×

快速角点检测算法的开发。 (英语。俄文原件) Zbl 1308.94026号

J.计算。系统。科学。国际。 53,第3期,392-401(2014); Izv的翻译。罗斯。阿卡德。特奥·诺克。修女。向上。2014年,第3期,94-103(2014)。
摘要:提出了一种检测数字图像中角点的方法。与早期发展的许多角点检测方法相比,该方法具有较高的稳定性和效率。角点检测的稳定性在与同一对象的匹配图像、基于一组图像恢复数字表面模型以及跟踪对象相关的计算机视觉任务中尤为重要。绝大多数算法都能很好地检测出正确的角点和与物体真实角点不对应的多余点。该算法确实存在这一缺点,并且可以用于实时的帧到帧视频处理,例如在移动机器人和无人飞行器的导航系统中。此外,由于该算法基于机器学习方法,因此可以适用于任何数据集。通过一个典型机库图像和国际空间站图像中的角点检测实例,证明了所开发方法的优点。

MSC公司:

94A08型 信息与通信理论中的图像处理(压缩、重建等)
68单位10 图像处理的计算方法
93C85号 控制理论中的自动化系统(机器人等)
68T05型 人工智能中的学习和自适应系统

软件:

4.5条;冲浪
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 尤·布洛基诺夫(Yu B.Blokhinov)。;Gribov,D.A。;Chernyavskii,A.S.,透视摄影某些情况下的图像匹配问题,129-143(2008)·Zbl 1171.94305号
[2] 尤·布洛基诺夫(Yu B.Blokhinov)。;Verkeenko,V.S。;Gorbachev,V.A.,重建高精度数字表面模型方法中特征匹配算法的发展,76-91(2013)
[3] H.Moravec,“漫游者视觉障碍规避”,载于《国际人工智能联合会议论文集》,加拿大温哥华,1981年,第785-790页·Zbl 1154.94303号
[4] C.Harris和M.Stephens,“组合角点和边缘检测器”,《学报》。第四届阿尔维视觉会议,英国曼彻斯特,1988年,第147-151页。
[5] D.G.Lowe,“基于局部尺度不变特征的物体识别”,载于《国际计算机视觉会议论文集》,希腊克尔凯拉,1999年,第1150-1157页。
[6] H.Bay,A.Ess,T.Tuytelaars和L.Van Gool,“SURF:加速强大功能”,《计算机视觉和图像理解》110,346-359(2008)。 ·doi:10.1016/j.cviu.2007.09.014
[7] E.Rosten、R.Porter和T.Drummond,“更快更好:角点检测的机器学习方法”,《模式分析和机器智能》32,105-119(2010)。 ·doi:10.1109/TPAMI.2008.275
[8] J.Quinlan,“决策树的归纳”,机器学习1(1),81-106(1986)。
[9] A.Bandera、C.Urdiales、F.Arrebola和E.Sandoval,“通过自适应估计曲率函数进行角点检测”,《电子信函》36(2),124-126(2000)。 ·doi:10.1049/el:20000177
[10] H.Aghdam和A.Kazem,“具有集成角角计算的新型角检测器”,《系统、信号和图像处理国际会议论文集》,斯洛伐克布拉迪斯拉发,2008年,第319-322页·Zbl 1171.94305号
[11] D.Ballard,“推广hough变换以检测任意形状”,模式识别13(2),111-122(1981)·Zbl 0454.68112号 ·doi:10.1016/0031-3203(81)90009-1
[12] J.Canny,“边缘检测的计算方法”,IEEE Trans。模式分析和机器智能8(6),679-698(1986)。 ·doi:10.1109/TPAMI.1986.4767851
[13] Bresenham,J.,数字绘制圆的线性增量算法(1964年)
[14] J.Bresenham,“数字绘图仪的计算机控制算法”,IBM Systems J.4(1),25-30(1965)。 ·数字对象标识代码:10.1147/sj.41.0025
[15] J.Quinlan,C4.5:机器学习计划(Morgan Kaufmann,旧金山,1993)。
[16] C.Shannon,“通信的数学理论”,《贝尔系统技术杂志》27,623-656(1948)·Zbl 1154.94303号 ·doi:10.1002/j.1538-7305.1948.tb00917.x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。