较差。针对这些问题，该文提出了一种基于局部标准差和对数计算的多尺度角点检测方法。该方法通过对数化梯度取降低边缘响应对候选点兴趣值的影响，有效地检测不同类型的角点。并重新定义兴趣值函数，由标准差的统计特性计算兴趣值，避免主观选择参数，使算法具有更高的客观性。实验结果表明，该方法具有检测复杂类型角点、精确定位，并具有旋转、灰度、噪声、尺度不变性。角点提取；Harris 算法；标准差；定位角点是图像灰度变化剧烈的点或图像边缘曲线的曲率
梧州学院学报 2016年3期2016-12-20
- 基于FPGA的自适应阈值Harris角点检测硬件实现
阈值Harris角点检测硬件实现潘 聪，黄 鲁(中国科学技术大学 信息科学技术学院，安徽 合肥 230026)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
网络安全与数据管理 2016年19期2016-11-15
- 一种参数自适应的Harris角点检测算法
应的Harris角点检测算法赵萌1，温佩芝2，邓星2，成龙1(1.桂林电子科技大学 电子工程与自动化学院,广西 桂林541004；2.桂林电子科技大学 计算机与信息安全学院,广西 桂林541004)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
桂林电子科技大学学报 2016年3期2016-09-08
- 一种改进的轮廓曲线角点检测方法
种改进的轮廓曲线角点检测方法陈继华，李响，李栋(郑州大学 物理工程学院，郑州450001)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
组合机床与自动化加工技术 2016年7期2016-08-22
- 一种自适应Harris角点检测算法*
适应Harris角点检测算法*王 瑞，郝 娜，张 波，常天庆（装甲兵工程学院，北京 100072）针对传统算法检测效果不理想的问题，提出了一种基于自适应非最大抑制策略的Harris角点检测算法；通过设置抑制半径与角点响应函数的局部最大值关联，减小抑制半径获取角点。算法有效解决了阈值选取和“聚簇”的问题。实验表明，该算法检测出的角点均匀分布，能很好地适应特征匹配等实际应用。Harris，角点检测，自适应非最大抑制0 引言地面场景下的目标检测问题一直是研究的难
火力与指挥控制 2015年7期2015-06-23
- 基于环境差异度的自适应角点匹配算法
境差异度的自适应角点匹配算法刘芳萍，王 沛，马 艳，张 倩(上海师范大学 信息与机电工程学院，上海 200234)基于图像灰度梯度提取的Harris角点，由于角点近邻处其灰度梯度的对比度不明显而造成检测定位偏差，从而导致角点的误匹配率的提高。针对该现象提出了一种“虚影点”改进，同时引入环境差异度作为评判原则，自适应调整角点间的竞争机制的残酷度，结合奇异值分解最终达到优胜劣汰的匹配效果。实验证明，该算法在不影响角点匹配速度的情况下，与其他算法相比对角点的匹配
电视技术 2015年1期2015-05-05
- 基于Harris 算子的灰度图像角点检测方法研究
了很广泛的应用。角点是图像的重要特征，它是图像灰度局部曲率的极大点，决定了对目标轮廓特征的掌握程度。角点在各种影像特征中有很多优点，例如旋转不变性、不随光照变化而变化等。在图像匹配中，角点也发挥着很大的作用，利用角点特征可以大大提高图像匹配的速度。另外，角点还可以作为输入，用于3D 目标跟踪、3D 建模等领域。由于角点检测的广泛应用，角点检测的研究己成为很多课题的重要环节［1］。本文利用Harris 算法对灰度图像提取角点，并定性比较了基本的Harris
产业与科技论坛 2015年20期2015-01-23
- 基于小波变换的角点检测算法
241002）角点是图像的一个重要的局部特征，包含有丰富的信息。目前，对于角点的定义，有很多说法，普遍来说，其立足点基本上都放在二维图像亮度变化剧烈的点以及图像边缘曲线上曲率极大值的点这两个方面。角点在保留图像重要特征的同时，具有旋转不变性，几乎不受光照条件的影响，可以有效地减少信息的数据量，有效地提高了计算的速度，有利于图像的可靠匹配，使得实时处理成为可能。其在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用
安阳工学院学报 2014年4期2014-09-26
- 黑白棋盘格中的角点提取算法的研究*
541004）角点是图像亮度变化与邻点变化程度相差很大的点。Harris角点检测算法[1]是由HARRIS C等人提出的，是基于图像灰度的角点提取算法，即对图像中像素点的灰度值进行处理，避免了基于边缘轮廓的角点提取算法中提取轮廓的误差。摄像机标定是三维计算机视觉[2]的重要组成部分。要获得三维物体的形状和位置等信息，需从摄像机获取该三维物体图像信息。图像上每个点的亮度反映了空间物体表面某点反射光的强度，而这些点在图像上的位置与相应点空间物体表面的几何位置
