导读:本文包含了角点特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:霍夫变换,Canny算子,白杨树叶脉,计算机视觉
角点特征提取论文文献综述
汪涛,成孝刚,李德志,吕泓君,李海波[1]（2019）在《基于霍夫变换与角点检测的叶脉特征提取算法》一文中研究指出叶脉特征提取对植物的基因研究具有重大价值,叶脉的特征体现了叶片的各种信息。而叶脉的角度信息直接反映了叶脉生长的方向和叶片顶端、底端的生长形态。因此,为了克服现有算法的局限性,提出一种基于霍夫变换和角点检测的叶脉特征提取算法。该算法首先通过霍夫变换搜索主叶脉,通过筛选得到主叶脉大致所在直线,继而得到叶片顶端、底端坐标;然后通过角点检测的方法搜索主叶脉与次叶脉的交点,再以获得的交点为起点,以区域增长法搜索叶片,以进一步提取主叶脉和次叶脉的坐标等参量,同时测得角度特征,包括主叶脉与边界夹角和主次叶脉夹角。利用瑞典白杨树叶(12 000片)对该算法进行验证,结果表明该算法在主次叶脉提取及其角度检测方面效果良好。(本文来源于《计算机技术与发展》期刊2019年11期）
李冰[2]（2019）在《基于局部点特征提取的图像配准方法研究》一文中研究指出近年来,随着计算机视觉技术的快速发展,图像配准作为最基本性的问题,已逐渐成为图像处理领域中的热门研究技术。该技术融合了图像预处理、特征提取、相似度度量、灰度插值等相关知识,最终目标是实现从不同传感器、不同时间和不同视角下获取的图像的最佳配准。目前,图像配准技术已应用于很多领域,如:图像数据融合、图像差异检测、叁维图像建模、模式识别等。目前,在众多图像配准方法中,基于特征的图像配准是应用价值较高的方法之一。此方法首先从图像中提取共同特征作为配准基元,以用来建立对应关系;然后求解变换模型参数,并对图像进行变换;最后,对配准后图像的非整数像素点进行灰度插值,完成最终的配准。算法的准确性、稳定性和时效性将直接影响最终结果的质量。近年来,尽管许多学者对其进行了研究,也取得了较大的突破,但是,根据实际应用考虑,仍有一些尚未解决的实际问题:如何在算法精确度和计算效率之间找到平衡点,使其能适应图像的实时性;能否提取出利用率高的图像特征,便于后续进行特征匹配。通过对图像配准方法中特征提取和相似度度量方法优缺点进行深入分析和总结,在综合前人的研究基础上,本文针对部分问题提出了改进思路,具体工作如下:1)特征提取方面,提出基于模板边缘的自适应Harris角点检测算法。针对传统角点检测算法需要对整幅图像进行灰度操作的问题,本文在进行角点检测之前,先通过局部区域的思想提取潜在角点区域,可以有效地提高后续角点检测算法的效率。针对Harris角点检测算法提取的角点存在伪角点和阈值人为设定的问题,对阈值的设定改进为根据潜在角点区域的灰度变化而变化,并提出了圆形模板边缘模型,利用此模型对提取的角点进行二次检测,剔除伪角点和聚簇角点。实验结果表明,本文改进后的算法能有效过滤掉伪角点,检测出具有明显属性的角点,提高角点提取的正确率。同时,对实验所用时间进行了对比,计算效率比传统Harris算法有较大的提高。2)相似度度量方面,提出基于SIFT和改进RANSAC的图像配准方法。先利用前面提出的角点改进算法对图像进行角点提取,并利用SIFT算法中的Descriptor Extractor对提取的角点进行主方向确定和特征描述,得到多维特征向量。然后,利用特征点特征向量的欧几里德距离作为相似性判定度量标准,完成特征点对的粗匹配。粗匹配后得到的特征点对中存在错误点对。大部分学者都会选用RANSAC算法对其进行剔除。本文针对RANSAC算法在选取子集时需要随机选取以及估算参数时需要进一步细化处理的问题,使用改进的带概率顺序比测试的(SPRT)的R-RANSAC算法剔除误匹配点对,并根据提纯后的匹配点对计算两幅图像的几何变换参数,对图像进行反变换和灰度插值,完成图像配准。用随机选取的复杂度中等的图像进行仿真实验,结果表明,改进后的算法能在保证配准精度的前提下,具有更快的匹配速度;并对RANSAC算法和R-RANSAC算法进行了时间对比,后者的计算效率明显高于前者。(本文来源于《太原理工大学》期刊2019-06-01）
