基于十字模板的特征点匹配方法

针对传统模板匹配中矩形模板计算量大、容易造成误匹配的问题,对矩形模板进行改进,提出了十字模板匹配算法;对待匹配的两幅图像进行边缘提取,结合两幅图像的灰度图像获得灰度边缘图像,并利用十字模板匹配方法匹配选定的模板区域;最终在连续性约束的条件下,利用欧氏距离完成特征点匹配。对比实验结果表明十字模板匹配速度快,准确度高;基于十字模板的特征点匹配方法简单可靠,具有一定的实用性。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。     

基于形状模板的快速高精度可靠图像匹配

为了提高工业检测中图像匹配精度和速度,提出一种基于形状模板的快速高精度图像配准算法：根据定义的图像匹配相似度量,采用图像金字塔搜索匹配策略,利用形状信息进行模板匹配。具体流程为：首先在参考图像上选择感兴趣区域生成模板,使用Canny滤波器对模板和搜索图像进行滤波,并计算边缘点的方向向量;其次,在此基础上构造该模板和搜索图像的图像金字塔,在图像金字塔最高层图像进行完全遍历匹配,获得具有匹配分值的潜在匹配点,然后根据匹配分值大小逐层逐次跟踪潜在匹配点,进行匹配,直至图像金字塔最底层;最后使用最小二乘法调整位姿参数,使其达到亚像素精度。实验表明该方法匹配速度快,匹配精度高,而且匹配鲁棒性高,不受遮挡、混乱、非线性光照变化、离焦、对比度低、全局对比度反转、局部对比度反转等情况的影响,完全可以满足实际工业需求。     

一种高性能SAR图像边缘点特征匹配方法

针对合成孔径雷达（Synthetic aperture radar,SAR）图像特征匹配中特征提取的不稳定性和相似度优化搜索的复杂性问题,提出了一种精确高效稳健的SAR图像边缘点集匹配方法. 首先,分析了仿射变换模型在遥感图像匹配中的适应性,并对仿射变换模型进行了参数分解;其次,提出了基于方向模板的SAR图像边缘检测算子,并利用SAR图像边缘的梯度和方向特征,建立了基于像素迁移的多源SAR边缘点集相似性匹配准则,以及图像匹配的联合相似度-联合特征均方和（Square summation joint feature,SSJF）;然后,利用改进的遗传算法（Genetic algorithm,GA）来进行相似度的全局极值优化搜索,获取变换模型参数和边缘点集的对应关系;最后,从理论上分析了本文方法的性能,并利用多幅SAR图像的匹配实验以及与原有方法的对比分析,对本文方法的性能进行了验证.     

基于LOG算子的小信息量图像匹配算法

为了提高远距离图像导航精度,解决小信息量、小模板及噪声条件下图像匹配的难点,针对传统相位相关的图像匹配算法对图像高频信息利用不足、匹配精度受模板尺寸影响及抗噪声干扰性能差的缺点,提出了基于改进LOG边缘检测算子的图像匹配新算法,采用新的LOG算子对参考图像和模板进行边缘检测,并利用相位相关在整幅图像内对模板进行配准。通过实拍图像对新算法进行了验证,实验结果表明,与传统图像匹配算法相比,新算法匹配精度高、抗噪声能力强,目标定位稳定、可靠。     

图像相关匹配算法研究与红外目标跟踪应用

研究红外目标跟踪问题,针对目标的准确定位,图像相关匹配技术是目标跟踪中最基本的方法.当前红外成像导引头要求实时跟踪,但是在目标跟踪的末端,匹配点漂移和滑动将直接影响目标跟踪的精度.为提高定位精度和实时性,提出了一种新的实时跟踪算法.算法从红外图像中获取特征点,以特征点为中心选取参考模板,利用边缘检测算法获得边缘点集,使用自适应阈值的SSDA算法进行边缘点集的匹配,实现实时目标跟踪仿真.实验结果表明,算法很好地解决了红外目标跟踪精度问题,并满足实时性和跟踪稳定性要求.     

基于特征点匹配的改进模板匹配算法

特征点匹配是图像匹配领域中一项重要研究内容。暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法。为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板。基于输入图像和另一幅图像之间的模板匹配,使用暴力匹配算法在模板和匹配区域之间进行特征点匹配。该算法可以将高匹配数转换为高匹配质量。实验结果表明,该算法匹配速度较快、准确度较好。     

序列图像的目标识别方法

针对灰度差绝对平均值算法匹配次数多,不具有旋转不变性等缺点,提出一种新的序列图像目标识别方法。首先,分别在模板图像和目标图像中进行特征点检测,然后将模板图像中检测到的特征点附近区域作为特征模板。利用特征模板与目标图像中的特征点相应区域进行环形模板匹配操作,从而在目标图像中找到与模板图像相匹配的特征点。对于因遮挡而丢失的特征点,可根据已匹配特征点之间的相对关系来重新确定,从而实现目标识别的功能。仿真实验验证了该算法的有效性。     

基于边缘几何不变性的特征提取算法研究

针对异源图像中可见光与红外图像特征提取算法进行研究,提出了一种基于边缘几何不变性特征的提取算法。采用空域滤波及灰度处理的方法对背景噪声进行处理,使用C anny算子提取目标的边缘,利用二值形态学中腐蚀与膨胀两种基本运算对边缘细化填充。利用圆形模板匹配的方法提取边缘特征点,通过对有效特征点的筛选与组合形成不同的三角形区域特征,并计算这些三角形区域的几何特性。仿真实验结果表明,该方法可以有效提取异源图像的共有特征。     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

