Harris角点检测和图像匹配程序，摄影测量课程作业，利用opencv

用于数字摄影测量特征点提取的学习。典型的特征点检测算法有两种，一种需要对图像边缘进行编码，这在很大程度上依赖于图像的分割与边缘提取，具有相当大的难度和计算量，且一旦待检测目标局部发生变化，很可能导致操作的失败。另一种基于图像灰度的方法通过计算点的曲率及梯度来检测特征点，此类方法主要有Moravec算子、Forstner算子、Harris算子、SUSAN算子等。课程学习只做了Forstner算子和Harris算子。

许多最新的显着性检测算法都依赖于border.prior，但是这些算法只是将图像周围的边界假定为背景区域。 在这里，我们提出了一种快速有效的显着目标检测算法。 首先，提出了一种新的方法，即利用哈里斯角的凸包对前景物体进行近似定位。 在此基础上，我们将不同区域的显着性值分为两部分，并生成相应的提示贴图（前景和背景），这些提示贴图被组合为凸包先验贴图。 然后，提出了一种基于到凸包中心的距离的新先验来代替该先验中心。 最后，将凸包先验图和凸包中心偏图合并为显着图，然后对其进行优化以获得最终结果。 与现有的18种算法相比，并在多个数据集上进行了测试，该算法在准确性和查全率方面表现良好。

角点提取检测，进行图像处理，主要运用在数字水印特征提取方面

使用matlab实现的harris算子，该算法是计算机图像处理的基础算法

程序分为三个部分：Harris角点检测；角点匹配连线；图像配准 通过matlab实现，打包处理，内含使用说明。可直接使用

计算机视觉 局部图像描述子python实现harris角点检测，特征匹配，sift特征检测和匹配，可以直接运行，内附VLFeat工具包sift

基于像素点特征的Harris角点检测拼接算法 matlab实现

matlab仿真代码

针对嘴部作为人脸的重要信息集中点之一这个特性，提出了一种用于驾驶员疲劳检测的嘴部状态的研究算法。首先采用改进的Adaboost算法精确定位人脸区域，然后利用迭代式阈值选择法对人脸下半部分进行二值化处理，得到嘴部完整轮廓后使用Harris角点检测找出嘴角，同时矫正倾斜嘴部，最后通过计算嘴部张开度和持续时间来判断是否疲劳。实验表明，该算法具有较快的速度，同时对疲劳检测的进一步研究有重要的作用。