基于Harris算法的无人机影像拼接技术

处理无人机影像数据时,Harris角点检测算法具有较强的鲁棒性和稳定性。使用Harris角点检测算法时,影像边界处由于影像畸变影响,生成的特征点存在角点聚簇和伪角点的概率非常大,在处理该类问题时,通常是删除影像边界生成的角点。针对影像边缘特征点删除量的合理性进行了实验：先对影像生成特征点面积进行限制,用Harris算法提取特征点。然后用非极大抑制算法选取特征点,去除伪角点和聚簇的角点,生成最佳缝合线进行影像匹配融合。最后对比影像生成特征点面积和最后影像匹配效果,论证影像边缘删除Harris角点的合理量。实验结果表明,相对于传统的直接删除边界Harris角点方法,该方法更可靠更精确。     

一种基于小波变换的多尺度图像配准算法

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。     

基于角点LTS Hausdorff距离的图像配准技术

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。     

一种基于Harris角点特征精确匹配的图像拼接方法

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。     

手写汉字规定格式练习系统设计

本文介绍的是关于手写汉字识别的汉字练习系统设计,重点介绍字库的设计和管理.系统样本模式特征选取点与点之间距离、点位置两类.学习后,将提取的特征字保存到字样本库中.为便于快速匹配,样本库建立在文件尾部.库结构为简单顺序存储结构.     

基于SUSAN角点检测的匹配技术

针对三维重建技术的需要,提出一种基于SUSAN角点匹配的技术,实现了对多视角二维图像的精确匹配定位.该技术首先利用了相关匹配技术,对多幅图像中的相似区域进行粗略定位,再在该粗略区域内,分别提取SUSAN角点的位置,各视角图像中的角点均对应于空间的同一点.实验证明,该技术可以有效地计算出空间特征点的位置.     

一个基于多重曲率计算的笔划角点检测算法

提出一个基于多重曲率计算的角点检测算法,对联机手写汉字识别中的笔划拐点进行提取．实验结果表明该算法具有较高的识别率和变形容忍度,     

基于改进Harris和RANSAC算法的全景图生成技术研究

全景图能够提升旅游体验,是智慧旅游中重要的内容之一.文章改进了Harris算法中的梯度算子和角点响应函数,以减缓角点提取时的聚簇现象,降低角点冗余;改进了RANSAC算法匹配特征点的选取方式,降低了算法的运行时间.结合这两种改进算法,生成了长江黄金邮轮重要部位的全景图,提升了旅游服务智慧,满足了智慧旅游的应用要求.实验表明：两种改进算法具有特征点提取均匀、配准速度快的优点.     

改进ORB-SLAM算法在户外离线即时导航的研究

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。     

采用特征匹配的多重光融合图像稳像技术

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。