角點
- 考慮激光雷達誤差的環(huán)境特征識別斜率差優(yōu)化*
在某些時候會造成角點和斷點識別的錯誤,進而導致線段過分割現(xiàn)象和誤分割現(xiàn)象。本文分析了導致該問題的原因,并提出了一種考慮激光雷達誤差的環(huán)境特征識別斜率差優(yōu)化方法。1 基于斜率差的特征提取圖1 掃描點示意圖(1)令第i點的斜率ki為:(2)因為由幾何關(guān)系得:ω3=ω2+Δθ=ω1+2Δθ,所以:k3-k2≈k2-k1≈0(3)當相鄰兩點處的k值之差很小時,就認為該兩點處于同一條直線上,否則該點為斷點或角點。令相鄰激光點斜率的差值:Δki=ki-ki-1(4)激
組合機床與自動化加工技術(shù) 2023年12期2024-01-03
- 一種改進的Harris-RANSAC長焦相機標定算法
程度上取決于使用角點檢測算法提取棋盤格內(nèi)角點像素坐標的精度, 所以高精度的角點檢測算法是保證張正友標定法精度的前提.目前, 基于圖像灰度變化的角點檢測算法因抗噪性能較強和定位性能好而備受關(guān)注, 如Moravec算法[6]、Harris算法[7]、SUSAN算法[8]和BW-Harris[9]等.Harris算法具有計算簡便且性能穩(wěn)定等特點, 在眾多角點檢測算法中脫穎而出.然而, 隨著相機技術(shù)的發(fā)展, Harris算法越來越難以滿足高分辨率圖像的檢測需求,
揚州大學學報(自然科學版) 2023年4期2023-10-11
- 一種改進的Shi-Tomasi角點檢測方法
靠的特點[1]。角點檢測算法廣泛應用在圖像匹配、運動估計、相機標定與視覺定位等方面[2]。目前已有的角點檢測算法主要分為兩大類:(1) 基于圖像邊緣信息的角點檢測;(2) 基于圖像灰度變化的角點檢測算法。基于圖像邊緣信息的角點檢測算法是通過對圖像進行邊緣提取,再通過尋找邊緣上曲率較大的點或者多條邊緣線的交點來提取角點。這類算法有基于小波變換模極大的角點檢測算法[3]、基于邊界曲率的角點檢測算法[4]等,此類算法中角點對邊緣線依賴較大,當邊緣發(fā)生中斷時,角點
計算機應用與軟件 2022年12期2023-01-31
- 改進的Harris角點檢測目標識別方法
進的Harris角點檢測目標識別方法,以Harris角點算法為基礎(chǔ)[2-3],對其進行優(yōu)化,并對圖像進行圖像細化,以此來區(qū)分目標與干擾,解決激光引信成像識別問題。1 角點檢測角點是圖像的一個很重要的特征,在圖像識別中起著重要作用。角點保留了圖像中重要的特征,同時剔除了冗余的數(shù)據(jù)量,角點的信息量很高,因此基于角點的算法計算效率一般較高。角點至今缺乏明確的概念,不同的領(lǐng)域?qū)?span id="j5i0abt0b" class="hl">角點有不同的要求,從而有不同的表述方式。角點常見的描述有:圖像邊緣曲線的最大曲率點;兩條
探測與控制學報 2022年6期2023-01-04
- 一種改進的自適應FAST 角點檢測算法
中的特征點而言,角點可以說是特征點中最有檢測價值的特征點,圖像的分層、前景背景分離,以及檢測物體的邊緣等都會用到角點。在人工智能、無人駕駛、視覺SLAM(Simultaneous Localization and Mapping)等先進領(lǐng)域,尤其是在經(jīng)典的ORB_SLAM 中,F(xiàn)AST 角點檢測算法的使用較多,對該算法的研究和改進也是較為熱門的。經(jīng)過長時間的發(fā)展,適應各種情況下的各類角點檢測算法紛紛產(chǎn)生,大部分的角點檢測算法都以灰度化處理后的圖像為檢測基礎(chǔ)
現(xiàn)代電子技術(shù) 2022年17期2022-09-09
- Harris 角點檢測算法的應用研究
000)0 引言角點通常是指圖像中梯度變化率非常大的像素點及圖像邊緣曲線曲率是極大值的像素點,反映了圖像的局部特征。角點檢測被廣泛應用于目標定位、圖像配準、三維重建、車輛監(jiān)控、檢測與識別等計算機視覺領(lǐng)域。角點檢測算法可歸納為2 類:基于圖像邊緣信息的角點檢測和基于灰度圖像的角點檢測。其中,基于圖像邊緣信息的角點檢測對圖像的邊緣線依賴程度比較大,如果邊緣線在提取時中斷,就會對角點的提取結(jié)果造成很大的影響,且具有較大的計算量和難度?;诨叶葓D像的角點檢測方法主
智能計算機與應用 2022年8期2022-07-29
- 基于迭代校正的視頻圖像亞像素角點檢測仿真
量場景信息,利用角點能夠有效描述視頻圖像內(nèi)物體空間結(jié)構(gòu)與特征,通過準確的角點信息可準確識別、定位視頻圖像內(nèi)關(guān)鍵點[1],因此角點檢測逐漸成為學者主流研究對象,普遍應用在目標識別、影像拼接與視覺處理等領(lǐng)域[2-3],相關(guān)人員作出大量研究。文獻[4]提出基于Harris特征點和DWT-SVD的圖像盲水印算法,通過穩(wěn)定Harris特征點分析角點特征區(qū)域,利用一次小波分解方法獲取特征區(qū)域低頻子帶,分解角點奇異值,利用加權(quán)方法實現(xiàn)角點最奇異值檢測,但該方法不具備尺度
