西安邮电大学 通信与信息工程学院, 西安 710100
为了高效准确地滤掉云烟雾等悬浮粒子, 减少对激光成像引信工作的影响, 采用了改进的Harris+最小核值相似区域(SUSAN)角点检测算法与矩形度结合的目标识别方法。改进算法在原有Harris和SUSAN算法基础上, 利用8邻域模板标准差对目标像素点进行初次筛选获得候选角点, 经高斯滤波后, 利用改进的角点响应函数值进行二次筛选, 再通过非极大值抑制得到最终角点, 最后利用矩形度对目标与干扰进行二次区分。通过理论分析和实验验证可知, 95%的目标能被有效地识别出来。结果表明, 该方法能高效准确地区分目标与干扰, 同时满足实时性要求, 为激光成像引信抗干扰方面提供了一定的理论参考。
激光技术 目标识别 特征提取 Harris算法 最小核值相似区域算法 laser technique target recognition feature extraction Harris algorithm smallest univalue segment assimilating nucleus alg
北部湾大学 机械与船舶海洋工程学院, 广西壮族自治区 钦州市 535011
基于相移法的三维形貌重建精度高, 对环境噪声和阴影等不敏感, 但由于多幅条纹解相位, 难以应用于动态物体的三维测量中, 为此, 提出了一种新的算法。基于Harris算法提取刚性运动棋盘格的角点, 确定相邻两帧采集条纹图像之间的像素偏差并校正采集条纹图像; 根据投影仪和摄像机的标定参数建立投影图像和采集图像之间的空间变换矩阵, 并根据变换矩阵得到校正后的投影条纹图像; 采用高速投影技术以减小帧间像素偏差; 投影校正的投影图像并对采集图像进行变换, 从而得到近似于物体静态时的采集条纹。实验结果证明, 所提算法能高精度的重建轨迹和速度确定的复杂刚性运动物体的三维形貌。
三维测量 Harris算法 空间变换矩阵 像素偏差 three-dimensional measurement Harris algorithm spacial transform matrix pixel deviation
首都师范大学 物理系 太赫兹光电子学教育部重点实验室 太赫兹波谱与成像北京市重点实验室 北京成像技术高精尖创新中心, 北京100048
太赫兹光场成像是一种太赫兹波段内的计算成像手段。在太赫兹相机扫描成像的基础上进行了图像预处理和光场计算。针对太赫兹相机受器件性能限制导致输出图像存在噪声大、分辨率低和视场小等问题, 对基于相机扫描的太赫兹光场成像进行了预处理, 通过控制二维平移台, 采集到一系列存在特定视角差别的目标图像;采取高通滤波方式对图像进行处理, 得到噪声小、锐化程度好的图像;在不降低图像分辨率的基础上利用Harris特征图像拼接算法计算得到较大视场的图像。通过上述方法, 有效地提高了光场成像质量, 为实现太赫兹光场成像三维重构奠定了基础。
太赫兹光场成像 图像处理 图像拼接 Harris算法 Terahertz light field imaging Image processing the image mosaic Harris algorithm
上海理工大学 光电信息与计算机工程学院, 上海 200093
为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。
掌纹识别 Harris算法 聚类算法 感兴趣的区域 palmprint recognition Harris algorithm clustering algorithm region of interest
西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
针对Harris角点检测算法在应用中实时性较差和运算量较大, 同时抗噪能力较差等问题, 提出一种基于Harris算法的改进算法, 利用图像局部加权熵与最小亮度变化(MIC)算法相结合的方法进行角点检测。首先, 运用图像局部加权熵算法思想, 初步得出候选角点集;然后计算Harris算法的角点响应函数(CRF)值, 将候选角点按CRF值大小差分为三类; 最后使用自适应模板和阈值的MIC算法进行角点检测, 得出最佳匹配点。实验结果表明, 该方法提高了原算法的实时性, 增加了角点提取数量和准确性, 并且能够有效去除大多数伪角点。
图像处理 角点检测 局部加权熵 自适应阈值 Harris算法 最小亮度变化算法 激光与光电子学进展
2017, 54(5): 051003
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
直方图均衡类算法由于缺乏限制项, 增强后的红外图像易出现灰度级合并和过增强, 视觉效果不佳。为解决上述问题, 提出基于场景复杂度限制型的平台直方图均衡算法。该算法首先提出对图像场景复杂度进行估计, 并将Harris角点数量作为图像复杂度评价依据。然后建立类似sigmoid函数的图像复杂度评价函数, 将场景复杂度标准化。最后综合考虑图像复杂度和防止原图均值漂移, 依据平台直方图均衡原理获取全局变换函数, 重建红外图像。实验结果表明: 该方法可有效地依据不同场景实现红外图像增强, 不出现过增强和噪声放大。客观评价指标表明, 该方法在保持图像均值亮度和图像信息熵方面表现优异。
红外图像增强 平台直方图均衡 图像复杂度 角点检测 Harris算法 infrared image enhancement plateau histogram equalization image complexity corner detection harris algorithm
1 中国科学院长春光学精密机械与物理研究所, 长春 130033
2 中国科学院大学, 北京 100049
针对Harris角点检测算法运行速度慢且单一阈值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法.实验结果表明:单独使用该预筛选方式的改进算法仅用32.71%的时间就可以检测出原算法94.97%的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94%,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象.
图像处理 角点检测 Harris算法 预筛选 多阈值 image processing corner detection Harris algorithm pre-selection multi-threshold
为解决 Harris角点检测算法在多尺度条件下无法正确提取角点的问题,本文将经验模式分解 (EMD)方法运用到二维图像特征点提取中。先利用二维 EMD方法将图像分解到多个图像细节层,并定义为本征模函数 (IMF),再利用 Harris算子对各图像细节层进行角点检测,最后采用层层筛选的方法提取角点。对比实验结果表明,新算法得到的角点更加丰富,抗噪性增强,明显提高了图像角点检测性能。
Harris算法 角点检测 经验模式分解 本征模函数 Harris algorithm corner detector EMD IMF