林少铎,高向东,黎扬进,张南峰,全方红[3]（2019）在《角点检测与光流跟踪的焊缝特征提取与定位研究》一文中研究指出针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据叁角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点叁维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。(本文来源于《机电工程》期刊2019年04期）
康俊民,赵祥模,杨荻[4]（2018）在《二维激光雷达数据角点特征的提取》一文中研究指出为增强无人车识别行驶环境中角点特征的鲁棒性,并提高角点特征的识别速度,基于观测点的二变量正态概率密度映射之间的相对差值,提出了一种角点特征提取方法;将观测数据组映射到二变量正态概率密度空间,获得每个观测点的映射;对映射结果进行归一化,消除协方差引起的数值差异;在映射数值曲线中寻找波峰与波谷的位置,波峰对应的观测点最接近均值点,波谷对应的观测点最接近拐点;利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求;用波谷对应的原始观测数据点坐标作为角点特征,构建环境特征地图。试验结果表明:提取方法能够处理观测点数大于63,观测点角度分辨率大于1°的稀疏观测数据,在大尺寸室外环境和室内环境中,提取方法都能够稳定识别大型角点;对小于180个点的观测数据,最大处理时间小于5ms,平均处理时间小于1.9ms,提取方法减少了构建环境特征地图的时间;提取方法依据观测数据的二变量正态概率密度提取角点特征,对观测误差和角点特征的尺度与形状不敏感,能够有效提高角点特征的识别鲁棒性。(本文来源于《交通运输工程学报》期刊2018年03期）
乔玉庆[5]（2018）在《遥感影像不变点特征提取与表达算法研究》一文中研究指出在倾斜摄影、大姿态变化多基线摄影、无人轻小平台对地遥感成像情况下,大量的遥感影像具有几何畸变严重、范围小、重迭度高等特点。而在实际应用中,人们经常会用到超出人眼视网膜范围甚至是更大范围的全景高分辨率图像。普通数码相机的视野范围往往难以满足要求,即使调节相机焦距所能拍摄到的视野范围也相当有限。这就需要影像配准技术将这些小范围的影像对应起来形成大范围、宽视角的影像。常用的影像配准是基于特征的配准,这对多视角以及有光照变化的遥感影像来说,特征点的精确提取至关重要;而且现在影像的获取几乎是全天候的,难免会受到光照变化的影响,这就对匹配算法提出了要求。针对这一现状,本论文开展了遥感影像不变特征提取与表达算法的研究。主要工作如下:1.阐述了论文研究的背景和意义,对当前点特征提取,描述符生成算法的研究现状进行了介绍、分析与总结,得出来图像匹配算法中仍然存在的主要问题。2.对目前常用的几种特征点提取算法Harris、Shi-Tomasi、SUSAN和SIFT算法的原理进行了介绍,紧接着对它们做了效率、精度和适应性方面的对比实验,并对结果进行了分析从而得出了各算法在各方面的优劣性。3.针对Shi-Tomasi算法对图像发生尺度变化时不具有鲁棒性的缺点,通过构建Laplace尺度空间提取角点使其具有尺度不变性。但是,由于提取到的角点有聚集现象,不利于后面寻找匹配点。为此,提出了一种对特征点分组的方法,将具有相同结构的特征点分到相同的组内,然后对每组内的角点按照响应值进行加权处理,得到较精确的角点。