計算機仿真 2021年11期2021-12-10
- 面向圖像角點特征取證的人工智能檢測仿真
150)1 引言角點特征用來反映圖像穩(wěn)定稀疏的分布情況,如像素、結(jié)構(gòu)與尺寸等,其在醫(yī)療影像、建筑物裂縫、數(shù)控雕刻以及計算機視覺等領(lǐng)域中起著至關(guān)重要的作用。圖像角點常用二維空間圖像亮度變化程度的點來表示,也可以用圖像邊緣線的曲率最大值點與最小值點來表示[1]。傳統(tǒng)圖像角點檢測方法均效果不佳,不能精準獲取到圖像真實信息特征,也不能滿足日常生活的需求,為此將引入人工智能技術(shù)對圖像角點特征取證進行檢測。圖像角點檢測是圖像特征取證與模式識別方面關(guān)鍵性研究課題。當前,
計算機仿真 2021年1期2021-11-18
- 多支撐區(qū)域模式化融合角點檢測算法仿真
。本文算法檢測的角點屬于狹義特征點范疇。到目前為止,角點檢測根據(jù)檢測機理不同,可大致分為兩類,分別是基于灰度的角點檢測算法[2]和基于輪廓的角點檢測算法[3-4]。本文角點檢測算法是基于圖像輪廓的?;趫D像輪廓的角點檢測算法通常是利用輪廓曲線上某點的幾何位置信息或者曲率來衡量曲線上該點所在位置的彎曲程度,以此判斷該點是否為較角點。早期此類算法中較為經(jīng)典的是Mokhtarian等人于1988年提出的CSS(Curvature Scale Space)算法[5
計算機仿真 2021年8期2021-11-17
- 基于多尺度離散曲率的圖像角點檢測方法
。在特征檢測中,角點是最具代表性的特征之一。有許多應用依賴于角點檢測,包括運動跟蹤[1]、目標識別[2]和圖像配準[3]。角點可以定義為邊緣輪廓上輪廓方向變化劇烈的點,也可以定義為一個曲率較大的點[4]。通常,大多數(shù)角點檢測器可以分為3類[5]:基于灰度強度[6-12],基于模型[13]和基于輪廓[14-29]的方法。本文主要研究基于輪廓的角點檢測算法,現(xiàn)有的基于輪廓的角點檢測算法通常先用邊緣檢測器從輸入圖像中提取平面曲線,然后沿著曲線像素搜索局部曲率極大
西安工程大學學報 2021年5期2021-11-13
- 基于優(yōu)化ORB算法的圖像角點特征匹配方法*
)0 引 言圖像角點特征匹配作為計算機視覺領(lǐng)域的重點研究方向之一,其普遍應用于機器人[1]、無人機[2]與SLAM(Simultaneous Localization and Mapping)[3]等領(lǐng)域。首先,調(diào)研了國外科研者提出的圖像角點特征匹配算法,例如, SUSAN(Smallest Univalue Segment Assimilating Nucleus)算法[4]、Trajkovic算法[5]和FAST (Features from Acce
重慶工商大學學報(自然科學版) 2021年4期2021-07-21
- 基于多尺度多方向Gabor濾波器的角點檢測
48)0 引 言角點作為圖像重要的稀疏特征,在目標跟蹤[1]、圖像配準[2]、立體視覺技術(shù)[3]等領(lǐng)域有著廣泛的應用。國內(nèi)外學者就角點檢測開展了大量的研究,根據(jù)角點判定依據(jù)的不同,可將現(xiàn)有的角點檢測算法分為3類:基于邊緣輪廓的角點檢測算法[4-7]、基于模板匹配的角點檢測算法[8-10]和基于灰度強度變化的角點檢測算法[11-13]?;谶吘壿喞?span id="j5i0abt0b" class="hl">角點檢測算法首先利用邊緣特征提取算法獲取測試圖像的邊緣輪廓,再通過分析輪廓曲線的形狀變化判定角點?;谀0迤ヅ?/div>
西安工程大學學報 2021年3期2021-07-12
- 基于點云聚類的垛型角點檢測方法
文針對垛型點云的角點檢測展開研究,為碼垛規(guī)劃算法提供了真實的垛型空間模型,增強了碼垛規(guī)劃算法[1]的工程實踐性。近年來,國內(nèi)外許多學者對點云的角點檢測展開了研究。文獻[2]對獲取的三維點云進行邊界提取、直線分割和直線擬合等過程,提取角點坐標;文獻[3?4]認為角點在兩條或三條直線的交點處;文獻[5]將點云轉(zhuǎn)化成對應的深度圖,采用直線求交點的方法獲取角點;文獻[6]在室內(nèi)門窗的三維點云模型中,采用點云轉(zhuǎn)2D圖像再與三維點云相結(jié)合的方法提取角點;文獻[7]采用現(xiàn)代電子技術(shù) 2021年11期2021-06-18
- 增強現(xiàn)實飛機維修過程中角點檢測方法優(yōu)化
研究圖像識別中的角點檢測環(huán)節(jié),傳統(tǒng)角點檢測算法速度較慢,閾值選取不當會提取到偽角點或產(chǎn)生冗余、不足,越來越多的學者開始對傳統(tǒng)算法進行優(yōu)化。文獻[3,4]中蘭紅等用聚類算法馬氏距離代替SURF算法歐氏距離,張立亭等提出基于灰度差分與模板的快速Harris算法,兩種方法均提高了算法準確性,且后者相比前者降低了算法時間復雜度。文獻[5,6]中朱聰?shù)忍岢龌谙嗨葡袼豀arris算法,徐振武等提出多閾值圓形非極大值抑制法,賦予算法尺度和旋轉(zhuǎn)不變性,后者相比前者優(yōu)化了計算機工程與設(shè)計 2020年11期2020-11-17