网络安全与数据管理 2014年9期2014-08-16
- 一种平移旋转图像的角点匹配方法
种平移旋转图像的角点匹配方法王小鹏，房超，雷涛兰州交通大学电子与信息工程学院，兰州 730070在图像角点匹配过程中，目标图像往往存在平移旋转现象，直接影响匹配效果，为此提出了一种平移旋转图像的角点匹配方法。该方法首先利用角点检测生成自相关矩阵的梯度信息与仿射变换相结合，构造确定性退火算法中的自由能函数，然后对该自由能函数进行优化，获取待匹配角点间的仿射变换参数，最后利用该变换参数实现角点匹配。实验结果表明，该方法能够在目标图像发生平移旋转的情况下，有效实
计算机工程与应用 2014年16期2014-07-07
- 基于各向异性高斯方向导数滤波器的角点检测
710048)角点是图像基本特征之一,包含了丰富的结构信息,并且具有几何变换不变性.角点检测是图像处理和计算机视觉重要的组成部分,在图像配准、三维重建及目标跟踪与识别中具有重要的作用[1-4],现今存在大量的角点检测方法.角点一般被认为是图像中周围灰度变化剧烈的点[5]或者图像边缘曲线上曲率极大值的点[6],因此角点检测算法大致可以分为两类:基于图像灰度的角点检测算法[6-9]和基于边缘轮廓的角点检测算法[10-15].基于图像灰度的角点检测算法利用一阶
西安工程大学学报 2014年4期2014-06-27
- 特定边界跟踪中角点检测研究
样，往往检测不到角点，并且在角点附近存在大量信息丢失现象，因此必须采用角点检测算法检测出角点，保证边界跟踪的正确性和准确性。角点是图像轮廓发生突变的点，反映了物体轮廓特征，有时又称为特征点，是模式识别和图像处理中要处理的最小化数据。由于角点在数字图像处理中的重要作用，研究人员提出了各种角点检测算法，如Cooper等人利用链码处像素坐标估计最大曲率值来寻找角点[4]。Ponce和Brady利用图像I(x,y)对x、y的偏导数来寻找角点[5]。Hsin-Ten
应用光学 2014年6期2014-03-27
- 改进的多尺度Harris角点检测算法
尺度Harris角点检测算法张 翀（大连交通大学软件学院,大连,116045）为提高图像中角点检测的准确性，以及对图像噪声的抗干扰性，提出了一种多尺度Harris角点检测算法。该算法首先对图像进行多次高斯平滑，对每次平滑后的图像进行Harris角点检测，获得角点信息；而后，利用真实角点比噪声更稳定的特性，通过统计不同尺度下获得的角点信息，最终提取到真实的角点。实验证明，对于包含大量噪声的图像，提出的多尺度Harris角点检测算法仍能够准确的提取到真实的角点
电子测试 2014年20期2014-02-16
- 双阈值Harris角点检测算法
阈值Harris角点检测算法吴学礼1,2， 丁 雪1， 孟凡华1,2， 赵 萌1(1.河北科技大学电气工程学院, 河北石家庄 050018；2.燕山大学电气工程学院,河北秦皇岛 066000)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
河北科技大学学报 2013年4期2013-12-07
- 多向格型微分和竞争抑制的角点检测改进方法*
518129)角点检测是图像目标定位和跟踪处理中的关键步骤.目前的角点检测算法主要分为4类:①基于边缘的角点检测.这类检测算法，如基于链码的检测器［1-2］，一般选择曲线中具有高曲率的点作为角点.②基于梯度的角点检测.这类算法选择在多个方向上都具有低相似度的特征点作为角点，经典的梯度角点 算 法 有Harris［3］、Noble［4］和 它 们 的 改 进 算法［5-6］，以及尺度不变特征转换算子(SIFT)等［7］.③基于外观的角点检测.此类方法直接考
华南理工大学学报（自然科学版） 2013年11期2013-08-19
- 一种快速自适应的Harris角点检测方法研究
200070)角点是一种重要的图像特征点，其在各个方向梯度变化较大，或在边缘曲线上具有曲率极大值，包含了重要的图像特征信息。所以在物体识别、图像配准、全景拼接等方面具有十分重要的意义［1-3］。准确并快速地提取到角点，能有效地降低信息处理量，大幅提高处理效率。目前角点检测方法通常基于图像灰度信息，这种方法主要通过测算点的曲率及梯度来检测角点。此类方法应用最广泛的是Harris算法［4］，通过计算像素点所在位置的梯度来检测角点。实验结果表明，Harris角
电视技术 2013年19期2013-08-13
- 基于轮廓曲线的角点识别方法
)基于轮廓曲线的角点识别方法谢志明，黄伟琼，黄道平(华南理工大学自动化科学与工程学院，广州 510640)Harris角点检测算法是一种经典的角点检测算子，针对其过于依赖阈值选取及计算量大的缺点，论文提出一种改进的基于轮廓曲线的角点识别的方法，通过判断边缘点方向性，先确定出粗角点，再采取由小尺度到大尺度逐步剔除伪角点的方法，最终实现角点识别。实验结果表明，文中方法对角点提取的时间仅为Harris算法的5%，而且角点定位精确，漏检率低。Harris算法;角点
