一种基于曲线拟合的柱面图像匹配算法

传统的RANSAC误匹配剔除算法对柱面图像误匹配剔除效果较差,为了解决这一问题,提出一种基于曲线拟合的误匹配剔除算法.首先对两幅图像进行SURF特征提取并采用最近邻匹配法进行粗匹配,然后将匹配点对集合按照所在列数的大小进行排序,最后将每个匹配点对两个特征点所确定的直线的斜率集合、欧式距离集合分别进行曲线拟合从而剔除误匹配.实验证明,提出的基于曲线拟合的图像匹配算法明显增加了剔除误匹配后靠近柱面图像边缘部分的匹配点数量,提高了柱面图像匹配的精度.     

快速区域质心图像匹配算法

针对传统的归一化互相关方法（NCC）在图像匹配时计算量大的缺陷,提出了一种新的基于NCC的快速模板匹配算法。该算法基于粗、精匹配的思想,将区域质心特征、颜色直方图信息与归一化互相关匹配方法结合起来实现图像的定位匹配。在图像匹配时以搜索图像的质心点作为参考点,而非通常情况下以左上角点作为参考点,减少模板的搜寻空间。通过大量的实验表明,该算法可以大大提高全搜索NCC匹配算法的运算速度,同时保持了匹配的精度,可以满足实时性的要求。     

基于点线投影模型与几何误差制约规则的图像匹配算法

当前较多图像匹配算法主要通过求取Haar小波的方法获取特征描述符进而完成图像匹配,忽略了特征点对应邻点的投影特性,当匹配图像之间存在旋转、缩放等变换时,易导致匹配图像中存在较多的错误匹配以及漏匹配等不足。对此,提出了一种基于点线投影模型耦合几何误差制约规则的图像匹配算法。首先,引入FAST算法用于准确、快速的检测图像的特征点。然后,利用像素点对应的梯度值构建点线投影模型,用以获取特征点的主方向。以特征点为原点构建极坐标,将特征点邻域进行区域分割,通过联合分割区域中的分布直方图以求取特征向量,从而形成特征描述符。最后,利用Euclidean模型求取特征点的最近邻与次近邻之比,完成特征点匹配。利用匹配特征点之间的映射关系,构造几何误差模型对特征点集的误差进行度量,根据度量结果构建几何误差制约规则,对匹配特征点进行优化,实现图像匹配。实验结果表明,与当前图像匹配算法相比,算法不仅具有较高的匹配精度,而且还具有较好的鲁棒性能。     

基于图像识别技术在变电站设备监测中的应用

为减少传统基于灰度的模板匹配算法的计算量,采用一种在图像匹配中基于灰度的编码方式,将待搜索的源图像分割成若干块大小相同的子图像,计算每个子图像中的总灰度值,然后根据该子图像与相邻的子图像灰度值的排列关系进行编码,最后对每个子图像的编码值进行比较,实现图像的匹配。在图像匹配过程中,只需对编码值进行相等比较,并且每个子图像的编码计算简单,减少了传统模板匹配算法的计算量。仿真结果表明,该匹配算法能快速、准确地对变压器进行定位识别。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

基于方向场的输电线路间隔棒匹配定位算法

输电线路视频图像中的间隔棒是获得导线状态信息的重要元素。为了实现对输电线路图像中间隔棒的快速、准确定位,提出了一种基于梯度方向场优化的快速模板匹配算法。该算法针对传统的相关匹配算法运算量大、直方图匹配结果不准确的缺陷,提出了直方图和归一化相关匹配结合的复合匹配方法。结合输电线路图像中导线方向明确的特点,应用梯度方向场对图像中输电线路目标区域进行锁定,减少模板的搜索空间。实验结果表明,该算法具有较强的鲁棒性,在保证匹配精度的同时,大幅提高了匹配速度,能够满足远程视频监控系统对电力设备图像识别实时性和准确性的需求,可为准确判定输电线路状态信息提供依据。     

基于红外图像匹配的零值绝缘子检测

针对零值绝缘子检测,提出一种SIFT算法与改进RANSAC法相结合的图像匹配检测方法。首先利用SIFT算法与欧式距离实现待测绝缘子串与图像库标准绝缘子串的图像特征提取及粗匹配,然后将马氏距离与RANSAC算法相结合实现特征的精匹配,提出了一种基于数据模型外点率的自适应方法来减少RANSAC算法在检验抽样数据模型上耗费的大量时间。试验结果表明,所提方法能准确地实现待测绝缘子串与图像库相应标准零值绝缘子串的匹配,实现零值绝缘子的准确识别。     

基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法

针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。     

基于模板迭代更新的图像配准算法

在计算机视觉中,用变换矩阵对图像对进行配准一直是具有挑战性的,尤其是在变换矩阵难以获取且噪声很大的情况下.针对图像对之间重叠区域很小,以至于变换矩阵的获取精度不甚理想,首先用SIFT算子提取出图像的特征点,然后在对图像进行匹配时,提出一种基于模板迭代更新的图像匹配方法,推导出最小二乘约束下的变换矩阵求解方法.实验对比了一些实际场景图像序列的匹配结果,验证了本算法的可靠性和稳定性.     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.     