- 基于高斯金字塔的視覺里程計算法研究
提取環(huán)節(jié)中,由于角點檢測算法簡單、實時性好,為目前常用的提取算法,主要分為基于圖像邊緣和基于圖像灰度的方法兩大類[11]。 基于灰度的方法運行速度快、精度高,為主流算法。代表性算法有Moravec、Fast、Harris、Shi-Tomasi 等。但這些算法存在一個共同問題:容易出現(xiàn)角點聚簇現(xiàn)象。為解決特征分布不均勻的問題,一些學者進行了研究。 如:文獻[12]利用相鄰匹配特征點之間的空間距離不變性,將特征點分為靜態(tài)與動態(tài)區(qū)域,最終只提取靜態(tài)背景區(qū)域的特征華東交通大學學報 2020年4期2020-09-21
- 基于模板匹配的快速角點檢測方法
021)0 概述角點檢測[1]是計算機視覺領(lǐng)域中用于提取圖像特征的一種重要方法。目前角點仍未有嚴格的數(shù)學定義,一般可認為是某屬性上表現(xiàn)突出的點,如二維圖像亮度變化強度大的點、多條邊緣曲線交匯點或曲線曲率局部極大值點。針對不同的應用場景,也可以對“角點”自行定義,如定義為 “特征點”或“興趣點”等。角點能夠有效保留圖像重要特征,剔除冗余信息,提升信息處理速度。這使得角點檢測在3D視覺重建、運動目標識別和圖像匹配[2]上都得到了很好的應用。棋盤標定板由于制作簡計算機工程 2020年7期2020-07-17
- 角點檢測技術(shù)綜述①
310023)角點檢測是機器視覺和計算機視覺領(lǐng)域的基本課題.關(guān)于角點目前還沒有精準的數(shù)學定義,通常將以下幾種點稱為角點:一是兩條邊緣以上的交點,二是圖像上各個方向亮度變化足夠大的點,三是邊緣曲線上的曲率極大值點.角點有時也稱為興趣點和特征點,在簡化圖像信息數(shù)據(jù)的同時,還在一定程度上保留了圖像較為重要的特征信息,從而方便了圖像數(shù)據(jù)的處理.因此,角點檢測在三維場景重建、運動估計、視覺跟蹤[1]以及圖像配準與圖像匹配[2]等計算機視覺領(lǐng)域有著廣泛的應用.本文對計算機系統(tǒng)應用 2020年1期2020-01-15
- 一種基于圖像鄰域灰度變化的角點檢測改進方法
00)0 引 言角點包含圖像中的重要結(jié)構(gòu)信息,且信息的數(shù)據(jù)量少,是數(shù)字圖像范疇中極為重要的特征點。因其具有旋轉(zhuǎn)不變性、尺度不變性,同時對光照變化、仿射及投影變換也有一定不變性等特點[1-4],在相機標定[5]、圖像拼接[6]、三維建模[7]、目標跟蹤[8]等機器視覺領(lǐng)域有很高的應用價值。角點檢測方法可分為基于邊緣輪廓、基于模型和基于灰度變化3類角點檢測[9].基于邊緣輪廓的角點檢測嚴重依賴圖像的邊緣檢測性能,一旦圖像邊緣出現(xiàn)中斷,直接影響角點提取的質(zhì)量。基紡織高?;A(chǔ)科學學報 2019年3期2019-10-22
- 改進的Harris算法在海洋遙感圖像處理中的應用
83)0 引 言角點是包含了圖像的重要特征信息的點,角點檢測算法也是熱門的圖像算法。角點檢測算法在目標識別與跟蹤、全景拼接、圖像配準、相機標定、運動估計、電子穩(wěn)像等多個領(lǐng)域內(nèi)起著重要的作用[1]。我國與巴西在1999年合作成功發(fā)射“資源一號”衛(wèi)星,建立了自己的遙感數(shù)據(jù)采集系統(tǒng),推動了國內(nèi)遙感技術(shù)發(fā)展。隨著數(shù)據(jù)融合的興起,遙感數(shù)據(jù)融合也成為熱門,廣泛應用于地理探測與規(guī)劃、軍事國防、植被農(nóng)業(yè)評估和環(huán)境污染等領(lǐng)域,而遙感圖像配準是其中關(guān)鍵技術(shù)[2]。此外,基于特現(xiàn)代電子技術(shù) 2019年18期2019-09-23
- 基于灰度差預處理的改進Harris角點檢測算法
宇 吳成 岳林幫角點是圖像重要的特征信息,角點是圖像中重要的局部特征信息,角點檢測是計算圖像角點的數(shù)學方法。從圖像分析角度,角點可以有以下兩種定義:(1)角點可以是兩個邊緣的角點;(2)角點是鄰域內(nèi)具有兩個主方向的特征點。目前,角點檢測大致分為三大類:(1)基于灰度圖像的角點檢測;(2)基于二值圖像的角點檢測;(3)基于輪廓曲線的角點檢測。常見的基于灰度的角點檢測算法有Kitchen-Rosenfeld角點檢測算法,Harris角點檢測算法、KLT角點檢測電子技術(shù)與軟件工程 2019年9期2019-07-12
- 基于圓環(huán)模板和標志矩陣的角點檢測算法
