基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

基于PCA-NCC的经编鞋面数量统计和质量检测算法

针对目前经编鞋面数量统计和质量检测过程中人工成本高、效率低等问题，提出一种基于主成分分析（PCA）和归一化互相关匹配（NCC）相结合的机器视觉方法。首先采用主成分分析方法，生成不同款型鞋面的模板库PCA模型；然后，求解PCA模型与待检测鞋面特征向量最小欧氏距离，选取与待检测鞋面布匹对应的鞋面模板；随后，引入奇异值分解，提高PCA模型的检测速度和适用范围；最后，应用归一化相关匹配法，检测鞋面是否存在质量问题，并统计合格经编鞋面的数量。为验证该方法的可行性，搭建鞋面布匹检测平台，构建100种不同款型的标准鞋面模板库，对3种不同款型的鞋面进行数量统计实验。将实验结果与人工结果进行比对，结果表明：合格经编鞋面的数量统计平均正确率达96.7%，检测速度较人工提高3～4倍，满足工业生产中的实际需求。     

基于改进型FAST快速视频拼接技术

为提高视频拼接的实时性,提出一种改进型FAST快速视频拼接算法。该算法的过程是先计算图像的自适应阈值,根据该阈值对角点粗提取,接着对角点精提取,包括抑制单点噪声、剔除边缘角点、剔除不稳定的角点。为提高角点匹配速度,利用BRIEF算法对角点进行描述,通过Hamming算法匹配两幅图像的角点,接着使用RANSAC算法剔除外点。根据匹配点对计算变换矩阵,拼接每一帧视频图像。由于动态视频拼接产生的背景抖动现象可以通过动静态结合的拼接方法改善。实验表明,该拼接算法的速度显著提高,定位精度较高,能够满足实时性要求,而且能够改善静态拼接中景深不同而产生的鬼影现象。     

基于改进的快速Shi-Tomasi特征点检测算法的图像拼接算法

针对Shi-Tomasi算法计算量大导致的特征点提取速度慢的问题,利用FAST算法对Shi-Tomasi算法进行加速,提出基于此改进算法的快速图像拼接算法。该算法首先应用FAST算法对整幅图像进行处理,基于筛选点邻域再采用Shi-Tomasi算法获取特征点,接着用NCC法进行特征点匹配,然后用RANSAC法剔除错误匹配并完成图像配准,最后用渐入渐出法进行图像融合。对比实验结果表明,改进算法相对基于ShiTomasi的图像拼接算法速度大幅提升,特征点匹配的正确率有所提高,拼接完成后图像的视觉效果也得到保持。     

基于ORB特征点的多目标匹配

针对难以分离多目标匹配中的特征点,研究了一种多目标匹配算法,该算法采用ORB特征点利用Hamming距离进行匹配,采用对称性测试去除误匹配点,然后获取模板在目标图像上的估计中心点,然后利用估计中心点集的密度峰进行中心点的自适应判断,进而分离不同目标的特征点,同时再次去除误匹配点。然后采用RANSAC方法进行变换矩阵的求解,获取所需要的位置角度等信息。实验结果表明该算法能够有效地分离多目标图像中的目标,具有运行速度快,稳定性好的特点。     

面向异形玻璃的视觉引导算法研究

提出一种面向异形玻璃基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以识别定位各种各样的异形丝印玻璃。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,再在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算相关对应点之间的距离作为匹配精度。     

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法.该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率.初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法.     

