基于Harris角点的矩形检测_张从鹏

合集下载

基于改进的Harris角点检测的车型识别方法

第44卷第11A期2017年11月计算机科学COMPUTER SCIENCEVol.44 No. 11ANov.2017基于改进的Harris角点检测的车型识别方法张彤张萍(广东警官学院计算机系广州510230)摘要利用角点信息作为车辆正面图像的特征点对车型进行识别，将H a r r is角点检测的方法进行改进，将不同方向的特征值之比加入角点响应，提高了角点检出率;考虑到视频中行进车辆的位置变动，将车牌中心点位置作为定位点，计算不同车型的角点匹配率作为判定车型的依据。

实验结果证实了所提方法的有效性。

关键词H a r r is角点，角点检测，车型识别，角点响应，特征提取中图法分类号T P391.4文献标识码AMethod of Vehicle Type Recognition Based on Improved Harris Corner DetectionZ H A N G T o n g Z H A N G Ping(Department of Computer,Guangdong Police College,Guangzhou 510230,China)Abstract T h is paper used corner in fo rm a tio n as feature p o in t in the fro n t image o f vehicle to recognize the type w h ich the vehicle belongs to. W e im proved the H a rris^corner detection m ethod and added the ra tio o f eigenvalues w h ic h represent d iffe re n t directions to the corner response,and thus the m ore corners w ere detected. Because the p o sitio n o f vehicle in video is changeable, the center o f the license plate is defined as stable p o in t,a n d vehicle type was recognized bythe ra tio o f m atching corner. T h e results o f te st ve rifie d the effectiveness o f th is method.Keywords H a rris co rn e r,C o rn e r detection, V eh icle type re c o g n itio n,C o m e r response,Feature e xtra ctio n1引言近年来，基于计算机视觉的车辆检测与识别方法在智能交通中得到了迅速发展，其主要应用于停车场管理、高速公路收费以及城市交通状况监控等领域，同时在防止犯罪、追捕犯罪嫌疑方面也有重要应用价值。

一种自适应的Harris角点检测算法

2008年5月May 2008计算机工程Computer Engineering 第34 第10期Vol 卷.34 No.10·人工智能及识别技术·文章编号：1000—3428(2008)10—0212—03文献标识码：A中图分类号：TP391一种自适应的Harris 角点检测算法赵万金，龚声蓉，刘纯平，沈项军(苏州大学计算机科学与技术学院，苏州 215006)摘要：分析Harris 角点检测算子的实现原理及其不足，提出一种基于图像分块和邻近角点剔除策略的自适应Harris 角点检测算法，检症测出的角点均匀分布，有效避免了角点聚簇现象。

实验结果表明，该算法检测出的角点分布更均匀合理，能很好地适应图像拼接等实际应用。

关键词：角点检测；Harris 算子；特征提取Adaptive Harris Corner Detection AlgorithmZHAO Wan-jin, GONG Sheng-rong, LIU Chun-ping, SHEN Xiang-jun(School of Computer Science & Technology, Soochow University, Suzhou 215006)【Abstract 】This paper analyzes the theory of Harris operator, and points out its disadvantage. It proposes an auto-adaptive Harris operator based on the ideology of image break and neighboring point eliminating method. It makes the corners are well-proportioned distributing, and avoids too many corners stay together effectively. Experimental results show that the algorithm can detect corner more reasonable, and can be used in image mosaics well.【Key words 】corner detection; Harris operator; feature extraction1 概述角点是二维图像亮度变化剧烈或图像边缘曲线上曲率极大值的点，它决定了目标的轮廓特征，被广泛应用于摄像机标定、虚拟场景重建、运动估计、图像配准等计算机视觉处理任务中[1]，这些点在保留图像图形重要特征的同时，可以有效地减少信息的数据量，使得实时处理成为可能。

一种自适应Harris角点检测算法

一种自适应Harris角点检测算法王瑞;郝娜;张波;常天庆【摘要】When the target detection result is not ideal,Harris corner detection algorithm based on self-adapting non-maximal suppression strategy is proposed;Ranked local maximum of corner response function and a suppression radius for each corner is set up,corners are extracted through the suppression radius continuously decreasing.The problem of corner clustering and the difficulty of threshold selection is effectively avoided.The experimental result shows that this method is superior to the traditional harris corner algorithm,and can be used in practical.%针对传统算法检测效果不理想的问题，提出了一种基于自适应非最大抑制策略的Harris角点检测算法；通过设置抑制半径与角点响应函数的局部最大值关联，减小抑制半径获取角点。

