基于奇异值分解的图像匹配方法

传统的图像匹配方法中, 由于实时图和参考图之间存在着灰度差异和几何形变,仅用灰度作为特征进行匹配算法的性能很容易受到影响。文中提出了一种基于奇异值分解的图像匹配方法。该方法首先利用奇异值分解方法,求出模板图像矩阵的奇异值及奇异值向量,用它们作为模板图像的特征代替传统算法中的灰度对两幅待匹配图像进行全局搜索定位。由于奇异分解方法所特有的优越性,匹配实验取得了良好效果。实验结果验证了该方法的有效性。     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

以一种新的距离度量作为反馈的相关跟踪方法

基于相关的模板匹配方法在图像跟踪中得到了广泛的应用,但是这种方法的主要缺点是对图像噪声非常敏感,而且由这种方法得出的相关曲面比较平坦。为了有效抑制噪声和局部遮挡对图像的影响,提出用鲁棒统计中的一个值代替相关值作为距离度量。它不是计算两幅图像的对应像素差值,而是计算两幅图像中差别不大的对应像素对的个数。实验证明这样得到的曲面相对　　收稿日期:2003 08 31;　修订日期:2003 10 28作者简介:张桂林(1944 ),男,天津人,教授,博士生导师,主要研究方向为自动识别、人体生物统计特征识别、图像处理算法与系统性能评估等。　　　　　　　要尖锐得多。当上述的距离度量应用于跟踪过程中时,模板的合理更新对跟踪非常重要。基于上述的距离度量方法,提出了一种新的模板更新策略。利用两幅图像中近似像素在整修匹配模板像素中所占的比例大小决定加权系数。这种加权策略可以自适应地根据图像序列的变化选择更新相关模板,同时在一定程度上减小模板漂移的危险。     

高分辨力PCB裸板图像轮廓快速圆弧探测

当前主流的在线高精度PCB裸板缺陷AOI检测系统均采用基于轮廓矢量化分析比对方法,圆弧探测是实现轮廓矢量化的关键环节。本文提出一种快速的圆弧探测方法,首先采用DP(Douglas-Peucker)算法对轮廓进行曲线抽稀处理,将轮廓分割为直线段基元并计算法向角,然后依次计算各相邻直线段基元的法向角偏差之和,并与基元中点位置值一起形成法向角变换曲线,再次采用DP算法检测变换曲线中的直线段即可完成圆弧探测。本文将圆弧探测简化为两次直线探测,算法复杂度为O(n),具有非常高的计算效率。实验结果表明,本文方法与Halcon商业软件中的圆弧检测算法相比,准确率更高且耗时更少。     

基于子空间的3D目标识别和姿态估计方法

提出一种基于子空间的3D目标识别方法。该方法对3D目标进行事先的训练学习，采集目标可能出现时的图像，提取场景中目标的主要特征成分，建立所有目标样本图像和每个目标样本图像对应的两类特征子空间，分别用来确定目标类型和姿态。当输入一幅未知的待识别目标样像，识别系统将其分别向两类特征空间投影，根据它在两类特征子空间中的投影位置并参照目标特征的分布规律识别目标类型和姿态。实验证明，该方法具备对目标多种姿态图像畸变的鲁棒性，对光照变化也有很好的抑制作用，取得良好的目标识别效果。     

一种新的相关跟踪方法研究

相关跟踪过程中，序列图象中的实时图和参考图之间必然存在灰度差异以及一定程度的几何形变和对目标的局部遮挡，而传统相关匹配算法中，每一对像素点对匹配结果的贡献是均等的，这样就使得算法的性能很容易受到图像中噪声、局部遮挡等因素的影响。为此，从另外的角度提出了一种新的图象相似度度量方法，即将目标图象中与模板图象相接近的点的个数作为相似性度量来进行匹配，这种方法得到的相关曲面更尖锐，匹配置信度更高。又因为跟踪过程，实时图必然存在这样或那样的变化，对模板合理地进行更新是相关跟踪的关键，在上述的图象相似度度量方法的基础上，另外又提出了一种非常有效的模板修正方案，从而使得跟踪算法对环境的适应能力和稳定性得到大大提高，实验结果证明了该方法的优越性。     

结合VAM和模糊逻辑的NSCT图像融合方法

提出一种基于非下采样Contourlet变换(NSCT)的图像融合方法。NSCT分解具有平移不变性,有利于更好地保持原始图像的边缘信息和轮廓结构。由于图像融合任务的不确定性及模糊逻辑在处理该类问题时的优越性,在高低频的融合策略中引入模糊逻辑进行基于隶属度的融合。同时考虑到人类视觉感兴趣区域的重要性,在低频系数的融合中引入视觉注意机制,利用原始图像本身的显著区域信息来指导融合过程,从而在融合过程中最大限度地保留源图像中的显著信息。实验结果表明,算法的融合图像具有良好的视觉效果及客观评指标。     

基于对数极坐标变换和仿射变换的目标识别定位方法

由于传统的模板相关匹配算法在目标图像发生较大旋转和放大时，定位结果可能会发生偏差，因此为了取得精度更高的目标识别结果，提出了一种基于对数极坐标变换粗匹配，结合仿射变换精匹配的目标图像识别定位方法，以用于在视场中自动搜索相对于模板图像有平移、旋转和尺度变化的目标图像。实验结果表明，该算法不仅定位精度高，而且相对于传统的模板匹配算法有更强的鲁棒性。     

视觉注意机制在大视场目标快速定位中的应用

视觉心理学研究表明人类在看一个场景时,往往会在很短时间内找到几个显著区,然后再细看显著区域的内容,这样可以使得人类可以快速分析复杂图像。算法首先模拟人类视觉系统特点,根据图像的底层信息如对比度、方向、亮度等提取图像中几个最需要关注的显著区域,然后按照显著性由强到弱的顺序分别在每个显著区域利用具有尺度旋转不变性的对数极坐标变换方法进行目标的匹配定位。该方法在没有牺牲定位准确度的前提下,大幅减小了运算复杂度。实验表明该算法定位速度快而且准确。     

一种新的基于对应像素距离度量的图像相关匹配方法

传统的图像相关匹配方法中,由于实时图和参考图之间存在着灰度差异和一定程度的几何形变以及对目标的局部遮挡,使得利用求取对应像素灰度差累加和来进行相似性度量算法的性能很容易受到影响。文中从另一角度提出了一种新的图像相关匹配算法。该方法改变了原先匹配算法中求取模块图像和目标图像的像素灰度差的和的方法,而改为求取两幅图像之间相接近的点的个数,从而使匹配算法的稳定性大大提高,因为 局部出现的大片噪声点将不会影响匹配的结果,而这样的情况在传统的相关算法中将会显著影响匹配结果。实验结果表明了该方法的有效性。