组合机床与自动化加工技术 2013年3期2013-02-05
- 一种无人机影像分块的亚像素角点快速检测算法
影像分块的亚像素角点快速检测算法何海清(武汉大学测绘学院，武汉 430079)为满足无人机(unmanned aerial vehicle，UAV)影像角点快速检测的需要，针对Harris角点检测算法提取的角点是像素级的、且存在定位不精确和计算效率低的问题，提出了一种改进的、适用于无人机影像的角点检测算法。该算法首先根据最近邻域和对角邻域方向相似像素点特征数目初步筛选角点;然后对无人机影像进行分块处理，进行Harris自适应角点检测;最后，利用加权最小二乘
自然资源遥感 2012年4期2012-12-27
- 基于单应性矩阵的棋盘格角点检测研究
过程中，对棋盘格角点的检测是至关重要的一步，现在也有很多角点检测方法。但是，由于棋盘格背景复杂，为了提高在复杂背景环境下对棋盘格角点检测的精度，采用参考文献[3]中的算法思想，将单应性矩阵应用在棋盘格角点的检测中，提高了角点的检测精度。单应性矩阵在视频图像分析、视觉测量和视觉伺服中都得到广泛的应用[4-5]。1 角点综合检测方法在已知初始化角点坐标的前提下，文中采用了一种简单有效的角点检测方法[3-4，6]，该算法采用由粗到精的多层策略，综合运用了内插值法
电子设计工程 2012年6期2012-09-26
- Harris角点检测算法的实现及应用效果分析
0）Harris角点检测算法的实现及应用效果分析叶增炉（铜陵学院 数学与计算机科学系，安徽 铜陵 244000）Harris角点检测算法是一种非常有效的图像角点提取算法，提取的角点稳定可靠、均匀而且合理。用C#语言实现了Harris角点检测算法实现程序，并结合图例分析了该算法各种参数的设置。角点检测；harris角点检测；C#语言角点特征具有计算量少，匹配简单以及旋转、平移、放缩不变的性质，因此角点在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都
淮南师范学院学报 2011年5期2011-12-28
- 基于SUSAN分层快速角点检测的改进算法
071000）角点是图像的重要特征，它在保留图像重要信息的同时可有效减少数据量，而且对透视变换及变形都具有较强的鲁棒性[1]。利用角点特征可显著提高立体视觉匹配和三维重建算法的效率，因此，角点检测在图像匹配以及三维重建中具有重要意义。角点检测算法主要分为基于图像边缘法[2]和基于图像灰度法[3]两大类。基于图像边缘法对边缘提取算法的依赖性较大，计算复杂且不能很好地定位角点。基于图像灰度的方法则不存在上述缺点，该方法又分为两类：一类是基于图像导数的Ples
电子设计工程 2010年1期2010-08-18
- 基于协方差矩阵和小波变换的角点检测算法
矩阵和小波变换的角点检测算法A corner detection algorithm based on covariance matrix and wavelet transform黄华川，张浬萍HUANG Hua-chuan, ZHANG Li-ping（西南科技大学 制造学院，绵阳 621010）角点在机器视觉方面起着十分重要的作用。本文通过对曲线的协方差矩阵构建方向角函数，对该方向角函数在不同尺度下进行小波变换，最后根据小波变换的响应值，找到曲线上的
制造业自动化 2010年13期2010-04-11
- 可调数学形态学的角点检测新算法
可调数学形态学的角点检测新算法赵钦君1，赵东标2(1. 南京航空航天大学自动化学院 南京 210016; 2. 南京航空航天大学机电学院 南京 210016)提出了一种新的基于可调形态学的角点检测方法。该方法采用对称圆形结构元素，通过选择合适的可调参数，对图像进行可调膨胀和可调腐蚀等一系列运算，先分别计算图像中凸角点和凹角点的精确位置，再将两者结合起来，从而得到图像中的所有角点。利用圆形结构元素大幅度减少了算法的计算量。可调形态学的应用克服了传统形态学检测
电子科技大学学报 2010年6期2010-02-08
- 基于凸包的棋盘格角点自动识别与定位方法*
的摄像机标定中，角点提取的精度与物像坐标的匹配是该算法的重要环节。现有角点提取方法可分为三类[1]：一是根据图像边缘特征，由边缘夹角[2]或曲率[3]来判断是否为角点；二是利用图像的灰度信息，如Susan算法[4]；三是利用图像的灰度变化率，如Harris算法[5]。Schmid等[6]认为, Harris算法是目前最好的一种方法。该方法使用图像的一阶差分，计算每个像素的平均平方梯度矩阵，通过特征值分析得出角点的响应；不受摄像机姿态、光照、噪声等影响，具有
中山大学学报(自然科学版)(中英文) 2009年1期2009-05-08