算法有效解决了阈值选取和“聚簇”的问题。

实验表明，该算法检测出的角点均匀分布，能很好地适应特征匹配等实际应用。

【期刊名称】《火力与指挥控制》【年(卷),期】2015(000)007【总页数】4页(P84-86,91)【关键词】Harris;角点检测;自适应非最大抑制【作者】王瑞;郝娜;张波;常天庆【作者单位】装甲兵工程学院，北京 100072;装甲兵工程学院，北京 100072;装甲兵工程学院，北京 100072;装甲兵工程学院，北京 100072【正文语种】中文【中图分类】TP391.4地面场景下的目标检测问题一直是研究的难点和重点，由于目标所处的环境和人为方面的因素，导致采用一般的检测算法效果不够理想。

基于Harris角点匹配的工具识别方法

基于Harris角点匹配的工具识别方法赵柏山;肖乃瑶;张学松【摘要】图像匹配对于工具识别过程具有重要意义,传统的图像匹配算法匹配过程复杂导致匹配速度慢,在实际应用中有局限.为了提高工具识别的效率,通过分析工具图像特征,设计出一种基于Harris角点特征的图像匹配方法进行工具识别.首先用Harris算法提取工具模板图像与搜索图像角点特征,然后使用归一化互相关匹配算法计算工具模板图像与搜索图像角点特征的相关值,进而确定匹配点对,最后采用RANSAC去除错误匹配点对.通过实际数据验证,基于Harris角点特征的图像匹配方法与传统方法相比,不仅识别速度快,鲁棒性好,而且在实际工程应用中更具适用性.%Image matching has great significance for tool identification process.Traditional matching algorithm of image matching algorithm is complex, which leads to slow matching speed and has limitation in practical application.In order to improve the efficiency of the tool identification,an image matching method based on Harris corner feature was designed to recognition tool by analyzing the image features of the tool.Firstly,it extracts tool template image and searches image corner point feature with Harris algorithm.And then it uses the normalized cross-correlation matching algorithm to calculate the relative value of tool template image and search image corner point features, which determine the matching point pairs.Finally,it uses RANSAC to eliminate error matching point pairs.Through the actual data validation, compared with the traditional method, the image matching method based on Harriscorner feature is not only faster and more robust, but also has more applicability in practical engineering application.【期刊名称】《微型机与应用》【年(卷),期】2017(036)006【总页数】4页(P43-45,50)【关键词】图像匹配;工具图像特征;工具识别;Harris角点特征;归一化互相关【作者】赵柏山;肖乃瑶;张学松【作者单位】沈阳工业大学信息科学与工程学院,辽宁沈阳 110000;沈阳工业大学信息科学与工程学院,辽宁沈阳 110000;沈阳工业大学信息科学与工程学院,辽宁沈阳 110000【正文语种】中文【中图分类】TP391图像匹配[1]是指在空间上相同对象的两幅或更多幅图像的配准。