同時檢出的問題,角點是邊緣段的方向?qū)傩愿淖儠r所標注的特殊的邊緣點。角點作為灰度圖像穩(wěn)定的局部特征,包含了圖像中的重要結(jié)構(gòu)信息[1]。自從1977年Moravec算法提出以來,研究者們開始研究圖像的角點檢測理論和方法[2-4]。由于角點檢測結(jié)果在計算機視覺理論的應用領(lǐng)域都具有重要的作用[5-7],因此,角點檢測理論始終是計算機視覺理論、圖像處理領(lǐng)域的研究熱點之一。由于角點檢測理論的復雜性,角點很難給出明確的定義,目前將角點描述為二維圖像亮度變化劇烈的點,或邊計算機技術(shù)與發(fā)展 2019年6期2019-06-14
- 圖像局部信息的角點分類描述
中有這重要意義。角點作為圖像中信息含量較高的特征點,在圖像匹配中被廣泛使用?,F(xiàn)有角點檢查算法大致可分為兩類:基于圖像灰度信息的角點檢測算法、基于圖像邊緣的角點檢測算法?;诨叶刃畔⒌?span id="j5i0abt0b" class="hl">角點檢測主要通過定義一個CRF函數(shù)判斷像素點是否是角點。最著名的算法有:Moravec[1]、Harris[2]、SUSAN[3]、FAST[4]等。這 類 算 法 的CRF 函數(shù)通過圖像灰度、灰度一階導數(shù)、二階導數(shù)來獲取,對圖像細節(jié)和噪聲比較敏感?;谶吘壿喞姆椒ㄖ饕峭ㄟ^現(xiàn)代計算機 2019年7期2019-04-12
- 基于Sobel邊緣檢測的圓周Harris角點檢測算法
點[1],稱之為角點。角點是在圖像處理中的一個重要特征,它主要運用到運動目標識別和跟蹤、圖像匹配等計算機視覺領(lǐng)域。角點檢測的精確度,直接決定了識別、跟蹤及匹配結(jié)果的好壞,因此角點檢測是計算機視覺處理中十分重要的環(huán)節(jié)。Harris算法是一種傳統(tǒng)的角點檢測算法,它是在Moravec算法的基礎(chǔ)上,由Harris C和Stephens M兩人在1988年改進發(fā)展而來的。Harris角點檢測存在一些不足,如需人工設(shè)置閾值[2],存在偽角點、角點簇,角點定位不精確以及西安科技大學學報 2019年2期2019-04-04
- 圖像局部矢量點結(jié)構(gòu)的角點檢測算法
中有這重要意義。角點是圖像的重要局部特征,在圖像中信息含量較高,使用角點進行圖像匹配能夠減少計算量,因此,角點在圖像匹配中被廣泛使用。國內(nèi)外學者對角點有著不同的理解,不同的檢測手法形成不同的角點定義,總體上角點檢測分為兩類:基于圖像灰度信息的角點檢測算法、基于圖像邊緣的角點檢測算法?;诨叶刃畔⒌?span id="j5i0abt0b" class="hl">角點檢測主要通過定義一個CRF函數(shù)判斷像素點是否是角點。如:Moravec[1]發(fā)現(xiàn)邊緣像素只有在沿著邊緣線的垂直方向有較大的灰度變化,同質(zhì)區(qū)域的像素灰度變化較小現(xiàn)代計算機 2018年36期2019-01-23
- 基于FAST角點檢測算法上對Y型與X型角點的檢測
蔚 甘雨1 引言角點是圖像的一種重要的特征點,是圖像的特征,有很多對圖像的操作都是針對角點進行的。目前角點檢測算法廣泛應用在圖像配準、圖像拼接和圖像識別等方面,所以對角點檢測算法的完善在現(xiàn)階段的研究中有十分重要的意義。FAST角點檢測算法是一種關(guān)于角點檢測的經(jīng)典算法。相比于其他的角點檢測算法,其最大的優(yōu)勢就是在運行速度和角點檢測結(jié)果上都具有一定的優(yōu)勢。本文兩種算法的提出是基于FAST角點檢測算法的基礎(chǔ)上對其檢測結(jié)果的補充。所以繼承了其速度上的優(yōu)勢,也可使檢電子技術(shù)與軟件工程 2018年10期2018-07-16
- 提取運動目標穩(wěn)健角點算法
陽 712082角點作為目標局部信息最小的一種描述,它對天氣、光照等環(huán)境變化有較強的適應性和旋轉(zhuǎn)不變性,在不丟失圖像數(shù)據(jù)信息的前提下,用它進行目標的匹配和跟蹤,可以大大減少算法的運算量,提高匹配跟蹤的即時性。尤其是最近幾年,角點被用在目標跟蹤、行為分析與理解、交通事件和參數(shù)檢測等眾多領(lǐng)域,取得了較好的效果。綜述其起源,出現(xiàn)最早的角點檢測算法是1977年的Moravec算法,借鑒其思路,后來又陸續(xù)出現(xiàn)了經(jīng)典的Harris算法和SUSAN算法。但這幾個經(jīng)典算法智能城市 2018年10期2018-06-15
- 基于SVM的流程圖像角點分類
的模糊流程圖像.角點是圖像的重要局部特征,已被廣泛應用于計算機視覺和圖像處理的眾多領(lǐng)域當中[9].流程圖像中的角點是直線或曲線線條的交匯點.流程圖的圖元結(jié)構(gòu)可表示為特定類型的角點組合,如矩形圖元可表示為左上(┌)、右上(┐)、左下(└)、右下(┘)等四類角點的組合.流程圖像的角點不受圖文粘連和斷邊的影響,善加利用可以解決現(xiàn)有流程圖像識別研究所面臨的挑戰(zhàn).自動檢測流程圖像角點并正確地實現(xiàn)角點分類是充分利用角點特征識別和理解流程圖像的基礎(chǔ).現(xiàn)有角點檢測算法只計陜西科技大學學報 2018年2期2018-04-11
