Harris算法

摘要： 在复杂背景下易混入随机噪声,导致无人机导航信号检出率较低、跟踪误差较大。为此,本文提出了基于改进图像特征块匹配的无人机导航信号稳定跟踪方法。利用图像传感器、CCD摄像机等设备采集序列图像;采用Harris算法提取特征点确立匹配准则,选取估计量最优值完成特征点匹配;使用改进的图像模块匹配法计算目标模块与子模块的相似度,同时匹配当前模块与周期更新模块,在模块更新过程中获取无人机导航信号,实现稳定跟踪。仿真实验证明,所提方法对目标信号检出率为96%,跟踪距离误差处于-0.5~0.5 m。

摘要： 在工业生产中,传统的轨道钢尺寸测量采用与多个标准模具逐一比对的方法,该方法受环境场地影响且测量误差较大。为了解决该问题,提出一种基于计算机视觉的机械工件断面轮廓形状识别与尺寸测量方法,将改进的ROF算法用于轮廓检测,以减小轮廓边缘提取误差;优化阈值提取算法的比对方法,加快了轮廓边缘的定位与识别,快速准确得到断面轮廓;应用改进的特征点检测算法进行关键点定位,提高了断面形状判断的准确度;将图片中标准件尺寸与工件轮廓进行比对得到两者比例,最后通过计算得到工件的实际尺寸。经过现场实验验证,与传统手工测量方法比对,大批量工件尺寸测量准确率达到98%以上,且测量时间缩短了几十倍。该方法是一种单目相机采集图像进行尺寸测量的方法,具有操作简单、测量快、准确率较高的特点,是一种大批量机械工件进行快速形状检测和尺寸测量的有效方法。

摘要： 针对SIFT(Scale-Invarivant Feature Transform)算法存在的不足,提出Harris算法与SIFT算法相结合的方法。选用Harris算法检测出的角点邻域范围内的SIFT特征点作为特征点,利用高斯圆形窗口对特征点建立64维描述向量。实验证明,该算法在保证匹配精度的同时,有效提高了匹配速度。

摘要： 针对大型建筑物在实际灾害中因各种致变因素的作用发生形变,当超出一定限度时会演变成灾难的实际问题进行研究,通过引入高斯核卷积函数、初始像素点集的邻域作差筛选以及利用最小核值相似区的思想来筛选角点提出一种对大型建筑物进行形变监测的改进算法,并与4种相应算法进行了对比实验。结果表明:本文改进算法相较于其他算法在建筑物图像形变监测中正确率平均提升了近15%,平均检测时间缩短了近21%。可见本文改进算法提升了大型建筑物形变监测中的多尺度检测能力、减少了计算数据量、提升了角点检测准确性。

摘要： 目标识别主要通过目标的颜色、形状、轮廓等特征来获取目标信息,与已知目标进行对比的过程.基于角点特征提取对目标识别非常重要,因为角点具有旋转不变性、对光照反映不明显,这不仅可以提高识别的运行速度还可以提升识别的准确率.在本文中,首先介绍了基于角点特征提取的目标识别理论,列举出图像预处理的方法,通过仿真对目标图像进行灰度化处理和滤波处理.分别用Harris算法与Susan算法对目标图像进行角点提取,最后与原目标图像进行匹配.

摘要： 针对增强现实飞机维修中角点检测方法存在的问题,提出一种角点检测优化方法.用维纳滤波复原样本图像,通过8邻域比较法滤掉约占总像素点60％ 的非特征点得到初始点集;建立以角点质量等级Q和相邻角点最小距离限度Dmin双参数为核心的改进Harris算法,借助Matlab分析得出最优的Q值和Dmin值,将最优参数带入改进算法后可得到更加准确、分散的角点.实验结果表明,该优化方法与传统方法相比在速度和准确性上有了明显提高,利于后期样本图像与维修现场间的实时匹配.