基于Harris角点的矩形检测_张从鹏

第２２卷第８期１４年８月２０
ＯｔｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎｐｉｇｇｕ１４．２０Ａｇ
光学精密工程
．２２Ｎｏ．８Ｖｏｌ
ＲｅｃｔａｎｌｅｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＨａｒｒｉｓｃｏｒｎｅｒｇ
＊，ＷＥｅｎｕａｎＺＨＡＮＧＩＸＣｏｎｕｅ－－ｇｐｇｇｇ
（，ＣｏｌｏＭｅｃ＆ｅｌＥｎｉｎＮｏｒＣｈｉＵｎｉｏＴｅｃＢｅｉｉ００Ｃｈｉｌｅｅｈ．ｅｃ．ｅｅｒｉｎｔｈｎａｖｅｒｓｉｔｈｎｏｌｏｎ１４４ｎａ）ｆｇｆｊｇｇ，ｙｇｙ，ｇ１ｏｒａｕｔＥ－ｍａｉｓｏａｎｃｕｅｄｕ．ｃｎｒｅｓｏｎｄｉｎｈｏｒ，ｌ：ｒｉｎｒｏｃｔ．＠＊Ｃｐｇｇ：，ＡｂｓｔｒａｃｔＴｏｒｅｃｏｎｉｚｅａｎｄｄｅｔｅｃｔａｒｅｃｔａｎｌｅｒａｉｄｌａｎｄａｃｃｕｒａｔｅｌａｎｉｍａｅｃｏｌｌｅｃｔｉｏｎｓｓｔｅｍｗａｓｇｇｐｙｙｇｙｒｏｏｓｅｄｂａｓｅｄｏｎＨａｒｒｉｓｃｏｒｎｅｒｄｅｔｅｃｅｓｔａｂｌｉｓｈｅｄａｎｄａｒａｉｄｄｅｔｅｃｔｉｏｎａｌｏｒｉｔｈｍｆｏｒｒｅｃｔａｎｌｅｓｗａｓ－ｐｐｐｇｇ，ｔｉｏｓｈａｅｎａｌｏｒｉｔｈｍ．ＦｉｒｓｔｔｈｅＬｄｃｏｒｎｅｒｏｉｎｔｓｗｅｒｅｓｅｌｅｃｔｉｖｅｌｒｅｃｏｎｉｚｅｄｆｒｏｍａｌｌｋｉｎｄｓｏｆｃｏｒｎｅｒ－ｐｇｐｙｇｏｉｎｔｓｉｎｔｈｅｄｅｔｅｃｔｉｎｉｍａｅｂｉｍｒｏｖｉｎｔｈｅｔｒａｄｉｔｉｏｎａｌＨａｒｒｉｓｃｏｒｎｅｒｄｅｔｅｃｔｉｏｎａｌｏｒｉｔｈｍ，ａｎｄｔｈｅｐｇｇｙｐｇｇ，ｉｘｅｒｏｃｏｓｉｔｉｏｎａｃｃｕｒａｃｏｆｃｏｒｎｅｒｏｉｎｔｓｗａｓｒｏｍｏｔｅｄｂｓｕｂｌｏｓｔｅｓｓｉｎ．Ｔｈｅｎａｃｃｏｒｄｉｎｔｏｔｈｅ－ｐ－ｐｐｙｐｐｙｇｇｐ，ｒｅｃｏｂｔａｉｎｅｄｈｉｈｉｓｉｏｎａｎｕｌａｒｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｓｏｍｅａｒａｌｌｅｌｓｔｒａｉｈｔｌｉｎｅｓｅｍｅｎｔａｉｒｓｗｉｔｈｅ－ｐ－ｇｇｐｐｇｇｐｕａｌｌｅｎｔｈｗｅｒｅｒｏｕｅｄａｎｄｔｈｅｅｒｅｎｄｉｃｕｌａｒａｒａｌｌｅｌｌｉｎｅｓｅｍｅｎｔａｉｒｓｗｉｔｈｆｏｕｒｏｖｅｒｌａｃｏｒｎｅｒｑｇｇｐｐｐｐｇｐｐ，，ｏｉｎｔｓｗｅｒｅｍａｔｃｈｅｄｂｗｈｉｃｈｔｈｅｆｏｕｒｓｉｄｅｓｏｆａｒｅｃｔａｎｌｅｗｅｒｅｏｂｔａｉｎｅｄ．Ｆｕｒｔｈｅｒｍｏｒｅａｌｌｔｈｅｒｅｃ－ｐｙｇｔａｎｌｅｅｌｅｍｅｎｔｓｗｅｒｅｄｅｔｅｃｔｅｄｉｎｔｈｅｒｏｃｅｓｓｅｄｉｍａｅ．Ｉｎｏｒｄｅｒｔｏｉｍｒｏｖｅｔｈｅａｃｃｕｒａｃａｎｄｒｅｌｉａｂｉｌｉｔｇｐｇｐｙｙｏｆｔｈｅｒｅｃｔａｎｕｌａｒｒｅｃｏｎｉｔｉｏｎａｌｏｒｉｔｈｍ，ｔｈｅｉｄｅｎｔｉｆｉｎｃｒｉｔｅｒｉｏｎｏｆｔｈｅｓｅｕｄｏｒｅｃｔａｎｕｌａｒｒａｈｉｃｅｌ－ｇｇｇｙｇｐｇｇｐ，ｅｍｅｎｔｓｗａｓｔｈｅｓｅｎｓｏｒｒｏｖｉｄｅｄ．Ｆｉｎａｌｌｅｒｆｏｒｍａｎｃｅｔｅｓｔｉｎｅｘｅｒｉｍｅｎｔｓｗｅｒｅｃａｒｒｉｅｄｏｕｔ．ＥｘｅｒｉｍｅｎｔａｌｐｙｐｇｐｐｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｒｅｃｔａｎｕｌａｒｒｅｃｏｎｉｔｉｏｎｓｅｅｄｏｆＨａｒｒｉｓｃｏｒｎｅｒｏｉｎｔａｌｏｒｉｔｈｍｉｓ８．５ｔｉｍｅｓｆａｓｔｅｒｔｈａｎｇｇｐｐｇｔｈａｔｏｆＨｏｕｈａｌｏｒｉｔｈｍ，ａｎｄｔｈｅｒｅｃｔａｎｕｌａｒｉｍａｅｒｅｃｏｎｉｔｉｏｎｍａｘｉｍｕｍｏｓｉｔｉｏｎｅｒｒｏｒｉｓ０．４ｐｉｘｅｌ．ＴｈｅｇｇｇｇｇｐｉｎｔｅｒｆｅｒｅｎｃｅｃａａｂｉｌｉｔａｎｄｓｔａｂｉｌｉｔａｎｄｃａｎｍｅｅｔｔｈｅＨａｒｒｉｓｃｏｒｎｅｒｒｅｃｔａｎｌｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｈａｓｓｔｒｏｎａｎｔｉ－ｇｇｐｙｙ

