基于自适应遗传算法的模板匹配研究

目前图像模板匹配算法的一般都有计算量非常大的缺点,在实际运用中存在一定问题,根据这一问题提出了将自适应遗传算法应用到图像模板相关匹配中.模板匹配实际是寻找最优解的问题,将模板和子图像的互相关函数做为目标函数,基于自适应遗传算法实现了快速模板匹配算法.最后根据实验说明了该算法较搜索式模板匹配算法计算量大大减少的优越性.     

基于多种群遗传算法的模板匹配研究

模板匹配是图像处理中的重要应用,本文提出将多种遗传算法与模板匹配想结合,解决传统模板匹配中计算量大、效率低等问题,并且避免了单种群遗传算法中出现的收敛缓慢和早熟收敛以及容易丢失优良基因等现象。     

逐级目标淘汰量子遗传算法

研究了如何应用量子遗传算法进行图像模板匹配,提出了逐级目标淘汰量子遗传算法.该算法充分利用了量子遗传算法的并行性质,很好地将粗搜索和精搜索结合起来,减少了匹配时间.实验结果证明了该算法的有效性.     

用可变形模板进行基于内容的图像分割算法

 本文提出一种采用可变形模板匹配技术进行基于内容的图像分割算法.通过预先计算出可变形模板沿着变形的正交曲线,并对模板曲线及正交曲线进行离散抽样,建立一基于正交曲线的二维(2-D)可变形模板,针对图像分割问题定义控制可变形模板进行变形的内、外部能量函数,本文采用遗传算法搜索能量函数最小的全局最优解.该新算法比传统的可变形模板匹配方法降低了搜索空间的维数,减少了算法对模板初始位置的敏感.对实际图像及模拟低信噪比图像处理的结果表明,新算法具有良好的分割精度及稳定性.     

自然数编码遗传算法在图像相关匹配中的应用

引入遗传算法解决图像相关匹配的耗时问题,利用二进制编码和自然数编码分别设计相关匹配的遗传算法。实验表明在图像相关匹配应用中,自然数编码比二进制编码不仅实用,而且运算速度快。     

基于分层模板的目标实时跟踪算法

在数字图像处理领域里,相关匹配技术有着广泛的应用,尤其在目标搜索和跟踪应用中.相关匹配算法通过计算目标图像与模板图像的相关值来确定是否图像和模板相关,具有很高的跟踪准确性和稳定性,但当目标仅占模板一小部分时,普通相关匹配算法效果很差.分析了有关相关跟踪算法的特点,提出了分层模板匹配的算法,并应用在实际的工程应用系统中;通过实验证明,该算法能较好地改善对小目标的跟踪效果,并可以克服障碍物对目标的部分遮挡问题.     

基于蚁群算法的Criminisi图像修复

提出了一种基于蚁群算法的Criminisi图像修复算法,将蚁群算法应用到Criminisi图像修复算法的最佳匹配模板搜索中。首先计算待修复区域优先权;然后蚁群寻找搜索路径中留下的信息素,沿着信息素最多的路径寻找到最佳匹配模板;最后更新置信度,直到修复结束。实验结果表明,修复后的图像PSNR较高不易陷入局部最优,能较快速地搜索到最佳匹配模板。     

一种多视角自适应的模板匹配目标检测方法

基于灰度的模板匹配方法难以解决航空图像多视角变换问题,而基于特征点的模板匹配方法难以解决低分辨率小目标模板图像匹配不稳定的问题。为此,提出了一种基于变换矩阵空间优化搜索的模板匹配方法。首先将多视角下的投影变换空间进行离散化建模,利用归一化灰度的模板与实时图像,以投影后模板图像与实时图像之间的绝对误差和（SAD）建立优化模型;然后通过优化搜索算法寻找到模板图像与实时图像之间的最优变换矩阵,检测出实时图像中的包含的模板目标;最后针对搜索的时间复杂度较高问题设计了基于分支界限法的加速算法。利用公开数据集和实际图像进行仿真实验,结果表明所提的模板匹配方法相比传统特征匹配方法对于高斯噪声、高斯模糊和图像有损压缩等图像退化具有更好的适应性,在大视角差异和低分辨率条件下具有更低的投影误差和更高的稳定性,并解决了单模板多目标的匹配检测问题。     

基于特征点的飞行器局部模板匹配

提出了一种基于特征点的飞行器图像模板匹配的方法.针对航空测试图像飞行器局部模板匹配的特点,提出用数字图像处理的手段,对目标图像进行基于Harris算法的特征点提取,并结合基于不变矩局部模板匹配算法,计算飞行器在航母降落过程中,航空测量图像飞行器的局部特征点附近进行快速的模板匹配.     

