一种新的结合遗传算法的快速变形模板匹配算法

分析了图像处理中模板匹配技术计算量大的问题。在高精度的芯片焊点定位应用中,文章提出了一种新的结合遗传算法的快速变形模板匹配算法。该算法在应用中有很高的执行效率,而且还克服遗传算法应用的结果不确定性,通过变形模板匹配精确的计算出芯片与水平线夹角和芯片焊点相对位置。最后通过试验证明这种方法的高效性和准确性。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

基于Mean Shift的芯片X光图像层次分割算法

针对芯片X光图像多目标、背景复杂、灰度分布不均匀的特点,提出一种基于Mean Shift的层次分割算法。运用旋转缩放不变的模板匹配定位算法定位芯片并确定其兴趣区域（ ROI）,从而实现外层分割。再运用Mean Shift算法对芯片模板图像和芯片ROI图像进行统计聚类分析,分别计算原图像金线模式类的灰度平均值,以芯片模板图像的金线模式类的平均灰度为基准,对芯片ROI的聚类图像采用优化阈值进行自适应阈值分割,从而实现内层分割。实验结果表明：与传统的均值偏移分割算法相比,该方法的多目标分割准确,可靠性高。     

一种基于模板匹配的芯片Frame图像分割算法

针对背景复杂、边界模糊以及芯片相连等特征的芯片Frame图像,提出了一种基于模板匹配的芯片Frame图像分割算法。首先,对整幅芯片Frame图像预分割出多个区域模块;然后,基于区域模块图像采取模板匹配算法匹配单芯片图像;最后,通过合并单芯片的重叠匹配框并记录合并框的坐标信息的方式分割出单芯片图像。实验结果表明:选取合适的模板和阈值,能使该算法的分割准确率达到100%,并且比不基于区域模块匹配的分割算法节省了至少45.76%的分割时间,满足芯片Frame高精度和高速度的分割需求,为芯片图像分割算法的研究提供了一种新思路。     

曲率定位的图像区域化SSDA模板匹配方法

提出了一种结合区域化SSDA方法进行模板匹配的方法,基于灰度曲线的微血管定位和检测,并利用定位的特征区域的伪色差灰度图像形成图像模板,用于微血管显微图像的匹配和纠偏。在微血管的显微图像序列配准中进行了应用和测试,实验结果表明该方法可以有效应用于显微血管图像的快速匹配分析。     

基于环形模板匹配的金属零件识别算法

针对在金属零件的模板匹配中,由于图像采集时零件摆放的位置和方向不同,使匹配图像中存在零件的不同侧面导致传统匹配方法准确率低的问题,提出了一种使用环形特征模板的模板匹配算法RT-MM.通过一组同心圆将模板分割为几个环形区域,利用环形区域相互之间的关系作为预选区域的定位特征,在匹配图像中快速筛选出若干个预选区域;通过Sob...     

基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

一种改进的模板匹配眼睛定位方法

针对眼睛定位问题,文章提出了一种改进的模板匹配方法。在使用一种合成的眼睛模板对图像进行匹配得到多个相似眼睛点的基础上,利用人脸库部分图像中两眼相对位置关系的统计值来构造一个分段距离函数,并计算相似眼睛点的两两距离,根据此距离信息来同时定位双眼。实验结果表明,与传统模板匹配方法相比,该文方法能够同时定位双眼,并显著提高了定位准确率和定位速度。     

基于多方法融合的车牌自动定位算法研究

提出了一种将模板匹配、形态学和投影法多方法融合的车牌定位算法.首先,对预处理后的车牌图像采用优化的模板匹配算法粗定位车牌区域;然后运用形态梯度方法对租定位后的图像进行边缘检测;最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置.实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,满足了系统实时性和准确性的要求.     

无砟轨道扣件快速匹配定位方法研究

针对现有扣件定位方法速度慢、定位不准确的问题,结合无砟轨道的特点,提出一种无砟轨道扣件快速匹配定位算法。该算法针对传统匹配算法运算量大、匹配结果不准确的缺点,采用梯度法求取扣件图像的方向场,并根据钢轨区域方向场的各向一致性,锁定扣件感兴趣区域,实现图像裁剪,减少模板搜索空间;模板匹配则通过计算模板和图像方向场对应点之间的绝对值距离实现扣件匹配定位,并利用方向场采样、基于统计方法确定搜索起点位置、随机抽样一致性等方法提高匹配速度和精度。实验结果表明,该算法匹配速度快、鲁棒性强,能够满足扣件检测识别中对扣件匹配的实时性和准确性的要求,与传统的模板匹配定位方法相比,速度提高了30%左右,且对于不同光线条件下的匹配成功率均大于95%。