具有SIFT描述的Harris角点多源图像配准

具有SIFT描述的Harris角点多源图像配准芮挺;张升奡;周遊;孙峥;曹鹏【摘要】多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法.首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点；然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT 的特征描述；最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准.实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果.%Multi-sensor image registration is very difficult because of their different imaging principles. Referring to the registration of infrared and visible images, a registration algorithm is proposed based on the Harris corner with SIFT description. First, the scale spaces were built, and the scale-invariant Harris corners were selected as feature points. Then, by improving SIFT description method of feature points, ring operator was used to describe feature points. Finally, feature points were matched by the two-way nearest neighbor algorithm, and least squares method was employed to find optimal solutions to afflne transform equations. Experimental results show that the registration algorithm is accurate, efficient and stable, and has a good registration result.【期刊名称】《光电工程》【年(卷),期】2012(039)008【总页数】6页(P26-31)【关键词】多源图像;多尺度Harris角点;SIFT描述;图像配准【作者】芮挺;张升奡;周遊;孙峥;曹鹏【作者单位】解放军理工大学工程兵工程学院,南京210007;解放军理工大学工程兵工程学院,南京210007;江苏经贸职业技术学院,南京210007;解放军理工大学工程兵工程学院,南京210007;解放军理工大学工程兵工程学院,南京210007【正文语种】中文【中图分类】TP391.41多源传感器图像融合技术是在信息融合技术的理论基础上发展起来的一种图像处理新技术，由于可以利用多源图像信息的互补性和冗余性，因此融合图像包含比单源图像更丰富的信息，具有更高的可靠性，有利于更好地表达图像内容。

基于harris算法的角点检测

基于Harris算法的角点检测一．角点检测综述在图像中，角点是一个重要的局部特征，它决定了图像中关键区域的形状，体现了图像中重要的特征信息，所以在目标识别，图像匹配，图像重构方面角点具有十分重要的意义。

图像中角点的数量远比总像素数小，如果通过角点就能完成一些功能的话，将极大地提高处理效率。

对于角点的定义一般分为以下三种：图像边界曲线上具有极大曲率值的点；图像中梯度值和梯度变化率都很高的点；图像边界方向变化不连续的点。

定义不同，角点的提取方法也不尽相同：一类是基于图像边缘特征的角点检测，然后再进行角点提取，例如Kitchen算法；另一种是基于灰度信息的角点检测及提取，例如Harris算法。

二．Harris角点检测算法1.Harris角点检测算法是在Moravec算法的基础上发展起来的。

Moravec算法是在研究图像中一个局部窗口在不同方向上进行少量的偏移后，考察窗口内图像亮度值的平均变化。

需要考虑下面三种情况;(1)如果窗口内区域图像的亮度值恒定，那么所有不同方向的偏移几乎不发生变化；(2)如果窗口跨越一条边，那么沿着这条边的偏移量几乎不发生变化，但是与边垂直的偏移量会发生很大的变化；(3)如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移量会发生很大的变化。

