基于小区域字符模板匹配的金属标牌字符串识别

提出了一种基于小区域的快速模板匹配算法,实现了一行标牌字符串的识别,在利用投影法求得字符所在位置以后制作被匹配图像数组以及模板,然后进行识别。由于算法只对存在字符的区域进行小范围匹配,省去了在整幅图像上搜索无关数据信息的过程,与传统的模板匹配算法相比显著降低了算法的运行时间,能够满足图像匹配即时性的需要。     

基于活动轮廓结合目标匹配遥感图像识别算法

随着当今遥感技术的飞速发展,遥感图像的精度和复杂度越来越高,为了从复杂大量的遥感图像中识别出感兴趣的目标区域,本文提出了活动轮廓分割结合目标匹配的遥感图像识别算法.所提出的活动轮廓算法,基于一个区域外法线向量的演化曲线模型,改善了原始的轮廓模型的边缘泄露问题和运算速率.新设计的模型用来提取目标匹配所需要的模板区域,并对其进行填充来构造完整模板.之后通过具有方向不变性的圆投影算法来进行目标区域的匹配进行筛选,并进一步对筛选出来的区域通过具有良好的几何区域不变性的仿射不变矩对目标区域进行分析,从而得出最终所判断的目标区域.最后通过实验验证了所设计的算法具有计算速率快,初始化限定少,演化能力强和鲁棒性强的特点.本算法适用于多种刚性目标的遥感图像识别.     

基于投影特征的快速图像匹配方法

为了减少现有投影法模板中的冗余像素和匹配过程中无效的投影计算,提出了一种基于投影特征的快速图像匹配方法。基于投影法匹配原理和目标物体最小纵横比矩形特性,构造出平行四边形模板,并应用四方向链码实现该模板的投影变换;在图像匹配过程中,基于模板投影数据的取值范围和动态阈值序贯相似性检测原理,实现投影变换过程中灰度值的实时判定。实验结果表明,本文提出的方法与其他图像匹配算法相比在运算速度上优势显著。     

分区域图像匹配在PCB缺陷光学检测中的应用

针对印刷电路板缺陷光学检测系统中图像匹配既有位置匹配又有角度匹配的问题,提出了分区域图像匹配的方法,将待测PCB和标准PCB图像分割成为M×N个子图像并分别采用改进的归一化互相关算法进行位置平移匹配,各个子图像匹配结果的综合效果对于整幅图像来说既有位置的匹配又有角度的匹配,这样就可以利用一种算法实现2种匹配的目的。实验结果表明,该方法减少了匹配的运算次数,提高了图像匹配的速度及缺陷检测系统的效率。     

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

基于尺度配准的航拍图像与卫星影像匹配方法

随着无人机航拍技术的普及,航拍图像在目标检测和跟踪的应用得到普遍研究,而航拍图像与卫星影像的匹配研究相对较少。由于成像机理和成像视角的不同,无人机航拍图像与卫星影像存在较大的尺度差异,现有的图像匹配方法难以实现航拍图像与卫星影像的有效匹配。为了解决这一问题,提出了一种实现具有大尺度差异的航拍图像与卫星影像匹配的方法。该方法通过卫星影像的经纬坐标信息和无人机航拍图像成像时刻的相机位姿信息,对无人机航拍图像进行方向和尺度的配准;然后利用航拍图像成像时刻的位置信息,对卫星影像进行粗匹配,得到包含航拍图像匹配区域在内的卫星影像子图;再利用神经网络提取配准后的航拍图像与卫星影像子图的卷积神经网络（convolutional neural networks,CNN）特征,并基于CNN特征实现航拍图像与卫星影像的精匹配。仿真实验结果表明,本文所提方法能够有效的实现大尺度差异的航拍图像与卫星影像匹配。通过将本文匹配方法与现有图像匹配算法匹配精度的对比分析,证明了本文匹配算法的有效性和优越性。     

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法.首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图.由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头.实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境.     