一种改进的基于Harris角点的图像拼接方法

主要研究了图像拼接的优化问题,针对传统的Harris角点检测算法流程进行了改进。在通过NCC算法对特征点进行匹配的过程中,采用了一种改进的特征点描述方法,减少了常规NCC算法产生的伪匹配点,从而提高了运算的速率。为验证其有效性,该方法被应用于一个图像拼接的实例中,实验结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,具有良好的实用性。     

基于自适应模板的实时跟踪算法

相关匹配算法通过计算模板图像和待匹配图像的互相关值来确定匹配的程度,是一种经典的匹配算法,具有很高的准确性和适应性,并且对图像灰度值的线性变换具有"免疫性",因此在目标跟踪中得到了广泛应用.但是相关匹配算法计算耗时过于庞大,难以达到实要求,并且当目标在模板中所占比例很小时,很难确定模板的准确位置,使得此算法在实时目标跟踪中的应用有很大困难.本文提出了一种基于自适应模板的实时跟踪算法.实时采集的图像首先进行阈值分割,然后用形态学滤波的方法去掉噪声,模板的尺寸通过轮廓分割方法确定.匹配程度的算法选择的是归一化自相关匹配算法,并采用金字塔搜索算法进行加速.实验结果显示,此算法有效地克服了相关匹配算法的缺点,具有较好的匹配精度和实时性.     

基于ORB特征的图像误匹配剔除方法研究

针对图像特征匹配当中存在明显错误匹配、匹配准确度较差的问题,对ORB算法和RANSAC算法进行了研究。ORB算法中,特征点的匹配是基于汉明距离进行的。在此前提下,提出了一种基于RANSAC算法的改进算法进行误匹配剔除。该算法通过增加粗剔除过程来剔除一部分错误匹配,然后利用RANSAC算法做了进一步剔除,同时增加了RANSAC算法中的初始样本集的数量并加以预判断,达到了降低RANSAC算法耗时的目的。最后利用多组图像对该算法进行了验证,实验结果表明,该算法可以有效剔除误匹配,提高图像特征匹配的准确度,并且具有旋转不变特性和噪声抑制特性,同时也保证了ORB算法的匹配速度。     

基于双目视觉的工件位姿检测方法

建立了一种基于双目视觉的空间位姿检测模型。采集目标物不同角度的图片以建立目标物离线模板库,通过SURF算法检索模板库以分离目标物所在区域。在该区域利用霍夫变换提取目标物的特征角点。利用基于灰度相关函数的匹配算法完成特征角点的匹配,结合双目视觉模型建立特征角点像素坐标与用户坐标间的映射关系进而求出目标物在用户坐标系下的位姿信息。以检测箱体工件为例进行多组实验,结果表明,该方法可以准确地检测目标物位姿。     

基于模板抽样的快速图像匹配算法

为了提高图像匹配速度,满足某些领域的实时性要求,提出了一种快速图像匹配算法.该算法利用Sobel边缘算子得到模板的灰度边缘图像,并对该边缘图像进行抽样以提取匹配点,从而显著减少匹配过程的计算量.利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,进一步减少了匹配过程的计算量.在此基础上引入精确匹配环节,找出了目标子图像的精确位移及旋转角度.将该算法应用于全自动金丝球焊机的图像识别系统,在主频为1GHz的工控机上实现该算法,匹配时间平均约为37ms,小于系统在60ms内进行匹配的要求,连续多次实验算法均能精确匹配目标的概率为93.8%,满足该系统的实时性与精度要求,取得了理想的效果.     

基于模板匹配的孔位与法矢检测算法

传统的基于边缘检测的孔位识别定位技术无法适用于网格状表面,因此提出一种基于模板匹配的孔位与法矢检测算法.给出利用2D激光采集被测表面三维点云的原理,采用改进型中值滤波算子去除孔边缘离群点,通过二值化将三维空间点云转换成二维平面点云,在二维平面内运用模板匹配方法与感兴趣区域(RO I)进行孔的识别与定位,并依据孔邻域点云间接计算出孔的位置和法矢.在模板匹配算法中,根据点云特征与给定的孔径自适应构造出孔的模板,保证了算法在倾斜平面和小曲率曲面上的适用性.通过实验对所提算法的有效性和精度进行了验证,实验结果表明孔位测量精度优于0.12 m m.     