如图：平坦区域边缘角点任意方向移动，沿边缘方向移动沿任意方向移动无灰度变化无灰度变化灰度明显变化2.下面介绍Moravec算法以及Harris算法在其基础上做出的一些改进。

(1)计算像素点的自相关值的时候Moravec只考虑了像素点的8个方向。

Harris通过区域变化扩展，将一些灰度强度变化比较小的体现出来：将图像窗口平移[u，v]产生灰度变化E(u,v):高斯窗口（Harris算法使用平移的圆形窗口对图像进行预处理来降噪，这里是用的是高斯窗口）:(x,y)移动(u,v)后的灰度值:(x,y)处的灰度值因为：:分别表示图像在x，y方向的曲率:误差值所以：又：于是对于局部微小的位移量[u,v]，可以得到近似的表达式：其中M是2*2矩阵，可以由图像的导数求得：当灰度变化比较小时，可以精确的写为,式中M为：=为了避免求M的特征值，使用Tr(M)和Det(M):Tr(M)=A+B,Det(M)=AB-(2)定义响应函数为：上式中角点响应函数R在角点区域为正值，在边界的区域为负值，在不变化的区域是很小的值。

完整版Harris角点检测算法编程步骤及示例演示

Harris 角点检测算法编程步骤及示例演示也不说那么多废话了，要介绍啥背景意义之类的，角点检测，顾名思义，就是检测角点，最简单的就是两条线的交点了，还有比如下国际象棋的棋盘格子的交点之类的，反正就是检测这些点。

简单将Harris 角点检测算法的思想说下，就是拿一个小窗在图像中移动，通过考察这个小窗口内图像灰度的平均变换值来确定角点。

1)如果窗口内区域图像的灰度值恒定，那么所有不同方向的偏移几乎不发生变化；2)如果窗口跨越一条边，那么沿着这条边的偏移几乎不发生变化，但是与边垂直的偏移会发生很大的变化；3)如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移会发生很大的变化。

面给出具体数学推导：设图像窗口平移量为( u,v) ,产生的灰度变化为E(u,v),有E(u,v)二sum[w(x,y)[l(x+u,y+v)-l(x,y)F2棋中w(x,y)为窗口函数, l(x+u,y+v为平移后的灰度值，l(x,y)为平移前的灰度值。

有泰勒公式展开可得：l(x+u,y+v)=l(x,y)+lx*u+ly*v+0(uA2,v八2);lx,ly分别为偏微分，在图像中为图像的方向导数因此E(u,v)=sum[w(x,y) [lx*u+ly*v+O(u八2,v八2)]八2],可以近似得到E(u,v)=sum[w(x,y) [lx*u+ly*v]^2],即E(u,v)二[u,v][lx八2,lx*ly;lx*ly,ly八2][u,v]T令M=[lx八2,lx*ly;lx*ly,ly八2]，因此最后对角点的检测成了对矩阵M的特征值的分析了，令M 其特征值为x1,x2;当x1>>x2或者x2>>x1，则检测到的是边缘部分;当x1,x2都很小，图像窗口在所有移动的方向上移动灰度级都无明显变化.当X1,X2都很大时且相当，检测到的是角点。

