面向影像匹配的SUSAN角点检测

在分析比较现有角点提取算法的基础上,将SUSAN算法用于提取高分辨率影像的角点及影像匹配。针对试验中原算法在不规则纹理区提取大量冗余角点及对强边缘敏感等问题,提出按照影像局部和整体对比度的关系自适应计算灰度差阈值,使用矩形模板从边界上确定USAN区域(核值相似区)可能的范围,再检测角点的改进思路。试验证明改进后算法提取的角点位置更为准确,有效剔除了原算法检测结果中的冗余角点,提高了影像匹配速度。     

利用改进的SUSAN算法提取航空影像中孤立的特征点

本文针对地形起伏较大、无明显建筑物的航空影像,分析了SUSAN算法角点检测理论,提出一种提取孤立特征点的方法.该方法先对图像进行梯度幅值运算,然后对梯度幅值进行Otsu法阈值分割,设计模板并对孤立特征点进行套合,最后利用SUSAN算法计算原始影像的角点初始响应,经过非极大值抑制提取孤立特征点.经实骑证明,与传统的Har...     

改进的自适应SUSAN角点特征提取方法

针对目前大多数的角点特征提取算法存在算法结构过于复杂、运行效率偏低及可推广性偏差等方面的局限性,该文通过改进SUSAN算法中灰度差阈值的获取方法,提出一种自适应的角点特征提取方法。该方法首先采用高斯滤波对原始影像做预处理,然后利用Ly算子初步探测概略角点特征集合,最后利用改进的SUSAN角点检测算法从概略角点特征精确确定角点特征。实验结果表明,该方法提高了角点检测的精度,缩短了角点特征提取时间,具有较好的鲁棒性。     

点云中角点的自动提取算法研究

针对三维激光扫描数据处理过程中的数据拼接、纹理映射、目标识别等问题,提出一种新的三维激光扫描距离图像的角点提取算法,旨在为相邻测站问数据拼接提供粗配准的对应点.文中通过把三维激光扫描仪获得的单站距离图像转化为二维深度图像,利用已有的SUSAN算子提取出深度图像的角点,反算深度图像的角点到距离图像坐标系下实现角点的提取.利用2站间4个公共角点作为粗配准进行2站数据的ICP配准,利用配准的准确度验证该角点提取算法的有效性.     

相似像素的Harris角点检测改进算法

针对Harris算法提取的角点对尺度变化较敏感,且运行速度慢的问题,该文提出了一种基于相似像素的Harris角点检测改进算法。受SUSAN算法启发,改进算法首先计算目标像素8邻域内与之相似的像素数目,并据此筛选出候选角点;然后利用候选角点的相似像素数目改进角点响应函数;最后进行局部非极大抑制确定最终角点。实验结果表明,与Harris算法相比,改进算法所提取的角点位置更加准确,重复率较高,且角点检测时间仅为原算法的26.63%。本文所提算法提高了Harris算法的角点检测效率和稳定性。     

一种基于SVM的无人机影像中单个建筑物的角点检测方法

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

遥感影像外业控制点自动提取方法

提出了一种遥感影像外业控制点自动提取方法,利用边判别法对边缘二值影像提取备选控制点,对其进行筛选,并对控制点进行加权中心化,将其精度提高到亚像素级。     

利用角点进行高分辨率遥感影像居民地检测方法

传统的城区检测方法大多是基于影像的全局特征,如纹理、光谱、形状等。当影像出现尺度、光照等条件变化时,将导致这些特征出现变化,造成算法的稳健性下降。而局部不变特征（例如,角点）却不易受到这些因素的影响。为此,本文提出一种无监督的基于角点特征的高分辨率遥感影像城区检测方法。该方法首先在传统的Harris算子的基础上,加入局部和全局约束准则检测影像中的角点,然后根据影像中角点的分布情况,自适应地构建似然函数来度量影像中每一个像素点属于城区的概率,最后采用二值分割的方法提取影像中的城市区域。实验结果表明：该方法可以快速、可靠地检测到影像中的城市区域,具有较高的实际应用价值。     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题,结合Harris算子和Susan算子,提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响;然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取;最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明,通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

一种快速角点探测算子研究

基于SUSAN和角点几何结构分析的思想提出一种改进的快速角点探测算子.首先进行角点粗探测,然后再对粗探测的结果进行角点几何结构分析,即图像中的像元如果为角点,它必须满足角点的圈层结构.通常认为角点处各个方向上灰度差变化都较大,所以角点响应函数采用反映角点突出性的响应函数,使提取的角点含有更高的信息量.实验证明,本算法提取的角点定位准确,快速有效,可以适用于实时图像处理.     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

