共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
在研究传统Harris角点检测算法的基础上,结合小波变换的多分辨率特性,提出一种基于小波变换边缘检测与Harris角点检测的多尺度图像配准算法。该算法保持了Harris角点检测算法在图像旋转、缩放或灰度变化时角点提取效果依然良好的优点,改进了其对噪声敏感且不具有尺度不变性的缺点,在不同尺度上有较高稳定性与匹配精准度,抗噪性较强。 相似文献
3.
为了克服传统灰度图像配准方法计算量大、适应能力差等问题,研究了一种基于SIFT角点的图像配准方法。比较了常用的两种特征点提取算子——Harris角点算子和SIFT特征点提取算子,通过性能对比选择SIFT角点作为特征点。SIFT算子提取的特征点可能集中在某一个小区域,采用最大统计滤波对图像进行非最大抑制的方法来进行角点分布的控制。实验证明该方法可以获得的角点分布比较均匀;针对特征点的匹配,首先采用LTS Hausdorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。 相似文献
4.
《常熟理工学院学报》2017,(4)
针对现有视频图像去雾存在信息丢失导致视频抖动的问题,提出了基于最小二乘法的B样条曲线的视频去雾方法 .首先,利用快速Harris角点检测提取视频关键帧的特征点;其次,对视频序列图像帧的特征点进行匹配;再次,基于最小二乘法利用关键帧像素点的估计非关键帧对应像素点的值点;最后,输出稳定完整的视频序列.实验结果表明,该算法利用曲线构建对特征点的处理能够有效地消除视频抖动现象. 相似文献
5.
为了对道路上行驶的车辆速度进行有效估计,提出了一种基于Harris Stephen角点检测算法和归一化互相关（Normalized Cross Correlation method,NCC）匹配算法的视频车辆检测系统。该系统对车辆进行跟踪,并测算车辆在干道和高速公路上的速度。通过使用Harris Stephen角点检测兴趣点,利用归一化互相关算法匹配对应角点,利用点对应关系确定车辆行驶的像素位移。根据车辆在连续视频帧中所有角点的总位移计算车辆的平均位移,结合帧率估计车速。实验结果表明,系统测速精度高,能实时估计出车辆行进的速度。 相似文献
6.
图像稳像分为机械稳像和电子稳像,电子稳像采用图像信息处理方法结合光学图像处理芯片,实现图像的稳定性处理。传统的电子稳像采用角点包络检测方法,在图像受到多重光线干扰下,稳像性能不好。提出一种基于特征匹配的多重光融合图像的稳像技术,首先采用小波降噪方法对图像进行降噪预处理,提取图像的Harris角点特征,进行特征匹配,以此为基础采用图像边缘融合方法进行稳像处理,以提高多重光融合图像的稳像性能。仿真结果表明,采用该算法进行电子稳像处理,多重光融合图像峰值信噪比较高,说明稳像改善程度较好,抗干扰性较强,优于传统算法。 相似文献
7.
文章深入研究了细化指纹图像细节点提取算法,针对常规提取算法中存在一定数量的伪细节点问题,提出了一种改进的细化指纹图像细节点提取算法。该算法在原有提取算法的基础上,在细节点提取中采用了邻域查找删除、边缘删除等措施。实验表明,该算法显著地减少了伪细节点的提取,是一种较为理想的细化指纹图像细节点提取算法。 相似文献
8.
遥感影像具有数据量大、数据结构复杂、连续、存在缺损与误差等特点,根据遥感影像的特点,提出一种基于多代表特征树的CAMFT算法.该算法通过多代表点特征树把海量空间数据进行压缩来提高效率,并且可以捕捉复杂形状聚类;算法CAMFT融人了采样思想,进一步增强了处理大型数据的能力.实验结果表明,该方法聚类精度优于K-Mean算法. 相似文献
9.
传统Harris角点检测算法对噪声敏感,图像分辨率不同,角点容易产生漂移。,结合小波变换的多尺度特性,提出一种基于小波变换的角点检测算法.该算法在图像缩放、旋转或灰度变化时保持了Harris角点检测算法检测角点效果良好的优点．改进了其不具有尺度不变性的缺点,并具有较强的抗噪性与实时性, 相似文献
10.
《赤峰学院学报(自然科学版)》2016,(8)
聚类分析在数据挖掘领域中占有重要地位,到目前为止学者们提出了许多的聚类算法.本文提出了一种基于k NN的聚类算法k-Nearest Neighbor Cluster(k NNC).该算法首先找到每个数据点的k个邻居点,然后设置匹配点数n,通过使用每个点的邻居点进行匹配进而达到聚类效果.本文通过三个实验去验证该算法,并且与k-means算法进行比较.实验结果表明,该算法具有稳定的正确率,而其最大的优点是不需要预先设定聚类簇数,它可以大致的找到聚类的簇数. 相似文献
11.
叶增炉 《淮南师范学院学报》2011,13(5):25-26
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。 相似文献
12.
