基于SUSAN分层快速角点检测的改进算法

针对传统基于SUSAN算法的分层快速角点检测算法的缺陷,引入判别角点性能的改进算法.通过分层快速角点检测算法找到角点的大概位置,再利用角点性能判别算法,减少角点的数量,最后进行精细查找,准确定位角点.实验表明,该算法可较大幅度提高运算速度,节省运算时间,显著增强角点的匹配效果.     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义.文章对SUSAN(Smallest Univalue Segment Assimilating Nucleus)角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点.实验结果证明了该方法的有效性.     

一种改进的SUSAN兴趣点检测算法

兴趣点是图像中重要的几何特征,兴趣点的准确检测对于图像处理具有重要意义。为了优化SUSAN算法,提高算法的有效性,对SUSAN兴趣点检测算法中阈值的确定提出了改进。在图像每个像素的SUSAN模板中首先计算阈值t的初值,在利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点。实验结果证明了该方法的有效性。     

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。     

基于SUSAN原理的黄河模型角点检测

分析了SUSAN算法进行角点检测的原理和有效性,在此基础上提出了一种采用改进了的SUSAN算法来提取黄河模型图像的角点特征。利用自适应的选取灰度差阈值的方法;再采用利用设定几何阈值的上下限方法,实现了黄河模型角点的自动识别和检测。实验表明,该方法提取的角点抗噪性能好,清晰真实,细致,定位精确。为下一步立体匹配和三维重构打下了基础。     

基于模板边缘的自适应Harris角点检测算法

针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。     

一种快速自适应的Harris角点检测方法研究

Harris角点检测算法在图像处理中使用非常广泛,有着较高检测率,但算法运算量比较大,实时性不高.同时,该算法无法设置通用阈值处理不同图像.针对这些问题,提出一种快速自适应Harris角点检测算法.该算法先使用Fast算法,对图像进行预筛选,再使用Harris算法,并构造自适应阈值.实验结果表明,该算法可以有效克服阈值选择不当造成的角点冗余或丢失,并可大幅减少运算量.     

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整“相似性阈值”才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点.为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点.实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点.     

基于提升小波的自适应阈值图像去噪方法

利用提升法对传统小波进行提升,给出了用提升方法构造lifting-9.7小波的实现方法.针对图像去噪传统阈值选取的不足,研究了一种基于提升小波的自适应阈值图像去噪方法.实验表明:该方法实现简单,计算速度快,处理后的图像清晰,能量保持能力强,提高了去噪后图像的信噪比,去噪效果好.     

基于自适应提升方案的回波信号消噪算法研究

采用自适应提升小波方案,根据激光探测系统接收的回波信号特征,提出了一种更新滤波器和预测滤波器的设计方案,从而实现了自适应地调整预测和更新算子,增强了与处理信息的匹配,有效地提高了系统输出回波信号的峰值信噪比.其次,利用激光探测系统中检测的回波信号与噪声特点,给出了一种去噪软阈值的选取方案.将此算法应用于激光探测系统消噪,较好地满足了在强背景噪声下检测微弱信号的要求.仿真结果表明,采用该算法实现的激光探测系统去噪,在抑制噪声的同时较有效地保留信号的细节,重构了清晰的回波信号.     

基于加权自适应方向提升小波的图像去噪研究

本文介绍了一种基于加权自适应方向提升小波(WADL,Weighted adaptive directional lifting)和普通提升方法相结合的图像去噪方法,此方法能够较好地对噪声进行抑制,同时保护图像的纹理边缘较少受到损失。在仿真试验中我们通过对噪声图像进行分类,对属于纹理密集区域采用WADL方法去噪,对平滑区域采用普通提升去噪,得到了比较好的去噪结果。     

基于自适应提升小波的APD探测信号消噪

雪崩光电二极管(APD)具有高增益、高灵敏度和响应速度快的特点,因而成为空间光通信中的首选信号探测器件.针对空间光通信的脉冲位置调制(PPM)信道,分析了空间光通信系统中雪崩光电二极管探测噪声的特点和类别,在讨论了第二代小波变换基本原理及其特点的基础上,将自适应性引入提升方案中,用先更新后预测的改进提升算法解决自适应性引起的非线性问题,并在阈值处理过程中引入了软硬阈值折衷法来恢复信号.实验仿真结果表明,采用该算法实现的雪崩光电二极管信号去噪,不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法.     

利用自适应子波变换提高对微弱运动目标的检测性能

本文研究了长时间相参积累时微弱运动目标回波信号的特点,分析了常规检测方法的局限性,针对多项式相位信号模型,结合复正交线性相位子波基函数的设计,提出了一种基于自适应子波变换局域线性逼近的微弱运动目标检测方法,该方法具有自适应频带划分,快速算法实现,计算量低,并对统计分布的杂散分量具有自动抑制的特点,理论分析和计算机仿真结果验证了该方法的有效性。     

基于自适应提升小波信号去噪算法的改进

引入了基于提升法的自适应离散小波交换,使伯恩斯坦预测算子自适应匹配特定的数据序列,并将其应用于改进的信号去噪方法中.仿真实验表明,基于自适应提升小波变换的改进方法同一般的小波变换相比,去噪后的信号信噪比更高,且提升方法的设计灵活、计算简单.     

基于提升小波的图像水印算法

文中提出了一种基于能量特性分块的小波域图像水印算法，采用JPEG2000静态图像压缩标准的变换核——Daubechies9／7双正交小波进行小波变换，利用其三段低频小波系数之间的能量关系，将随机置乱的水印嵌入到图像中，并自适应调整嵌入强度因子。实验证明，该算法具有良好的不可见性和鲁棒性。     

基于Bemstein滤波器自适应提升小波变换

该文引入了基于提升法自适应离散小波变换,探讨了空间域提升结构中预测算子和更新算子的设计,根据预测误差最小原则使伯恩斯坦预测算子自适应匹配特定的数据序列,最后由数值仿真验证了该算法的性能,对于硬域值法小波系数去噪,自实应提升小波变换同一般的小波变换相比,去噪后的信噪比效率相近,提升方法的优点在于其设计上的灵活性和计算简单,易实现自适应变换。