Real-Time Digital Image Stabilization Based on Contour

A new digital image stabilization method is proposed for real-time application based on imagecontour. The image intensities are projected to several gray levels by thresholding before extracting contourpoints. Matching position could be found using these contour points. All pixels are still used for refinedmatching near the matching position. This algorithm is more robust against changes in illumination and noise     

一种改进的轮廓提取评估算法

针对带有Ground Truth图的自然图像轮廓评估算法的轮廓提取准确率低并且不精确的问题,本文提出了一种邻域匹配算法,并且与原算法相结合,再将评估的准确率公式进行修改,得到了本文的轮廓提取评估算法。通过对Canny算子处理的轮廓提取图进行评估,并与原算法相比可知,本文算法提高了评估的轮廓提取准确率。     

360-degree real-time stitching technology for multi-channel video

Aiming at the time-consuming problem of image registration in video mosaic, a combined algorithm based on the BRISK and GMS is designed and optimized. Based on the fast feature extraction feature of the BRISK, the grid image method is used to divide the overlap region image to make the feature point distribution more uniform, thus reducing the number of feature points that need to be operated. In the feature matching stage after feature extraction, the GMS is used to eliminate the mismatching pair, and improves the matching accuracy according to the two-way matching strategy. In order to make the image fusion more natural and smooth, this paper designs a regionalized feather blending weighted fusion algorithm. To reduce the error in solving the overlapping area, the fusion area is constructed and divided into regions. The best suture method is used to get the seam. The gradual in and out weighting algorithm is used in different regions to achieve image fusion, so as to obtain the panoramic image with higher fusion quality. Finally, a complete prototype of the panoramic video stitching system is designed. The feasibility and practicability of the system scheme are verified by experiments which show that, compared with the traditional video splicing technology, this algorithm ensures the real-time performance of video splicing while eliminating the ghosting and seaming problems that occur during splicing.     

基于主色调的图像布局特征提取及相似性匹配算法

在基于内容的图像检索中,图像特征的提取和特征匹配是图像检索的核心.为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于主色调的空间布局特征提取方法,并在此基础上提出了基于布局特征和颜色特征的图像相似性匹配算法-双特征匹配算法.仿真实验表明,该算法对一些布局特征明显的图像类型有很好的检索效果.     

利用.NET组件技术实现刀具图像的检测

为了实现刀具图像的轮廓跟踪,提取轮廓点,采用Matlab.NET component与Mi-crosoft Visual Studio C Sharp混和编程技术,并运用模糊C均值聚类（Fuzzy C Mean cluste-ring,FCM）算法对图像进行处理,返回分割阈值,实现对灰度图像的分割.同时为避免出现轮廓断点,引入编码技术,再经过8邻域搜索目标轮廓,最终完成刀具图像轮廓跟踪.与微分算子的边缘检测对比,本文算法利用FCM分割图像,又引入编码技术,实现轮廓连续的跟踪检测,该方法分割效果较好,界面编写简单,运行简便.     

基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。     

小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

Contour reconstruction method for noisy image based on depth residual learning

In order to improve the recognition ability of noisy images, a method of contour reconstruction based on depth residuals learning is proposed. The sharpening template matching technique is used to enhance the noisy image information, the local gray level information on the image is used to construct the edge active contour model of the image, and the active contour lasso method is used to reconstruct the image with a high resolution. The feature quantities of local gray energy and local gradient energy of the noisy image are extracted, and a convolutional neural network classifier is constructed to classify the features. The learning depth of the learning convolutional neural network is judged by combining the similarity of the gray histogram of the image. The resolution ability of image detail information is improved, and the contour high resolution reconstruction of the noisy image is realized. Simulation results show that the proposed method has a high resolution and a high peak signal to noise ratio (PSNR), which improves the recognition ability of the image effectively.     

基于模板匹配的发票号码识别算法

针对数字识别系统中的发票号码识别问题,提出了一种有效的基于模板匹配的发票号码识别算法.通过对发票数字图像进行前期处理以获得单个字符图像,根据印刷体数字二值化后矩阵特点,基于模板匹配的思想,将待识别字符图像与模板图像进行信息区叠加,对叠加后的图像进行不匹配像素统计,从而得到匹配系数,取匹配系数最小值为最佳匹配.结果表明,该方法简单有效,抗干扰性强且识别率较高,识别发票图像准确率可达99%.