基于模板匹配的图像跟踪技术

为了解决传统模板匹配方法跟踪图像时遇到的问题,提出了在跟踪过程中采用变模板匹配的方法.该方法较好地解决了传统方法的局限性,通过实验比较了使用模板匹配和变模板法跟踪图像的效果.     

基于遗传算法的快速图像相关匹配

采用遗传算法研究了图像相关匹配问题,提出了快速图像相关匹配算法在最优匹配的前提下,其计算量较ＳＳＤＡ算法降低了一个数量级以上;可以采用ＮＰＲＯＤ匹配准则,改善在低图像对比度条件下的匹配精度;该算法每帧图像匹配计算时间基本恒定,便于工程应用。     

基于形状的计算机物体识别的研究

针对计算机物体识别中不同角度下图像物体形状的不同,提出了采用多角度获取模板图像,实验图片与多角度的模板进行匹配的理论模型,对采用多角度模板匹配时出现的不同形状的轮廓进行分析,提出了用物体图像的轮廓形状的相关匹配法的解决方案,在物体识别中,多角度模板匹配与单一的模板相比,提高了识别的可靠性,避免了同一物体角度不同时,误识别为不同的物体的情况。     

芯片识别定位系统中LED光源的应用研究

介绍了LED光源在芯片识别定位系统中的应用。根据CCD的光谱灵敏度曲线和芯片的材料特点以及光学特性,采用不同颜色、不同类型的LED光源进行图像采集,通过归一化相关匹配算法对实验图片进行模板匹配分析,得出匹配得分最高的结果,选择适合此类材料的光源。     

基于改进的遗传算法的快速图像相关匹配技术

本文基于遗传算法在图像相关匹配中的具体应用，提出了包括新的初始种群的选择策略以及调节收敛与发散因子、防止近亲繁殖的改进遗传策略，通过对实际图像的相关匹配仿真，证明了这些措施能有效提高遗传算法寻优可信度与寻优精度。     

动态模板匹配算法对运动目标进行自动锁定跟踪的研究

模板匹配技术在目标识别跟踪领域得到了广泛应用,它利用已知图像作为模板,在未知图像中移动模板,求图像与模板的相似度,找到相似度最大的点即为匹配成功。针对导弹跟踪锁定目标过程,提出一种动态模板匹配算法,以期达到实时处理的效果,实现对目标的锁定。通过实验仿真显示,该算法是切实可行的。     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

经纬仪序列测量图像目标匹配方法

为提高序列测量图像目标匹配的速度和稳定性,依据序列测量图像的具体特性,将遗传算法应用到目标匹配中,并根据测量图像的具体情况对染色体的交叉和变异方式进行了改进.提出了一种新的目标匹配方法,从而减少了目标匹配次数.实验证明:在保证匹配精度的前提下,该方法可有效地提高测量图像的目标匹配速度.     

一种基于距离变换和遗传算法的遥感图像区配算法

该文提出了一种基于距离变换和遗传算法的遥感图像匹配算法。先对参考图像和目标图像进行直方图处理,以克服不同光照条件下带来的匹配误差,在此基础上对参考图像和目标图像进行距离变换。最后利用遗传算法对距离变换后的图像进行匹配操作。实验结果表明,该算法不仅能满足一定的匹配精度,而且具有较高的匹配效率。     

一种基于Zemike矩和稳态遗传算法的遥感图像匹配方法

该文提出了一种基于稳态遗传算法和Zernike矩的遥感图像匹配方法。将稳态遗传算法快速而有效的全局寻优特点应用于遥感图像的匹配定位。考虑到旋转畸变,采用遥感图像的Zernike矩作为相似性量度,实现遥感图像的匹配。实验结果表明,该算法可以克服图像的旋转畸变,在保证一定的匹配精度下,具有较高的匹配效率。     

基于遗传算法的图像边缘信息链表匹配技术

提出了一种基于遗传算法的图像边缘信息链表匹配方法。首先,采用CANNY算子的方法提取图像边缘;然后,将图像边缘信息链表化;最后,基于链表化结果利用遗传算法进行链表匹配。该方法能够减少匹配过程中的计算量,且能实现高效匹配。通过仿真实验,验证了该方法的性能。