编程时用x1,x2不方便，因此定义角点响应函数；R二det(M)-k(trace(M))八2;其中det(M)为矩阵M的行列式，trace(M)为矩阵M的迹。

harris角点检测算法步骤

harris角点检测算法步骤Harris角点检测算法步骤：一、引言Harris角点检测算法是计算机视觉中常用的角点检测算法之一。

它通过分析图像的局部灰度变化来寻找图像中的角点，被广泛应用于图像处理、物体识别、图像匹配等领域。

本文将介绍Harris角点检测算法的步骤及其原理。

二、灰度处理Harris角点检测算法首先需要将彩色图像转换为灰度图像，这是因为角点检测主要关注图像的灰度变化而非颜色信息。

通过将彩色图像的每个像素的RGB值加权平均，可以得到相应的灰度值。

三、计算梯度接下来，对灰度图像进行梯度计算。

梯度表示图像中的灰度变化，是图像中像素灰度值变化最快的方向。

通过对图像使用Sobel算子或其他梯度计算算法，可以计算出每个像素的梯度幅值和方向。

四、计算结构张量在Harris角点检测算法中，结构张量是一个重要的概念。

对于每个像素点，结构张量是一个2x2的矩阵，它描述了该像素点周围区域的灰度变化情况。

结构张量的计算公式包括对梯度幅值的平方、梯度幅值的乘积以及梯度方向的加权。

五、计算角点响应函数角点响应函数是Harris角点检测算法的核心。

它通过对结构张量进行特征值分解，得到每个像素点的角点响应值。

角点响应值的计算公式是通过特征值的乘积减去特征值的和，再乘以一个经验系数。

如果特征值的乘积较大，说明该像素点是角点。

六、非极大值抑制由于角点响应函数在角点处达到最大值，但在边缘和平坦区域也可能有较大值，为了提取出准确的角点，需要进行非极大值抑制。

在非极大值抑制过程中，对于每个像素点，比较其角点响应值与周围像素点的角点响应值，如果大于周围像素点的角点响应值，则保留，否则抑制。

七、阈值处理为了进一步提取出准确的角点，可以根据角点响应值设置一个阈值。

只有角点响应值大于阈值的像素点才被认为是角点。

阈值的选择是一个关键问题，需要根据具体应用场景和图像特点进行调整。

八、角点标记最后一步是将检测到的角点在原始图像上进行标记。

一种改进的Harris角点检测算法

一种改进的Harris角点检测算法李鹏程;曾毓敏;张梦【期刊名称】《南京师大学报（自然科学版）》【年(卷),期】2014(000)002【摘要】Harris角点检测算法是一种经典算法，但对于大尺度图像，误检现象比较严重，并且耗时过长。

本文提出一种新的检测算法，通过对圆形区域进行非极大值抑制，能够明显地降低角点检测时间，并且能够有效地减少误检。

同时，在不改变任何参数的情况下，对于图像旋转，能够明显地减小提取的差异。

通过实验对比，本算法简单方便，提取角点也非常有效，相对于传统Harris算法具有更好的角点检测性能。

%Harris corner detection algorithm is a classical algorithm,but it makes more serious problems and wastes more time in the large scale image. This article will put forward a new detection algorithm which can reduce the check time and lower the false corners through making non-maxima suppression within the circular region. At the same time, without changing any parameters,for image rotation,the new algorithm can significantly reduce the differences in extraction as to the image rotation. Experimental results confirm the validity of the new method and show that the new method greatly improves image corner detection performance with higher accuracy compared with the traditional algorithm.【总页数】6页(P49-54)【作者】李鹏程;曾毓敏;张梦【作者单位】南京师范大学物理科学与技术学院，江苏南京210023;南京师范大学物理科学与技术学院，江苏南京210023;南京师范大学物理科学与技术学院，江苏南京210023【正文语种】中文【中图分类】TP391.41【相关文献】1.一种改进的Harris角点检测算法 [J], 齐俊;田益民;王欣2.一种改进的Harris角点检测算法 [J], 赵艳;江泽涛3.一种改进的Harris角点检测算法 [J], 丁坤;4.一种改进的Harris角点检测算法 [J], 卢嘉澍;高煜聪;孙坤;林宇健;李灿5.一种改进的Harris角点检测算法 [J], 丁坤因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的Harris角点检测的图像配准方法