摘要： 近年来,在图形图像方面的研究中Harris角点检测和SIFT(Scale-invariant feature transform)算法在图像配准和医学图像配准中取得了很好的应用效果.本文在实现印章配准时研究了多个学者提出的HSIFT(Harris角点检测和SIFT算法)算法,该算法是Harris角点检测和SIFT的优化研究.本文首先利用Harris检点检测算法和SIFT算法对圆形印章提取关键点,然后对选择Harris角点领域内的SIFT特征点,两种关键点的融合,提取共同的特征点,这样筛选出来的关键点同时具有两者的特征,再确定关键点的方向和生成关键点描述向量进行配准.实验结果表明该算法应用于圆形印章的配准上具有高效、准确、稳定的特点.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 图像配准是图像处理工作(图像融合、图像镶嵌等)的核心技术。本文提出了一种有效的遥感图像自动配准算法，该算法采用改进的Harris算子提取角点特征，利用待配准图像之间的灰度相关性进行粗匹配，然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点，最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。

摘要： 图像配准是图像处理工作(图像融合、图像镶嵌等)的核心技术。本文提出了一种有效的遥感图像自动配准算法，该算法采用改进的Harris算子提取角点特征，利用待配准图像之间的灰度相关性进行粗匹配，然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点，最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。

摘要： 图像配准是图像处理工作(图像融合、图像镶嵌等)的核心技术。本文提出了一种有效的遥感图像自动配准算法，该算法采用改进的Harris算子提取角点特征，利用待配准图像之间的灰度相关性进行粗匹配，然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点，最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。

摘要： 本发明公开了一种基于Harris算法与RRT算法复合的自主路径规划方法，其步骤包括：1、利用骨架提取算法得到栅格地图中的可行路径的轮廓骨架；2、过角点检测算法得到轮廓骨架中变化较大的特征点，在对特征点进行自适应阈值处理后，得到拓扑节点；3、通过自适应阈值来设定拓扑节点之间的距离来进行分步优化；4、进行分步优化时，通过椭圆采样限制其采样空间来提高路径的优化效率以达到快速规划一条可行路径并优化出一条较短的路径。本发明能将Harris角点检测算法和RRT算法相结合来进行路径规划，从而能实现扫地机器人在室内大场景下能够快速的找到一条可行路径。

摘要： 本发明公开了一种基于Harris算法与RRT算法复合的自主路径规划方法，其步骤包括：1、利用骨架提取算法得到栅格地图中的可行路径的轮廓骨架；2、过角点检测算法得到轮廓骨架中变化较大的特征点，在对特征点进行自适应阈值处理后，得到拓扑节点；3、通过自适应阈值来设定拓扑节点之间的距离来进行分步优化；4、进行分步优化时，通过椭圆采样限制其采样空间来提高路径的优化效率以达到快速规划一条可行路径并优化出一条较短的路径。本发明能将Harris角点检测算法和RRT算法相结合来进行路径规划，从而能实现扫地机器人在室内大场景下能够快速的找到一条可行路径。

摘要： 本发明公开了一种基于Harris‑SIFT算法的钢轨轮廓匹配方法，包括以下步骤：S1、采集钢轨左侧图像、右侧图像、左上侧图像和右上侧图像，并采用高斯滤波对采集图像进行去噪处理；S2、进行图像定标：对图像进行多项式变换校正和双线性插值重构；S3、利用Harris角点检测算法与SIFT特征匹配相结合，进行轮廓匹配；S4、采用RANSAC算法进行误匹配过滤。本发明采用Harris‑SIFT算法对钢轨轮廓进行匹配，最后利用改进的RANSAC算法进行误匹配滤除，具有正确率高和速度快的优势。

摘要： 本发明属于图像处理和计算机视觉领域，涉及基于Harris角点互信息匹配的立体相机动态标定算法。所述方法包括下列步骤：第一步：Harris角点检测。第二步：基于互信息的角点匹配。第三步：原图校正：输入上一步得到的匹配的左右角点以及红外双目相机各自内参和原来的外参，计算左右两图的角点经过去畸校正后的坐标。第四步：判断角点覆盖区域：将图像分成m*n个格子，如果角点覆盖到所有格子，则进行下一步，否则继续拍摄图像，提取角点。本发明解决了由于温湿度、震动等因素造成红外双目相机位置关系的改变，具有速度快、结果精确、操作简单等优点。

