共查询到20条相似文献，搜索用时 31 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
随着在轨失效航天器数量不断增加,针对这类空间非合作目标的在轨服务需求日益迫切。由于在轨的非合作目标飞行器上无法布置合作标志器,通过提取非合作目标上的关键轮廓角点对其进行跟踪。本文针对空间非合作目标所具有的特性,传统Harris算子对运动非合作目标角点的检测中存在大量的伪角点,提出一种基于Canny边缘检测的Shi-Tomasi角点检测方法,即对影像先进行滤波、二值化及形态学处理,其次利用Canny边缘检测获得其轮廓后再进行Shi-Tomasi角点检测。实验结果表明,该算法能有效地解决深空中光照条件等因素造成的角点难以检测问题以及减少伪角点,对空间非合作目标的关键角点提取有较好地检测精度和准确性。 相似文献
4.
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,利用加权最小二乘欧几里德距离实现了亚像素角点的快速精确定位.实验验证了该算法的有效性和可行性,所检测的角点分布均匀,显著提高了角点检测速度. 相似文献
5.
6.
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。 相似文献
7.
改进的自适应SUSAN角点特征提取方法 总被引：2，自引：1，他引：1
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。 相似文献
8.
提出了一种基于多图形处理器(graphic processing unit,GPU)设计思想的Harris角点检测并行算法,使用众多线程将计算中耗时的影像高斯卷积平滑滤波部分改造成单指令多线程(single instruction multi-ple thread,SIMT)模式,并采用GPU中共享存储器、常数存储器和锁页内存机制在统一计算设备架构(com-pute unified device archetecture,CUDA)上完成影像角点检测的全过程。实验结果表明,基于多GPU的Har-ris角点检测并行算法比CPU上的串行算法可获得最高达60倍的加速比,其执行效率明显提高,对于大规模数据处理呈现出良好的实时处理能力。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
针对线划图影像的特点，设计了一种完整的基于结构分析的角点描述和检测算法，并能给出不同类型角点的标识码 相似文献
12.
面向影像匹配的SUSAN角点检测 总被引：1，自引：1，他引：0
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。 相似文献
13.
利用角点进行高分辨率遥感影像居民地检测方法 总被引：1，自引：0，他引：1
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。 相似文献
14.
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... 相似文献
15.
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。 相似文献
16.
针对现有通过检测窗户角点实现窗户检测方法中存在窗户误检的问题，该文在窗角点分组阶段，以建筑物立面窗户的分布规律及其自身的几何结构特征为依据，提出一种参数自适应的窗角点分组方法。该方法是在使用深度学习方法获取窗户4个角点坐标的基础上，结合窗户角点及其连线的空间位置关系、平行垂直关系，建立窗角点分组判别依据，实现对窗角点检测结果的准确划分，进而得到有效窗户检测结果。为验证该方法的有效性，选用4个公开数据集进行窗户检测实验，结果表明：该方法可有效支持多类图像数据、实现全自动化运行，且与现有方法相比，具有更高的检测精度。 相似文献
17.
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。 相似文献
18.
19.
石善球 《测绘与空间地理信息》2013,(8):52-54,57,60
针对多源遥感图像匹配正确率低的问题,本文首先采用点空间约束的Harris角点检测算法,得到分布比较均匀的角点;接着构建Voronoi图进行图像分块;然后应用分块SURF特征点检测和匹配得到仿射变换参数;再利用灰度积相关算法实现同名点搜索;最后辅以两点对空间约束剔除误匹配。实验结果表明,本文采用的基于Harris和SURF的方法在遥感图像匹配正确率和效率上优于SURF算法。 相似文献
20.
为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。 相似文献