- 像素自相關(guān)矩陣的閾值自適應角點檢測算法
矩陣的閾值自適應角點檢測算法鄧小煉1,杜玉琪1,王長耀2,王曉花1(1. 三峽大學理學院,宜昌 443002; 2. 中國科學院遙感與數(shù)字地球研究所,北京 100101)針對Harris角點檢測算法中角點響應函數(shù)(corner response function,CRF)系數(shù)閾值與非極大值抑制系數(shù)閾值需要人為設(shè)定所造成的可變性和隨機性等問題,該文提出一種通過計算圖像每個像素的自相關(guān)矩陣行列式值,構(gòu)造特征角點圖像進行自適應閾值分割的改進Harris角點檢測算農(nóng)業(yè)工程學報 2017年18期2017-11-01
- 提高Shi-Tomasi角點檢測精度的方法研究
i-Tomasi角點檢測精度的方法研究李正大,蔣燕成都理工大學針對Shi-Tomasi角點檢測在檢測時出現(xiàn)的錯檢和漏檢問題,提出對圖像進行高斯等濾波和sobel邊緣檢測的預處理,以提高圖像在角點位置的矩陣特征值,進而提高其檢測精度。經(jīng)過實驗測試,在預處理之后有效提高了精度。角點檢測;高斯濾波;sobel;特征值1 引言角點檢測是計算機視覺系統(tǒng)中用來獲得圖像特征的一種方法,廣泛應用于運動檢測、圖像匹配、視頻跟蹤、三維建模和目標識別等領(lǐng)域中,也稱為特征點檢測。科學中國人 2017年24期2017-09-14
- Harris角點檢測的優(yōu)化算法①
0)Harris角點檢測的優(yōu)化算法①洪改艷1, 芮廷先2, 俞偉廣1, 何士產(chǎn)1, 王天召31(上海財經(jīng)大學 浙江學院經(jīng)濟與信息管理系, 金華 321000)2(上海財經(jīng)大學 信息管理與工程學院, 上海 200000)3(解放軍73051部隊, 金華 321000)針對Harris角點檢測算法中提取出較多的偽角點和計算量大的問題, 提出了一種基于Harris角點檢測的改進算法. 為抑制Harris角點檢測中的偽角點數(shù)目并且提高算法的效率, 首先加入預篩選得計算機系統(tǒng)應用 2017年4期2017-05-17
- 基于邊緣的角點分類和描述算法
6)?基于邊緣的角點分類和描述算法高建林(南京航空航天大學 電子信息工程學院,江蘇 南京 210016)針對大部分角點算法只關(guān)注角點的位置信息,而忽略了角點分類的問題。文中提出了一種利用邊緣方向?qū)?span id="j5i0abt0b" class="hl">角點進行分類和描述的方法。根據(jù)角點附近邊緣方向的分布情況,對構(gòu)成角點的邊緣方向進行二進制編碼,從而為角點提供更多的約束。通過比較角點間的二進制編碼,可找出相同類型的角點對。實驗表明,該方法可實現(xiàn)圖片中相同類型角點的匹配,具有較高的正確率。角點;角點分類;角點描述角電子科技 2016年12期2016-12-26
- 一種改進的多尺度Harris算法
且對于一些類型的角點識別能力較差。針對這些問題,該文提出了一種基于局部標準差和對數(shù)計算的多尺度角點檢測方法。該方法通過對數(shù)化梯度取降低邊緣響應對候選點興趣值的影響,有效地檢測不同類型的角點。并重新定義興趣值函數(shù),由標準差的統(tǒng)計特性計算興趣值,避免主觀選擇參數(shù),使算法具有更高的客觀性。實驗結(jié)果表明,該方法具有檢測復雜類型角點、精確定位,并具有旋轉(zhuǎn)、灰度、噪聲、尺度不變性。角點提??;Harris 算法;標準差;定位角點是圖像灰度變化劇烈的點或圖像邊緣曲線的曲率梧州學院學報 2016年3期2016-12-20
- 基于FPGA的自適應閾值Harris角點檢測硬件實現(xiàn)
閾值Harris角點檢測硬件實現(xiàn)潘 聰,黃 魯(中國科學技術(shù)大學 信息科學技術(shù)學院,安徽 合肥 230026)基于FPGA實現(xiàn)了一種自適應閾值Harris角點檢測,用于解決低成本ARM處理器無法實時檢測到目標角點的問題。該算法首先對整幀像素點進行預篩選,將篩選通過的點進行Harris角點檢測,通過設(shè)置容忍距離剔除偽角點,得到最終角點并通過LCD屏實時顯示。采用自適應閾值方法來解決單一閾值不適應于多樣化環(huán)境的問題,使每幀(分辨率為480×272)都能檢測到大網(wǎng)絡安全與數(shù)據(jù)管理 2016年19期2016-11-15
- 一種參數(shù)自適應的Harris角點檢測算法
應的Harris角點檢測算法趙萌1,溫佩芝2,鄧星2,成龍1(1.桂林電子科技大學 電子工程與自動化學院,廣西 桂林541004;2.桂林電子科技大學 計算機與信息安全學院,廣西 桂林541004)針對用固定高斯函數(shù)參數(shù)σ值及人為設(shè)定閾值時角點檢測不準確的問題,提出一種σ自適應的Harris算法。在選定區(qū)域內(nèi)設(shè)置多個σ值提取Harris預選角點,對非極大值抑制時,采用自適應閾值獲得預選角點;對不同σ值生成的預選角點響應函數(shù)R采用約束準則篩選出最大值,從而提桂林電子科技大學學報 2016年3期2016-09-08