监控摄像机拍摄得到的二维码图像会产生畸变,进行二维码识别时,如采用单纯的Harris角点检测算法检测二维码图像的4个顶点,存在运算量大、识别效率低的缺陷,不适合在线实时二维码检测场景。提出了一种改进的Harris角点检测方法,先将二维码图像灰度化,再基于Harris算法逐行扫描获取畸变二维码的4个顶点,以缩小对初始二维码图像识别的操作范围。实验结果表明,该方法可大大降低二维码图像识别的运算量。 相似文献
13.
基于分层光流场的运动车辆检测与跟踪 总被引：1，自引：0，他引：1
针对LK(Lucas Kanade)算法不能稳定跟踪快速移动目标的局限性,采用一种图像分层光流的跟踪方法,能获得针对目标的大尺度运动的较好预测结果.为了减少计算量,提出一种基于特征角点的光流跟踪技术,首先提取运动车辆的特征角点,计算其光流场,对角点实施跟踪极大地减少了光流计算量,可以满足目标检测实时性的要求.实验表明,当运动车辆转弯和移动时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征焦点,实现了复杂交通场景下对运动车辆的实时稳定跟踪. 相似文献
14.
针对媒体中广告元素检测需求的多样化,通常需要检测视频或图像中是否存在相应的标版类广告,提出了一种结合Harris角点和SURF描述子的广告图标检测算法。算法利用了Harris角点物理意义明确、稳定性、鲁棒性好、提取用时较快等优点,用于提取图像的特征点;并利用SURF描述子具有的良好的特征描述作用,以及对旋转、亮度等变换的适应性,对特征点生成多个不同尺度的SURF描述子,以用于特征描述和图像间的比较,从而解决图像匹配中的尺度变化适应性问题。使用实际用例对方法进行验证,结果表明方法较之于SURF算法具有更好的快速性,且效果良好,检测结果准确。 相似文献
15.
马无锡 《浙江工贸职业技术学院学报》2017,(2):35-40
针对SIFT(Scale Invariant Feature Transform)算法中阈值影响着图像匹配的成功率,提出了一种阈值自适应的匹配算法.该方法首先对SIFT算法中的阈值系统地研究,发现检测局部特征点的阈值α和图像匹配时最近距离与次近距离的比值的阈值 β对图像是否能够成功匹配起着决定性的作用,然后利用控制α的大小来检测特征点,生成特征描述符.再利用广义紧互对原型的基础上,自动调整 β的大小来控制匹配的对数,最后结合RANSAC和最小二乘法求出图像间的映射关系得到拼接后的图像.实验结果表明,该算法通过自动调整阈值和利用RANSAC剔除误匹配点,加快了图像的匹配速率,开发了全景图像拼接软件. 相似文献
16.
实现影像间自动配准的关键在于快速提取足够数量且精度高的匹配点。提取特征点的方法主要有基于特征和基于灰度两种。经过大量的实验证明,sift算法提取特征点,从粗略的提取特征点,再通过四步对已提取的特征点进行提纯,最后利用精度较高的匹配点进行计算影像间的变换参数,实现配准的自动化。 相似文献
17.
将传统相似三角形匹配方法和快速二维聚类匹配方法进行融合,再利用基于灰度的方法对部分伪匹配三角形进行剔除,实现了一种新的抗旋转、缩放的特征点匹配算法．融合后的算法对有效点的要求降低,同时通过在复数向量空间中进行相似三角形检索及参数聚类,提高了算法的效率． 相似文献
18.
一种基于Harris角点特征精确匹配的图像拼接方法 总被引：1，自引：0，他引：1
提出了一种基于Harris角点特征的精确匹配方法。该方法首先提取参考图像及待拼接图像中各自的Harris角点点集,并计算出这2个点集间每对点的圆形邻域图像的相关系数;再通过提取各个角点邻域的Hu矩特征,获得了该特征下每对点的相似程度。将不同特征下的相似度进行归一化并融合,构造出2个点集间,每对点的相似度表。在此表的基础上,优化匹配结果,使得匹配点对的总体相似程度高,从而得到精确匹配。由于Hu矩特征具有旋转及尺度不变性,因此提取出的角点特征能够较好地抵抗常见的图像变换。最后,实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。通过实际操作表明,该方法的图像拼接效率较高,有较好的鲁棒性。 相似文献
19.
提出一种基于薄板样条的遥感影像非刚性配准方法。首先,根据SIFT算法分别在参考影像与待配准影像中提取特征点;然后,对特征点进行匹配,并利用RANSAC一致性分级检验方法,由粗至精分级排除错误匹配点;最后,利用同名匹配点构建薄板样条配准模型,并完成图像配准结果。实验结果表明,文中方法能有效解决遥感影像在时相变化、几何变形等条件下的配准,具有较高的实用性。 相似文献
20.
《实验室研究与探索》2019,(9):73-78
提出了一种基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法。首先进行所划定判断点的局部阈值计算,利用对比度和局部阈值计算出适合该点的阈值,进行特征点的判断;然后,筛选特征点并进行非极大值抑制去除局部较密集特征点;最后,利用处理后的图像进行角点响应值和拉普拉斯响应值计算得到该尺度下的特征点,再进行局部搜索算法比较得到角点。特征点提取实验结果表明,与SIFT提取的特征点个数及OFAST匹配正确率相比较,特征点提取时特征点个数下降了43. 6%左右,精准度提高了14. 4%,所提基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法具有较好的效果。 相似文献