中国计量大学计量测试工程学院, 浙江 杭州 310018
为了解决数字全息中子孔径相位拼接的效率和精度问题,提出了数字全息中基于多算法融合优化的相位拼接方法来实现相位的双方向拼接。首先,在相位拼接中选用相位相关法确定重叠区域,以限定特征点检测和提取范围,从而提升特征点检测的速率和有效特征点检测的占比;然后,对重叠区域进行Harris角点检测和角点匹配,并根据角点匹配点对来缩小块匹配算法的搜索范围;最后,采用全匹配搜索算法对最佳角点匹配点对进行精确匹配,并通过加权融合实现三维形貌的再现相位拼接。实验结果表明,本文算法能够在保证较高的拼接精度的情况下,极大地提高相位拼接的效率。
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
加速稳健特征算法在多模核磁共振成像(MRI)肿瘤图像配准中,存在特征点偏少且配准精度低等问题。使用Harris角点检测法对参考图像、浮动图像的特征点进行提取和检测,接着使用圆形64维向量法生成特征描述符并进行欧氏距离匹配,来增强特征点的提取。通过设置配准图像初始化参数,确保粒子在最优值附近搜索,利用互信息作为粒子群优化算法的测度函数,增强目标函数全局最优解,通过引入平均最值,防止算法陷入早熟现象。仿真结果表明,与现有的算法相比,所提优化算法可以使多模MRI图像特征点增多且精度更高。
图像处理 多模核磁共振成像配准 互信息 加速稳健特征算法 Harris角点检测 激光与光电子学进展
2020, 57(12): 121010
1 昆明物理研究所, 云南昆明 650223
2 微光夜视技术重点实验室, 陕西西安 710068
由于红外与微光图像成像原理的不同, 成像特征的巨大差异, 研究提出了一种基于点特征与 Freeman链码的红外与微光图像配准算法。目的是解决红外与微光图像配准中特征点提取较复杂、特征匹配难的问题; 采用优化的 Harris角点检测算法进行特征点提取, 结合环形灰度区域、RSTC不变矩和 Freeman链码对红外与微光图像进行特征点匹配。实验结果表明该算法能够提取出有效的匹配点, 能够有效地解决红外与微光图像配准中遇到的视场不统一、旋转、平移问题。
红外/微光图像 Harris角点检测 RSTC不变矩 特征多边形 Freeman链码 infrared and low light level image Harris corner detection RSTC invariant moments polygon of feature points freeman chain code
在研究红外图像成像原理与特征、传统红外图像配准方法的基础上, 提出了一种改进的联合点特征与灰度特征的红外图像配准算法。首先采用经典的 Harris角点检测算法提取一次角点, 在一次角点的基础上对其进行下降排序, 对排序结果进行不同份数的等分并提取每一部分的中间值, 最后根据图像配准需求有效利用中值选择不同的特征点; 该算法充分利用环形区域的旋转不变性和特征点区域灰度差异性很小的原则进行特征点匹配。实验结果表明该算法能够提取出更加精确的匹配点, 能够有效的完成红外图像配准。
红外图像 Harris角点检测 灰度区域 图像配准 infrared image Harris corner detection gray region image registration
在研究地面弱小目标时，由于环境、人为误差及成像系统本身的影响，摄像机拍摄的视频会出现画面抖动比较厉害、成像质量差的现象。因此，需要对图像序列进行运动补偿。为实现对地面弱小目标的检测，提出了一种基于 Harris角点检测的对地面弱小目标的检测算法。该算法利用了残差图中的灰度信息及残差图序列，在时间上具有连续性，算法的稳定性高，精度较高，实时性好。能够很好地剔除残差图中的虚警点，在较高精度下大大提高了对于地面弱小目标检测的水平。
弱小目标 Harris角点检测 实时 虚警率 dim and small target Harris corner detection real time false alarm rate
提出了一种新的基于交叉皮层模型(intersecting cortical model, ICM)的局部不变特征提取方法。首先将k-means聚类后的Harris角点作为关键点，接着以关键点为中心构造特征区域，最后采用ICM图标信号对特征区域进行描述作为局部不变特征。实验结果表明：该方法所获取的局部不变特征具有很好的可重复性，并且当目标处于复杂背景以及遮挡条件下具有较好的识别性能。
局部不变特征 交叉皮层模型 图标 Harris角点检测 目标识别 local invariant feature ICM (intersecting cortical model) icon Harris corner detection target recognition
为了精确识别人手姿态用于机器手控制,文中讨论一种基于计算机视觉的手势立体姿态检测的新方法。该方法利用多目视觉之间的配合,有效地解决了检测识别时手部关键节点互相遮挡的关键问题。采用了自适应阈值分割、harris角点检测、外极线约束等几种合理、有效的点的匹配算法,对不同摄像机拍摄到的手部关键节点进行排序,这样不仅解决了特征点的位置归属问题,也解决了图像与对应点的匹配问题。通过实验表明:对手部关键节点的检测达到了满意的结果。
计算机视觉 手势姿态 多目视觉 harris角点检测 极线约束 computer stereovision hand gesture multi-camera system harris corner detection epipolar constraint