基于改进SURF特征点的模板匹配算法

针对视觉中的目标识别问题,提出了一种基于SURF改进的模板匹配方法实现目标识别.传统的目标识别算法通常采用基于模板匹配的算法,其中基于SURF特征点的匹配算法被广泛使用,然而其实时性与匹配精度仍有待提高.基于SURF特征点进行改进,利用DAISY算法生成的描述子替代SURF算法中的描述子,并采用PROSAC算法进行误匹配删除,提高了模板匹配算法精度与实时性,最后经过实验验证了所用方法的有效性.     

基于形状匹配的片状元件贴片角度纠偏算法

针对上位机模板匹配中精度和速度之间的矛盾,结合FPGA高速并行运算的优势,提出了一种基于FPGA的形状匹配快速纠偏算法。主要在FPGA上利用形状匹配及最小二乘法计算片状元器件角度偏差,并且使用单指令数据流算法实现加速。实验表明,与传统上位机模板匹配算法相比,该文法进一步提高了纠偏精确度,且在纠偏精度保证的情况下,大大减少纠偏时间。     

图像匹配算法在跟踪印花系统中的应用

针对实时性要求较高的跟踪印花系统,提出了一种利用图像灰度特征进行跟踪匹配的算法.新方法首先通过比较直方图特征进行粗匹配,挑选出模板存在可能性较大的区域,然后通过计算横向与纵向的投影特征来实现模板的精确匹配.实验结果表明,相对于传统的灰度互相关算法,新算法匹配效果更为精确,同时减少了计算量,能够很好地满足印花系统高实时性的要求.     

基于迭代匹配的橡胶栓图像自适应旋转研究

为解决橡胶栓检测中图像的自适应旋转这一难题,将图像识别中的最小距离匹配方法引入图像旋转,并利用迭代法实现了旋转匹配过程。首先,将旋转角度为0°的标准图像存储为模板,然后计算待检测图像与标准模板间的距离,再利用迭代运算使图像不断转动,减小图像与模板间的距离,直到该距离小于某一给定值。在原始的迭代算法的基础上,还提出了一种简化的迭代算法,在保证旋转精度的前提下具有更快的运算速度。实验结果表明,基于迭代匹配的橡胶栓图像自适应旋转方法精度高,计算速度快,能满足橡胶栓实时检测的要求。     

基于机器视觉的轮廓度检测算法研究

提出一种基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以检测任意形状的玻璃、塑料或金属薄片产品的轮廓度在加工时所产生的误差。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算对应点之间的距离作为轮廓度误差。     

层次优化的颅骨点云配准

颅骨配准是颅面复原的重要步骤之一,其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率,本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理;然后对颅骨点云模型提取特征点并计算其特征序列,根据特征序列进行约束寻找初始对应点对,并采用k-means算法剔除误匹配点,实现颅骨粗配准;最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准,从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验,结果表明:粗配准过程,与未优化的粗配准算法相比,本文优化后的粗配准算法的配准精度提高了约35%,算法耗时增加了约6%;细配准过程,与ICP算法相比,本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%,算法耗时减少了约47%;先粗再细的完整配准过程,本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法,可以实现颅骨点云的精确配准。     

基于种子点传播的快速立体匹配

针对计算机视觉中的对应点误匹配问题,提出了一种基于种子点传播的快速局部立体匹配算法来进一步提高匹配算法的运行效率。该算法首先利用Canny算子提取图像边缘,结合边缘信息构造动态匹配窗口,以克服固定窗口对匹配带来的不利影响;然后利用AD-Census联合匹配代价在动态窗口上进行代价聚集,用WTA搜索策略得出初始视差图,对视差值进行筛选以确定种子点;随后利用像素间颜色差异将种子点的视差值传递给周围非种子点;最后采用区域投票和局部校正方式对视差值求精,进而获取精确的稠密视差图。实验结果表明,该算法可对Middlebury测试图生成高质量的视差图。与目前较新的局部立体匹配算法相比,其运行速度提高了1.8倍,满足了实际应用对速度和精度的要求,具有较高的实用价值。