一种改进的Harris角点检测的图像配准方法张见双;张红民;罗永涛;陈柏元【期刊名称】《激光与红外》【年(卷),期】2017(047)002【摘要】In traditional Harris corner detection process,manual input of single threshold may lead to corner cluster, false corners and so on.To solve this problem,an image registration method based on improved Harris corner detection algorithm was proposed.Firstly,the image was divided into 3 ×3 sub images.According to the contrast of each sub im-age,the threshold value of each sub image was set.Then,the detected Harris corners were roughly matched by NCC algorithm.Finally,the error matching corners in rough matching were removed by RANSAC algorithm.The experimen-tal results show that corner distribution of the algorithm is more uniform,and the algorithm can effectively increase the number of image matching points in image registration and has a good practicability.%针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法.首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值.然后,采用NCC算法对检测出的角点进行粗匹配.最后,采用RANSAC 算法对粗匹配中误匹配点对进行剔除.实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性.【总页数】4页(P230-233)【作者】张见双;张红民;罗永涛;陈柏元【作者单位】重庆理工大学电子信息与自动化学院,重庆 400054;重庆理工大学电子信息与自动化学院,重庆 400054;重庆理工大学电子信息与自动化学院,重庆400054;重庆理工大学电子信息与自动化学院,重庆 400054【正文语种】中文【中图分类】TP391.41【相关文献】1.一种改进的Harris角点检测方法 [J], 屈喜文2.分块的基于Harris角点检测的图像配准方法 [J], 常丽萍;冀小平;赵梁3.基于改进Harris角点检测的视网膜图像配准 [J], 汪立;蒋念平4.一种改进的基于Harris的角点检测方法 [J], 毛雁明;兰美辉;王运琼;冯乔生5.S-Harris：一种改进的角点检测算法 [J], 孙万春; 张建勋; 朱佳宝; 陈虹伶; 郑集元因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进Harris角点提取的摄像机神经网络标定技术

基于改进Harris角点提取的摄像机神经网络标定技术
崔岸;袁智;王丹;张海鹏
【期刊名称】《农业机械学报》
【年(卷),期】2009(0)8
【摘要】以前馈型BP神经网络进行双日立体视觉系统的摄像机标定研究,基于Harris角点提取,提出了增加约束的改进方法,从而提高网络训练样本集的数据精度;探讨了神经网络的欠泛化、过泛化问题,综合运用归一化、提前终止等多种策略,进一步提高网络泛化能力,并与经典标定方法进行对比.试验结果表明,该方法能够获得较高的摄像机标定精度.
【总页数】5页(P214-218)
【作者】崔岸;袁智;王丹;张海鹏
【作者单位】吉林大学汽车动态模拟国家重点实验室,长春130025;吉林大学汽车动态模拟国家重点实验室,长春130025;吉林大学汽车动态模拟国家重点实验室,长春130025;吉林大学汽车动态模拟国家重点实验室,长春130025
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于Harris-张正友平面标定法的摄像机标定算法 [J], 卢英;王慧琴;佟威;李俊杰
2.Harris角点提取实现亚像素级摄像机自标定 [J], 姚耀;胡仲翔;时小军;王一波
3.摄像机标定中的角点提取方法及改进 [J], 李伟;杨坤涛
4.基于改进Harris角点算法的摄像机标定技术研究 [J], 曹兵;李文博;张云波
5.一种改进的摄像机标定中的角点提取方法 [J], 杨大为;王琰;彭剑书
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Harris的角点匹配算法研究

ｐｒｎｔｈｎｏｒ．ＴｅｅｐｒｎａｅｕｔｈｗｔａｅｃｕｔｒｇｍｅｈｄｉｓｐｒｒｏｔｅｐｒｌｘＧｒｄｅｔｏｓｒｉｔｕｒｇｍａｃｉｇｃｍｅｓｈｘｅｍｅｔｌｒｓｌｓｏｔｈｌｓｅｎｔｏｓｕｅｏａａａａｉｎｎｔｎｉｉｓｈｔｉｉｔｈｌｃａ
ＡｂｔａｔＴｉｐｐｒｒｐｓｓａｍｅｈｄｔｘｒｃｏｌｒｏｔｅｉｇｙｔｅＨａｒｌｏｔｍ，ａｄｇｔｒｕｈｍａｃｅｏｒｓｒｃ：ｈｓａｅｏｏｅｔｏｏｅｔｔＦｅ８ｆｍｈｍａｅｂｒｉａｇｒｈｐａｃｌｒｈｓｉｎｅｓｏｇｔｈｄｃｍｅ
２１年第１期０１１
文章编号：０６７（０）０７－４１０￣４５２１１－０８０１１
计算机与现代化ＪＳＡＪＹＩＮＡＨＵＩＵＮＩＵＸＡＤＩＡ
总第１５期９
基于Ｈｒｓａｉ的角点匹配算法研究ｒ
１角点检测
根据实现方法不同，角点检测方法大体有两种思路，一是直接基于灰度，二是先检测边缘，后通过计算弧度的局部极大值得到角点。目前大多数角点检测方法都是基于边缘的角点检测，该方法把角点定义在图像的边缘上，过对边缘的特征进行分析来提取角通
张勇，余建平，孙军伟，金铁
（军事经济学院襄樊分院，湖北襄阳４ｌ１）４１８摘要：采用Ｈｒｓａｉ算法提取图像中的角点，ｒ通过相似测度得到粗匹配点集，然后分析比较顸提纯匹配点的简单聚类法和