- 一種改進的輪廓曲線角點檢測方法
種改進的輪廓曲線角點檢測方法陳繼華,李響,李棟(鄭州大學 物理工程學院,鄭州450001)角點特征檢測方法是圖像處理的重要研究內(nèi)容,針對傳統(tǒng)的曲率尺度空間角點檢測中,選擇不同尺度會導致角點的漏檢測和誤檢測問題。提出一種改進的輪廓曲線角點檢測方法,先在低尺度下采用較大步長的曲率閾值法剔除小曲率區(qū)域上的偽角點,將偽角點集中在曲率較大的圓弧區(qū)域,再合并微小圖元剔除圓弧上偽角點,并結(jié)合投影高度法判斷圖元屬性,對圖元進行分割和融合,提高了檢測精度。實驗結(jié)果表明,改進組合機床與自動化加工技術(shù) 2016年7期2016-08-22
- 一種自適應Harris角點檢測算法*
適應Harris角點檢測算法*王 瑞,郝 娜,張 波,常天慶(裝甲兵工程學院,北京 100072)針對傳統(tǒng)算法檢測效果不理想的問題,提出了一種基于自適應非最大抑制策略的Harris角點檢測算法;通過設(shè)置抑制半徑與角點響應函數(shù)的局部最大值關(guān)聯(lián),減小抑制半徑獲取角點。算法有效解決了閾值選取和“聚簇”的問題。實驗表明,該算法檢測出的角點均勻分布,能很好地適應特征匹配等實際應用。Harris,角點檢測,自適應非最大抑制0 引言地面場景下的目標檢測問題一直是研究的難火力與指揮控制 2015年7期2015-06-23
- 基于環(huán)境差異度的自適應角點匹配算法
境差異度的自適應角點匹配算法劉芳萍,王 沛,馬 艷,張 倩(上海師范大學 信息與機電工程學院,上海 200234)基于圖像灰度梯度提取的Harris角點,由于角點近鄰處其灰度梯度的對比度不明顯而造成檢測定位偏差,從而導致角點的誤匹配率的提高。針對該現(xiàn)象提出了一種“虛影點”改進,同時引入環(huán)境差異度作為評判原則,自適應調(diào)整角點間的競爭機制的殘酷度,結(jié)合奇異值分解最終達到優(yōu)勝劣汰的匹配效果。實驗證明,該算法在不影響角點匹配速度的情況下,與其他算法相比對角點的匹配電視技術(shù) 2015年1期2015-05-05
- 基于Harris 算子的灰度圖像角點檢測方法研究
了很廣泛的應用。角點是圖像的重要特征,它是圖像灰度局部曲率的極大點,決定了對目標輪廓特征的掌握程度。角點在各種影像特征中有很多優(yōu)點,例如旋轉(zhuǎn)不變性、不隨光照變化而變化等。在圖像匹配中,角點也發(fā)揮著很大的作用,利用角點特征可以大大提高圖像匹配的速度。另外,角點還可以作為輸入,用于3D 目標跟蹤、3D 建模等領(lǐng)域。由于角點檢測的廣泛應用,角點檢測的研究己成為很多課題的重要環(huán)節(jié)[1]。本文利用Harris 算法對灰度圖像提取角點,并定性比較了基本的Harris產(chǎn)業(yè)與科技論壇 2015年20期2015-01-23
- 基于小波變換的角點檢測算法
241002)角點是圖像的一個重要的局部特征,包含有豐富的信息。目前,對于角點的定義,有很多說法,普遍來說,其立足點基本上都放在二維圖像亮度變化劇烈的點以及圖像邊緣曲線上曲率極大值的點這兩個方面。角點在保留圖像重要特征的同時,具有旋轉(zhuǎn)不變性,幾乎不受光照條件的影響,可以有效地減少信息的數(shù)據(jù)量,有效地提高了計算的速度,有利于圖像的可靠匹配,使得實時處理成為可能。其在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領(lǐng)域起著非常重要的作用安陽工學院學報 2014年4期2014-09-26
- 黑白棋盤格中的角點提取算法的研究*
541004)角點是圖像亮度變化與鄰點變化程度相差很大的點。Harris角點檢測算法[1]是由HARRIS C等人提出的,是基于圖像灰度的角點提取算法,即對圖像中像素點的灰度值進行處理,避免了基于邊緣輪廓的角點提取算法中提取輪廓的誤差。攝像機標定是三維計算機視覺[2]的重要組成部分。要獲得三維物體的形狀和位置等信息,需從攝像機獲取該三維物體圖像信息。圖像上每個點的亮度反映了空間物體表面某點反射光的強度,而這些點在圖像上的位置與相應點空間物體表面的幾何位置網(wǎng)絡安全與數(shù)據(jù)管理 2014年9期2014-08-16
- 一種平移旋轉(zhuǎn)圖像的角點匹配方法
種平移旋轉(zhuǎn)圖像的角點匹配方法王小鵬,房超,雷濤蘭州交通大學電子與信息工程學院,蘭州 730070在圖像角點匹配過程中,目標圖像往往存在平移旋轉(zhuǎn)現(xiàn)象,直接影響匹配效果,為此提出了一種平移旋轉(zhuǎn)圖像的角點匹配方法。該方法首先利用角點檢測生成自相關(guān)矩陣的梯度信息與仿射變換相結(jié)合,構(gòu)造確定性退火算法中的自由能函數(shù),然后對該自由能函數(shù)進行優(yōu)化,獲取待匹配角點間的仿射變換參數(shù),最后利用該變換參數(shù)實現(xiàn)角點匹配。實驗結(jié)果表明,該方法能夠在目標圖像發(fā)生平移旋轉(zhuǎn)的情況下,有效實計算機工程與應用 2014年16期2014-07-07