基于黑白环扇圆盘的角点自动识别与排序

采用传统棋盘格进行相机标定时,标定模板旋转角度对角点排序带来较大的影响,针对此设计了一种黑白环扇圆盘标定模板,并提出了与该标定模板相应的角点识别和排序算法。新的标定模板设计中心圆为1/4缺口的黑色圆,以此来消除标定模板旋转给角点排序带来的影响。通过模板区域分割算法实现标定模板的提取;创建圆形检测器剔除Harris算法提取的伪角点;利用向量积和角点几何特性完成角点排序。实验结果表明:该标定模板及其角点识别与排序算法可以有效剔除伪角点,角点排序具有良好的旋转不变性,能够实现自动相机标定。     

利用极化角点指数进行数字曲线快速多边形近似

针对曲线结构特征,引入极化角点指数作为特征角点的候选依据,提出了一种与曲线起始点位置无关的基于角点检测的多边形近似算法。实验证明,此方法快速有效,结果稳定,噪声抑制效果较好。     

利用视觉灭点检测室内机器人偏航角的方法

室内障碍地图在呈现给用户端浏览的同时,也是自主运动视觉机器人路径规划和障碍规避的依据.由于自主运动视觉机器人的起始位姿选择具有随机性,当机器人沿随机方向行走时,往往导致所建室内障碍地图产生偏斜.本文利用单张已标定像片检测视觉正交灭点,结合相机几何透视原理和灭点几何特性,提出了一种室内机器人偏航角的简单快速检测方法,并成...     

基于单应矩阵约束的黑白棋盘格角点提取

针对Harris算子提取棋盘格角点存在的问题,提出基于单应矩阵的黑白棋盘格角点提取方法.方法首先通过人机交互确定角点提取范围以及计算单应矩阵;然后根据单应矩阵将物方平面上其他点映射到影像上以确定初始的角点位置;最后以初始点位为基准,根据最小距离法确定最终Harris算子角点提取结果.实验结果表明,文中提出算法能有效提取黑白棋盘格角点.     

常用图像边缘检测算子定位精度对比研究

图像边缘检测一直以来都是图像处理与分析领域的研究热点。这里介绍了几种经典的边缘提取算法及其原理,对各种方法的优缺点进行了分析,并通过试验对不同算子边缘检测结果进行了详细的精度分析与比较,为边缘检测算子的选择提供了一种较好的参考。     

基于改进Harris算法的高分辨率遥感影像建筑物角点检测研究

高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,在多领域中具有广阔的应用前景。利用Google Earth高分辨率遥感影像作为数据源,对其红、绿、蓝通道图像,以及三通道取平均的全色通道图像进行建筑物角点检测,并根据建筑物在影像上具有几何角点的特点,对Harris算法的一阶梯度算子进行4种方向上的改进。对Google Earth的红、绿、蓝、全色4种图像进行试验,从4个检测方向上检测并累加,结果表明红色通道的图像检测效果较好。利用4种改进梯度算子进行累加的建筑物角点识别,识别正确率可到74.75%,识别效果较好。结果表明,该方法可以很好地实现高分辨率影像建筑物的角点检测,具有一定的理 论研究和实际应用价值,可为建筑物自动识别提供技术参考。     

一种基于Harris-Laplace算法的亚像素角点检测方法

为了解决Harris-Laplace检测算法的角点坐标偏移与像素级角点的问题,提出了基于Harris-Laplace算法的亚像素角点检测方法。该方法首先用原始图像与高斯函数进行卷积生成多尺度空间,在原始图像和多尺度空间图像上各自提取Harris-Laplace角点;然后以多尺度空间角点为中心向原始图像投影,统计原始图像上投影区域内的角点形成角点集群,并结合多尺度空间角点响应值对集群角点进行筛选;最后采用位置(坐标)加权平均法确定角点的精确坐标。实验结果表明,该方法能够提供稳定抗噪、尺度不变的亚像素精度角点。     

基于角点检测的遥感图像几何质量评价方法

为分析图像压缩过程对遥感图像几何质量的影响,提出一种新的基于图像角点检测的图像几何质量评价方法.首先介绍经典Harris角点检测算法,然后针对Harris算法定位精度不高的缺点改进Harris算法:对角点响应函数进行曲面拟合后求拟合曲面极值点,以此作为图像亚像素级角点坐标,最后将改进的Harris算法应用到遥感图像几何...