基于改进Harris算法的角点检测

基于改进Harris算法的角点检测房超;王小鹏;牛云鹏;王超【期刊名称】《计算机与数字工程》【年(卷),期】2011(39)5【摘要】提出了一种改进的Harris角点检测方法.该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定条件,则将该像素点定义为角点.实验结果表明,该方法无需进行阈值选择,提高了角点检测精度.%An improved harris-based corner detection method is presented in the paper. Firstly, the corner response function of the Harris corner detection should be obtained. Secondly, the two-masks are defined the scope of non-maxima suppression and the K means algorithm is used to start on the non-maxima suppression. Thirdly, if the value of the pixel corner response function is agree with the preset conditions, the pixel is defined as the corner. The experiments show that this method does not require the threshold selection and improve the precision of corner detection.【总页数】3页(P142-144)【作者】房超;王小鹏;牛云鹏;王超【作者单位】兰州交通大学电子与信息工程学院,兰州,730070;兰州交通大学电子与信息工程学院,兰州,730070;兰州交通大学电子与信息工程学院,兰州,730070;兰州交通大学电子与信息工程学院,兰州,730070【正文语种】中文【中图分类】TN911.73【相关文献】1.基于改进Harris算法的汉字图像角点检测 [J], 姚娜;吕海芳;白铁成2.基于Harris角点检测的改进算法研究 [J], 徐振武;徐志京3.基于相似像素点的Harris角点检测改进算法 [J], 朱聪4.基于圆环模板的改进 Harris 角点检测算法 [J], 邓淇元;曲长文;江源5.基于灰度差预处理的改进Harris角点检测算法 [J], 汪海洋; 陈德林; 帅一师; 郭宏宇; 吴成; 岳林帮因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进的Harris算法检测角点

基于改进的Harris算法检测角点周龙萍【摘要】传统的Harris角点检测算法检测效果比较理想，也有较高的重复率，然而其角点提取的效果几乎完全依赖于非极大值抑制过程中阈值的设定，当参数不改变时，并不具有旋转不变性。

文中提出了一种改进的Harris算法，通过二次非极大值抑制，有效地避免设置阈值这一难点；同时，在不改变任何参数的情况下，明显地减小了图像旋转前后角点提取的差异。

通过对比实验表明，本算法简单易操作，提取角点非常有效，相较于传统的Harris算法具有更好的角点检测性能。

%The traditional Harris corner detection algorithm not only has a good work,but also has a higher repetition rate. However,the whole corner detection process depends almost entirely on the corner extraction threshold during non-maxima suppression,and it's hard to achieve the rotational invariance if the parameters do not change. It presents an improved Harris algorithm,through the secondary maxima suppression to avoid setting the threshold value;at the same time,reduce the corner extraction differences around image rotation when there is not any change to the parameters. The experiment shows that this algorithm is simple and easy tooperate,the corner points extrac-ted are very effective,compared with the traditional Harris algorithm has better corner detection performance.【期刊名称】《计算机技术与发展》【年(卷),期】2013(000)002【总页数】4页(P11-14)【关键词】Harris算子;角点;非极大值抑制;旋转不变;阈值【作者】周龙萍【作者单位】四川大学计算机学院，四川成都 610064【正文语种】中文【中图分类】TP310 引言在图像处理研究领域中，往往要从两幅或更多的相关图像中提取有用的信息。

Harris的角点探测论文

they are disቤተ መጻሕፍቲ ባይዱrete, reliable and meaningful^. However, the lack of connectivity of feature-points is a major limitation in our obtaining higher level descriptions, such as surfaces and objects. We need the richer information that is available from edges3.
A COMBINED CORNER AND EDGE DETECTOR
Chris Harris & Mike Stephens
Plessey Research Roke Manor, United Kingdom © The Plessey Company pic. 1988
Consistency of image edge filtering is of prime importance for 3D interpretation of image sequences using feature tracking algorithms. To cater for image regions containing texture and isolated features, a combined corner and edge detector based on the local auto-correlation function is utilised, and it is shown to perform with good consistency on natural imagery.