实验结果表明,改进的算法在尺度不变性方面性能得到了较大的提高,同时能够减少角点的聚集现象。最后,对叁种亚像素角点定位方法进行了比较,通过实验得出向量点积法效果最好。4.针对SURF算法不具有光照不变性的缺点,提出了一种基于亮度排序来构造描述符的方法,通过实验验证,改进后的算法在线性和非线性光照变化的情况下均具有较好的表现性能。接着用亮度排序构造的描述符对改进的Shi-Tomasi算法进行了描述,得出稳定性比SURF算法要好,但是其提取的正确匹配点对数较少。(本文来源于《战略支援部队信息工程大学》期刊2018-04-15）
陈洪,李进强[6]（2017）在《改进的自适应SUSAN角点特征提取方法》一文中研究指出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。(本文来源于《测绘科学》期刊2017年12期）
曹鹏,黄豪杰[7]（2017）在《基于视觉的LED灯丝点特征提取与匹配方法研究》一文中研究指出LED灯丝外轮廓点的精准特征匹配是实现视觉定位LED灯丝的重要环节。该文为了解决灯丝外轮廓点的坐标定位前期图像处理问题,提出一种基于视觉的LED灯丝特征提取与匹配方法。该方法首先提取LED灯丝清晰的外部轮廓图,然后采用Ransac-Surf角点特征匹配算法完成了匹配。实验表明该算法的立体匹配准确率达到了93.9%,基本满足匹配的实时性要求。该文算法能较好地应用于该类型图像的立体匹配。(本文来源于《电脑知识与技术》期刊2017年34期）
黄坚,刘桂雄,林镇秋[8]（2017）在《基于多角点结合的机箱标准件图像特征提取方法》一文中研究指出机箱装配具有部位多、标准件类型复杂特点,采用机器视觉进行机箱装配质量检测,提取具有较强表示能力图像特征是关键,该文提出基于多角点结合的机箱标准件图像特征提取方法。首先,分析机箱3大类标准件图像特性及角点特征,指出角点特征较好地覆盖机箱标准件特性;然后,分析Harris、Shi-Tomasi、Fast方法角点特征提取机理与判定条件,并结合3种方法提出多角点结合的机箱标准件图像特征提取方法。结果表明:该方法能将背景中错误角点特征识别为伪角点特征,机箱标准件显着特征识别为真角点特征,较好地解决受干扰影响错误提取角点特征问题。(本文来源于《中国测试》期刊2017年09期）
张展,杨东升[9]（2017）在《圆周二进制描述符的图像点特征提取方法》一文中研究指出特征点描述符在特征提取、图像识别与定位中有重要作用.针对SIFT等梯度方向描述符计算量大,ORB等二进制描述符匹配镜像图像入围率低,提出一种圆周二进制描述符(CBD)的图像点特征提取方法.首先以1:1.2的比例建立图像金字塔,对每层图像进行高斯平滑,使用FAST检测特征点;然后提出二值图像重心法计算特征点的方向,以提升计算特征点方向的速率;最后提出CBD图像点特征提取算法,有效地解决了镜像图像匹配的问题.实验结果证明,CBD具有良好的镜像不变性,且适应性强、入围率高.(本文来源于《计算机辅助设计与图形学学报》期刊2017年08期）
冯玉朋,曾庆喜,马杉,方啸[10]（2017）在《无人驾驶车辆基于角点和斑点的特征提取算法》一文中研究指出针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。(本文来源于《河北科技大学学报》期刊2017年03期）