- 基于各向異性高斯方向?qū)?shù)濾波器的角點檢測
710048)角點是圖像基本特征之一,包含了豐富的結(jié)構(gòu)信息,并且具有幾何變換不變性.角點檢測是圖像處理和計算機視覺重要的組成部分,在圖像配準、三維重建及目標跟蹤與識別中具有重要的作用[1-4],現(xiàn)今存在大量的角點檢測方法.角點一般被認為是圖像中周圍灰度變化劇烈的點[5]或者圖像邊緣曲線上曲率極大值的點[6],因此角點檢測算法大致可以分為兩類:基于圖像灰度的角點檢測算法[6-9]和基于邊緣輪廓的角點檢測算法[10-15].基于圖像灰度的角點檢測算法利用一階西安工程大學學報 2014年4期2014-06-27
- 特定邊界跟蹤中角點檢測研究
樣,往往檢測不到角點,并且在角點附近存在大量信息丟失現(xiàn)象,因此必須采用角點檢測算法檢測出角點,保證邊界跟蹤的正確性和準確性。角點是圖像輪廓發(fā)生突變的點,反映了物體輪廓特征,有時又稱為特征點,是模式識別和圖像處理中要處理的最小化數(shù)據(jù)。由于角點在數(shù)字圖像處理中的重要作用,研究人員提出了各種角點檢測算法,如Cooper等人利用鏈碼處像素坐標估計最大曲率值來尋找角點[4]。Ponce和Brady利用圖像I(x,y)對x、y的偏導數(shù)來尋找角點[5]。Hsin-Ten應用光學 2014年6期2014-03-27
- 改進的多尺度Harris角點檢測算法
尺度Harris角點檢測算法張 翀(大連交通大學軟件學院,大連,116045)為提高圖像中角點檢測的準確性,以及對圖像噪聲的抗干擾性,提出了一種多尺度Harris角點檢測算法。該算法首先對圖像進行多次高斯平滑,對每次平滑后的圖像進行Harris角點檢測,獲得角點信息;而后,利用真實角點比噪聲更穩(wěn)定的特性,通過統(tǒng)計不同尺度下獲得的角點信息,最終提取到真實的角點。實驗證明,對于包含大量噪聲的圖像,提出的多尺度Harris角點檢測算法仍能夠準確的提取到真實的角點電子測試 2014年20期2014-02-16
- 雙閾值Harris角點檢測算法
閾值Harris角點檢測算法吳學禮1,2, 丁 雪1, 孟凡華1,2, 趙 萌1(1.河北科技大學電氣工程學院, 河北石家莊 050018;2.燕山大學電氣工程學院,河北秦皇島 066000)角點檢測是圖像處理中的一種重要的特征提取方法,為了改進角點檢測算子的檢測性能,提高角點檢測的精度,降低檢測出偽角點的概率,針對Harris角點算法的閾值受人為給定的限制的缺陷,提出了一種基于雙閾值的Harris角點檢測,利用小閾值T1來檢測角點,利用大閾值T2來限制偽河北科技大學學報 2013年4期2013-12-07
- 多向格型微分和競爭抑制的角點檢測改進方法*
518129)角點檢測是圖像目標定位和跟蹤處理中的關(guān)鍵步驟.目前的角點檢測算法主要分為4類:①基于邊緣的角點檢測.這類檢測算法,如基于鏈碼的檢測器[1-2],一般選擇曲線中具有高曲率的點作為角點.②基于梯度的角點檢測.這類算法選擇在多個方向上都具有低相似度的特征點作為角點,經(jīng)典的梯度角點 算 法 有Harris[3]、Noble[4]和 它 們 的 改 進 算法[5-6],以及尺度不變特征轉(zhuǎn)換算子(SIFT)等[7].③基于外觀的角點檢測.此類方法直接考華南理工大學學報(自然科學版) 2013年11期2013-08-19
- 一種快速自適應的Harris角點檢測方法研究
200070)角點是一種重要的圖像特征點,其在各個方向梯度變化較大,或在邊緣曲線上具有曲率極大值,包含了重要的圖像特征信息。所以在物體識別、圖像配準、全景拼接等方面具有十分重要的意義[1-3]。準確并快速地提取到角點,能有效地降低信息處理量,大幅提高處理效率。目前角點檢測方法通?;趫D像灰度信息,這種方法主要通過測算點的曲率及梯度來檢測角點。此類方法應用最廣泛的是Harris算法[4],通過計算像素點所在位置的梯度來檢測角點。實驗結(jié)果表明,Harris角電視技術(shù) 2013年19期2013-08-13
- 基于輪廓曲線的角點識別方法
)基于輪廓曲線的角點識別方法謝志明,黃偉瓊,黃道平(華南理工大學自動化科學與工程學院,廣州 510640)Harris角點檢測算法是一種經(jīng)典的角點檢測算子,針對其過于依賴閾值選取及計算量大的缺點,論文提出一種改進的基于輪廓曲線的角點識別的方法,通過判斷邊緣點方向性,先確定出粗角點,再采取由小尺度到大尺度逐步剔除偽角點的方法,最終實現(xiàn)角點識別。實驗結(jié)果表明,文中方法對角點提取的時間僅為Harris算法的5%,而且角點定位精確,漏檢率低。Harris算法;角點組合機床與自動化加工技術(shù) 2013年3期2013-02-05
- 一種無人機影像分塊的亞像素角點快速檢測算法