摘要： 本发明公开了一种基于Harris‑Laplace与SIFT描述子的DFT域图像抗屏摄水印算法：通过Harris‑Laplace算法与图像自适应空间尺度筛选出不小于设定的特征尺度的特征点，并通过筛选的特征点实现图像基于内容的水印信息同步，经计算SIFT特征描述子与特征尺度对水印信息嵌入的局部特征区域进行归一化，并将水印信息嵌入到该区域DFT域振幅的中频系数中，从而实现水印信息的认证。本发明能够满足在图像的正常使用下，可以通过手机拍摄对屏幕上显示图像的版权信息进行实时认证，以及对拍摄的图像进行水印信息认证。本发明为图像数据版权保护提供有效的技术手段。

摘要： 本发明针对传统Harris算法检测角点需要人为设置阈值，不具有尺度多样性，角点为像素级等问题。本发明提出一种基于亚像素级的Harris多尺度角点检测方法，在Harris角点算法的基础上，建立尺度空间，使Harris角点检测算法具有尺度多样性，并以两次非极大值抑制，寻找备选角点，避免人为设定阈值带来的误差，再通过对不同的尺度空间的Laplace响应值进行比较，确定角点，并得到该点的特征尺度。最后通过对像素点矩阵进行高斯曲面拟合，实现图像角点的精确定位。实验表明，该算法不仅可以实现角点检测多尺度，并且可以使角点精度亚像素级，精度更高。

摘要： 本发明请求保护一种基于Harris‑SIFT‑BRIEF算法的单目视觉三维环境重建方法，包括步骤：首先，对摄像机进行标定，求得摄像机的内外参数。然后，获取视频数据，利用程序对视频进行处理获取图像序列。采用Harris算法、SIFT算法和BRIEF算法相结合的方式对图像进行特征点提取，并采用光流法对提取的特征点进行匹配。再然后，对获取的多组匹配点对集，结合标定的内外参数，通过三角测量原理计算三维坐标，根据相机离地面的高度或者其它传感器可以获取重建的尺度，进而重建出环境的三维信息，采用一种全局光束法平差与局部光束法平差相结合的方式进行优化。最后，把重建的三维点云障碍物信息送给决策系统，让决策系统来决定方向盘的转向和控制油门的大小。本发明有效的提取图像中的信息，使其匹配结果更精确。

摘要： 一种基于Harris的数据增强图像分类方法及系统，它属于数据处理技术与计算机视觉技术相结合的学科交叉领域。本发明解决了采用现有的数据增强方法获得的图像分类准确率低的问题。本发明通过采用Harris算法进行数据增强，使训练好的卷积神经网络提取图像信息特征的强大功能得以充分利用，提高了对图像分类的准确率、鲁棒性以及泛化性能；与现有的数据增强算法相比，在相同难度的图像分类任务中，本发明方法的收敛速度较快，算法的运行效率更高，总回报增多，能够有效进行训练数据集的遮挡，加大训练难度，使分类算法的准确率上升了3.86％，从而提高了算法的性能。本发明可以应用于图像分类领域。

摘要： 倾斜摄影中基于 Harris 角点检测的优化特征匹配方法，包括以下步骤：（1）特征点检测：（2）特征描述；（3）特征匹配；（4）RANSAC 算法提纯。本发明与一系列特征点检测算子对比，优化算法特征点提取的特征点数目最多，分布也更加均匀；将优化匹配算法与同类匹配算法对比，证优化匹配算法的匹配精度相比同类匹配算法，匹配精度得到显著提高；与主流倾斜摄影建模软件空三解算过程中运用的 SIFT 算法进行对比，证明了优化算法不仅在不同地表状态下正匹配对数均显著高于 SIFT 算法，空三解算效果更优，而且对于地形相似的情况下，SIFT 算法误匹配率较高，但本发明算法仍然可以保证匹配效果，另外优化算法运算速度相比 SIFT 算法，也更快。

摘要： 本发明提供了一种基于Harris和决策树的角点检测方法及系统，为基于传统Harris算法和机器智能算法决策树的图像角点检测方法，其内容包括如下步骤：首先在Harris角点检测的基础上，用高斯算子建立不同的尺度空间，通过已知角点的特征尺度建立种群，对需要检测角点的图像用顶向下递归式，从树的根节点开始，在它的内节点上行属性值的测试比较，后按定实例的属性值确定对应的分支，最后在决策树的叶子节点得结论。本发明利用了高斯算子构造尺度函数和ID3(Iterative Dichotomic version3)算法对图像角点实现检测。