角点特征提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着计算机视觉技术的快速发展,图像配准作为最基本性的问题,已逐渐成为图像处理领域中的热门研究技术。该技术融合了图像预处理、特征提取、相似度度量、灰度插值等相关知识,最终目标是实现从不同传感器、不同时间和不同视角下获取的图像的最佳配准。目前,图像配准技术已应用于很多领域,如:图像数据融合、图像差异检测、叁维图像建模、模式识别等。目前,在众多图像配准方法中,基于特征的图像配准是应用价值较高的方法之一。此方法首先从图像中提取共同特征作为配准基元,以用来建立对应关系;然后求解变换模型参数,并对图像进行变换;最后,对配准后图像的非整数像素点进行灰度插值,完成最终的配准。算法的准确性、稳定性和时效性将直接影响最终结果的质量。近年来,尽管许多学者对其进行了研究,也取得了较大的突破,但是,根据实际应用考虑,仍有一些尚未解决的实际问题:如何在算法精确度和计算效率之间找到平衡点,使其能适应图像的实时性;能否提取出利用率高的图像特征,便于后续进行特征匹配。通过对图像配准方法中特征提取和相似度度量方法优缺点进行深入分析和总结,在综合前人的研究基础上,本文针对部分问题提出了改进思路,具体工作如下:1)特征提取方面,提出基于模板边缘的自适应Harris角点检测算法。针对传统角点检测算法需要对整幅图像进行灰度操作的问题,本文在进行角点检测之前,先通过局部区域的思想提取潜在角点区域,可以有效地提高后续角点检测算法的效率。针对Harris角点检测算法提取的角点存在伪角点和阈值人为设定的问题,对阈值的设定改进为根据潜在角点区域的灰度变化而变化,并提出了圆形模板边缘模型,利用此模型对提取的角点进行二次检测,剔除伪角点和聚簇角点。实验结果表明,本文改进后的算法能有效过滤掉伪角点,检测出具有明显属性的角点,提高角点提取的正确率。同时,对实验所用时间进行了对比,计算效率比传统Harris算法有较大的提高。2)相似度度量方面,提出基于SIFT和改进RANSAC的图像配准方法。先利用前面提出的角点改进算法对图像进行角点提取,并利用SIFT算法中的Descriptor Extractor对提取的角点进行主方向确定和特征描述,得到多维特征向量。然后,利用特征点特征向量的欧几里德距离作为相似性判定度量标准,完成特征点对的粗匹配。粗匹配后得到的特征点对中存在错误点对。大部分学者都会选用RANSAC算法对其进行剔除。本文针对RANSAC算法在选取子集时需要随机选取以及估算参数时需要进一步细化处理的问题,使用改进的带概率顺序比测试的(SPRT)的R-RANSAC算法剔除误匹配点对,并根据提纯后的匹配点对计算两幅图像的几何变换参数,对图像进行反变换和灰度插值,完成图像配准。用随机选取的复杂度中等的图像进行仿真实验,结果表明,改进后的算法能在保证配准精度的前提下,具有更快的匹配速度;并对RANSAC算法和R-RANSAC算法进行了时间对比,后者的计算效率明显高于前者。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
角点特征提取论文参考文献
[1].汪涛,成孝刚,李德志,吕泓君,李海波.基于霍夫变换与角点检测的叶脉特征提取算法[J].计算机技术与发展.2019
[2].李冰.基于局部点特征提取的图像配准方法研究[D].太原理工大学.2019
[3].林少铎,高向东,黎扬进,张南峰,全方红.角点检测与光流跟踪的焊缝特征提取与定位研究[J].机电工程.2019
[4].康俊民,赵祥模,杨荻.二维激光雷达数据角点特征的提取[J].交通运输工程学报.2018
[5].乔玉庆.遥感影像不变点特征提取与表达算法研究[D].战略支援部队信息工程大学.2018
[6].陈洪,李进强.改进的自适应SUSAN角点特征提取方法[J].测绘科学.2017
[7].曹鹏,黄豪杰.基于视觉的LED灯丝点特征提取与匹配方法研究[J].电脑知识与技术.2017
[8].黄坚,刘桂雄,林镇秋.基于多角点结合的机箱标准件图像特征提取方法[J].中国测试.2017
[9].张展,杨东升.圆周二进制描述符的图像点特征提取方法[J].计算机辅助设计与图形学学报.2017
[10].冯玉朋,曾庆喜,马杉,方啸.无人驾驶车辆基于角点和斑点的特征提取算法[J].河北科技大学学报.2017