影像分塊的亞像素角點快速檢測算法何海清(武漢大學測繪學院,武漢 430079)為滿足無人機(unmanned aerial vehicle,UAV)影像角點快速檢測的需要,針對Harris角點檢測算法提取的角點是像素級的、且存在定位不精確和計算效率低的問題,提出了一種改進的、適用于無人機影像的角點檢測算法。該算法首先根據(jù)最近鄰域和對角鄰域方向相似像素點特征數(shù)目初步篩選角點;然后對無人機影像進行分塊處理,進行Harris自適應角點檢測;最后,利用加權(quán)最小二乘自然資源遙感 2012年4期2012-12-27
- 基于單應性矩陣的棋盤格角點檢測研究
過程中,對棋盤格角點的檢測是至關(guān)重要的一步,現(xiàn)在也有很多角點檢測方法。但是,由于棋盤格背景復雜,為了提高在復雜背景環(huán)境下對棋盤格角點檢測的精度,采用參考文獻[3]中的算法思想,將單應性矩陣應用在棋盤格角點的檢測中,提高了角點的檢測精度。單應性矩陣在視頻圖像分析、視覺測量和視覺伺服中都得到廣泛的應用[4-5]。1 角點綜合檢測方法在已知初始化角點坐標的前提下,文中采用了一種簡單有效的角點檢測方法[3-4,6],該算法采用由粗到精的多層策略,綜合運用了內(nèi)插值法電子設(shè)計工程 2012年6期2012-09-26
- Harris角點檢測算法的實現(xiàn)及應用效果分析
0)Harris角點檢測算法的實現(xiàn)及應用效果分析葉增爐(銅陵學院 數(shù)學與計算機科學系,安徽 銅陵 244000)Harris角點檢測算法是一種非常有效的圖像角點提取算法,提取的角點穩(wěn)定可靠、均勻而且合理。用C#語言實現(xiàn)了Harris角點檢測算法實現(xiàn)程序,并結(jié)合圖例分析了該算法各種參數(shù)的設(shè)置。角點檢測;harris角點檢測;C#語言角點特征具有計算量少,匹配簡單以及旋轉(zhuǎn)、平移、放縮不變的性質(zhì),因此角點在圖像配準與匹配、目標識別、運動分析、目標跟蹤等應用領(lǐng)域都淮南師范學院學報 2011年5期2011-12-28
- 基于SUSAN分層快速角點檢測的改進算法
071000)角點是圖像的重要特征,它在保留圖像重要信息的同時可有效減少數(shù)據(jù)量,而且對透視變換及變形都具有較強的魯棒性[1]。利用角點特征可顯著提高立體視覺匹配和三維重建算法的效率,因此,角點檢測在圖像匹配以及三維重建中具有重要意義。角點檢測算法主要分為基于圖像邊緣法[2]和基于圖像灰度法[3]兩大類?;趫D像邊緣法對邊緣提取算法的依賴性較大,計算復雜且不能很好地定位角點?;趫D像灰度的方法則不存在上述缺點,該方法又分為兩類:一類是基于圖像導數(shù)的Ples電子設(shè)計工程 2010年1期2010-08-18
- 基于協(xié)方差矩陣和小波變換的角點檢測算法
矩陣和小波變換的角點檢測算法A corner detection algorithm based on covariance matrix and wavelet transform黃華川,張浬萍HUANG Hua-chuan, ZHANG Li-ping(西南科技大學 制造學院,綿陽 621010)角點在機器視覺方面起著十分重要的作用。本文通過對曲線的協(xié)方差矩陣構(gòu)建方向角函數(shù),對該方向角函數(shù)在不同尺度下進行小波變換,最后根據(jù)小波變換的響應值,找到曲線上的制造業(yè)自動化 2010年13期2010-04-11
- 可調(diào)數(shù)學形態(tài)學的角點檢測新算法
可調(diào)數(shù)學形態(tài)學的角點檢測新算法趙欽君1,趙東標2(1. 南京航空航天大學自動化學院 南京 210016; 2. 南京航空航天大學機電學院 南京 210016)提出了一種新的基于可調(diào)形態(tài)學的角點檢測方法。該方法采用對稱圓形結(jié)構(gòu)元素,通過選擇合適的可調(diào)參數(shù),對圖像進行可調(diào)膨脹和可調(diào)腐蝕等一系列運算,先分別計算圖像中凸角點和凹角點的精確位置,再將兩者結(jié)合起來,從而得到圖像中的所有角點。利用圓形結(jié)構(gòu)元素大幅度減少了算法的計算量??烧{(diào)形態(tài)學的應用克服了傳統(tǒng)形態(tài)學檢測電子科技大學學報 2010年6期2010-02-08
- 基于凸包的棋盤格角點自動識別與定位方法*
的攝像機標定中,角點提取的精度與物像坐標的匹配是該算法的重要環(huán)節(jié)?,F(xiàn)有角點提取方法可分為三類[1]:一是根據(jù)圖像邊緣特征,由邊緣夾角[2]或曲率[3]來判斷是否為角點;二是利用圖像的灰度信息,如Susan算法[4];三是利用圖像的灰度變化率,如Harris算法[5]。Schmid等[6]認為, Harris算法是目前最好的一種方法。該方法使用圖像的一階差分,計算每個像素的平均平方梯度矩陣,通過特征值分析得出角點的響應;不受攝像機姿態(tài)、光照、噪聲等影響,具有中山大學學報(自然科學版)(中英文) 2009年1期2009-05-08
- 基于點云聚類的垛型角點檢測方法