新的噪声污染灰度图像边缘检测方法

传统的图像边缘检测方法由于引入了各种微分运算,因此用于噪声图像边缘检测时对噪声极度敏感。针对这一问题,提出了一种基于独立分量分析技术的噪声图像边缘检测方法,该算法通过计算数据之间的高阶统计信息,提取特征模板,然后将被高斯噪声污染的灰度图像与这些模板逐个匹配,提取出边缘成分。实验结果表明,基于独立分量分析技术的模板匹配方法自适应强,复杂度低,是一种有效的高斯噪声污染灰度图像边缘检测方法。     

二维机器视觉测量中的图元识别

采用视觉测量方法对工件的各种断面尺寸参数进行测量时,需要在采集到的图像中找到被测量对象。文章给出了一种识别测量对象的图像匹配方法。该方法首先采用Canny方法从工件图像中提取出宽度为单像素的连续边缘图像,并根据工件的原理图纸生成待匹配的模板图像;对模板图像进行缩放和旋转,使之能在匹配率的约束下和边缘图像实现匹配;原理模板中包含图元的编码信息,据此可以在边缘图像中识别出工件的图元信息。实验结果表明,文中提出的方法能适用于一般工件的断面图元识别。     

基于U弦长曲率的抗旋转性广义Hough变换算法

针对广义Hough变换(GHT)算法匹配发生旋转图像中的目标形状时发生误匹配的问题,提出一种基于U弦长曲率的具有抗旋转性的广义Hough变换算法。首先,对模板形状采用边缘点的U弦长曲率和偏移向量等特征构建具有旋转不变性的修改的R-表;其次,以图像中边缘点的曲率作为索引,查找构建的R-表得到偏移向量等信息;最后,根据查得的信息计算图像中目标形状的可能的参考点位置进行投票。根据投票结果即可提取出图像中目标形状的位置。当图像中目标形状分别旋转0°、2°、4°、5°、6°时,提出的算法的匹配结果均在图像中目标形状位置具有非常明显的峰值。仿真结果表明,改进的广义Hough变换(I-GHT)算法具有良好的抗旋转性和抗噪性。     

边缘增强图像互相关模板匹配的并行架构

基于归一化互相关测度(NCC)的模板匹配已经在图像处理领域得到了广泛的应用。对图像进行边缘检测然后进行模板匹配,可充分利用图像的空间相关性,锐化模板匹配结果的相关峰,提高匹配的准确度,可以获得更高的定位精度。为了有效提高定位精度,考虑到导弹制导系统的算法实时性、体积以及为适应战场不同任务阶段采用不同匹配策略的灵活性要求,基于FPGA,通过结合Sobel边缘检测,进一步改进了提出的图像归一化互相关模板匹配高速并行实现架构。对边缘检测前后图像模板匹配的仿真比较结果表明,边缘检测处理可有效锐化相关峰;基于Altera的FPGA芯片EP2S90和开发软件Quartus Ⅱ 8.0的并行实现架构功能与时序仿真及在实际目标识别系统中的应用表明,这种方案可有效地提高系统的运算速度和定位精度,FPGA实现本身也进一步缩小了系统的体积。     

基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

印制电路板图像对准算法研究

使用模板匹配法检测印刷电路板(PCB)质量,对标准图和待检测图之间的图像对准具有很高要求.在定位标志为圆的情况下,应用Hough变换虽然行之有效,但存在占用内存多,计算量大等问题.图像对准分为模糊对准和精确对准两个步骤,利用设置定位圆的先验知识实现模糊对准,并由模糊对准给出定位圆的相关参数,将这些参数运用于精确对准,能使图像的边缘提取和Hough变换变得简单、易行,减少了内存占用,提高了算法的处理速度.     

基于图像分割的立体匹配算法

基于马尔可夫随机场（MRF）的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性（平滑）约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。     

基于参数自适应CNN的灰度图像边缘检测

边缘是图像的重要特征。在应用细胞神经网络提取图像边缘时,网络的稳定性和参数的选择是关键。文中推导了细胞神经网络的稳定条件,并提出了网络参数的自适应设计思路。基于Matlab7.0平台,通过编写仿真程序,检测灰度图像边缘,得到良好效果。实验证明,该法还能有效抑制噪声的干扰。     

基于多方向梯度边缘预测器快速边缘检测算法

改进了无损压缩编码中的梯度自适应预测器(GAP)和梯度边缘检测(GED)预测器,并应用在图像边缘检测中,提出基于多方向梯度边缘预测器(MGEDP)的动态阈值控制的边缘检测算法。该方法主要步骤为:1)从图像中心划分四个区域; 2)采用并行技术多个方向应用MGEDP模板,分别预测错误值,利用错误反馈信息构建预测误差图像; 3)利用大津算法计算阈值,分类误差图像边缘; 4)细化边缘; 5)合成边缘图像。实验证明:应用并行技术降低了时间复杂度,以中心逐步向四周选择预测参考点避免了误差繁衍,最终得到清晰完整、细节丰富的边缘图像。     

一种十字丝中心坐标检测方法

数字图像中十字丝中心位置的检测方法较多,十字丝模板匹配和边缘检测等算法存在运算量大、实时性不强等问题.提出十字丝中心综合检测方法,该方法计算量小,主要运用图像分块、十字中心查找、灰度阈值、逻辑排除、十字模板匹配等技术.讨论不同方法的应用条件、提供具体参数并分析实验结果.实际运行情况表明,十字丝坐标综合检测方法有效可行.