低照度下人脸检测 MSRCR 光频分段滤波增强算法

在不受约束的环境下,人脸检测由于光照、遮挡和表情的不同具有一定的挑战性,低照度环境下多任务级联卷积神经网络(MTCNN)人脸检测器准确率下降。为提高低照度环境下人脸检测的准确率,提出了一种基于MSRCR光频分段滤波增强算法(3CGF-MSRCR)。利用MTCNN进行人脸检测,采用一种RGB三通道分解引导滤波(GF)方法对多尺度视网膜增强算法(MSRCR)进行改进。首先对人脸图像进行MSRCR增强并分解RGB三通道,得到三通道的图像权重,利用GF方法对各个通道分别进行滤波,更新三通道权重,最后重构人脸图像。在实际低照度场景人脸数据集Dark Face与公开的标准人脸数据集CelebA上进行了训练与测试,并在实际路灯场景下进行了测试,对比了算法的运行时间。测试结果显示：本文所提出的方法能有效抑制MSRCR的高频噪点,并保留亮度增强效果,提高了准确率,且算法运算速度较快。     

基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法

为获得完整且高分辨率的风机叶片裂纹图像,利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题,提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先,该方法利用AKAZE算法检测图像特征点,并生成二进制的特征点描述符;然后,将汉明距离作为相似度测量对特征点进行暴力匹配,在此基础上采用PROSAC算法优化特征匹配结果,并计算图像变换矩阵;最后,使用渐入渐出融合算法消除拼接痕迹,获得完整的叶片裂纹图像。试验结果表明,本文方法能够检测出数量丰富的特征点,匹配正确率在95%以上,拼接精度约为0.7个像素,并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

基于弱光增强与YOLO算法的锯链缺陷检测方法

在基于机器视觉的锯链缺陷实时检测过程中,油污、粉尘等因素影响图像亮度和质量,导致目标检测网络的特征提取能力下降。为保证复杂环境下锯链缺陷检测的准确率,本文设计了一种结合弱光增强和YOLOv3算法的锯链自动化缺陷检测方法。首先使用RRDNet网络自适应增强锯链图像亮度,恢复图像暗区的细节特征;然后采用改进YOLOv3算法对锯链零件进行缺陷检测,增加FPN结构特征输出图层,利用K means聚类算法对先验框参数重新聚类,并引入GIoU损失函数来提高小目标的缺陷检测精度。最后搭建一套锯链缺陷在线检测系统,对所提方法进行验证。实验结果表明,该方法能够显著提高弱光环境下的锯链图像照度、恢复图像细节,改进YOLOv3算法的mAP值为92.88%,相比原始YOLOv3提高14%,最终系统整体的漏检率降低到3.2%,过检率也降低到9.1%。所提出的方法可实现弱光场景下锯链缺陷的在线检测,并且对多种缺陷有着较高的检测精度。     

基于半监督域适应的微弱光环境下行人检测研究

为了解决可见光图像在微弱光环境下会出现检测性能下降的问题,本文提出了一种半监督域适应的行人检测算法。首先,结合均值教师模型和YOLOv8检测器搭建半监督检测网络;其次,使用图像融合算法和风格迁移算法相结合的方式生成伪图像进行伪交叉训练,减少图像之间的域差异问题;最后,将基于Transform的混合注意力机制引入主干特征提取网络,在提升图像分辨率的同时进一步提升检测精度。实验结果表明：在LLVIP数据集和KAIST数据集上,该算法的检测精度分别达到89.3%和66.8%,相比SSDA-YOLO算法分别高出7.6%和19.8%;相比Efficient Teacher算法分别高出4%和8.7%;相比全监督算法ICAFusion分别高出1.8%和17.9%。与以往的算法相比,该算法具有更高的检测精度。     

复杂工况下基于时频图像和CNN-SVM的管道堵塞识别研究

针对复杂工况下管道系统堵塞状态识别模型精度出现偏差的问题,提出一种基于时频图像和卷积神经网络(CNN)对管道内的堵塞物和三通件个体识别方法.首先,利用声波检测管道得到不同工况的低频声压信号,滤波处理后进行平滑伪Wigner-Ville时频分析得到声信号时频分布图;然后,采用大津阈值分割法对单一和复杂工况时频分布图像进行...     

基于多尺度曝光融合的医学CT图像增强方法

针对医学CT图像对比度和可见度较低导致不利于人眼观察及后期图像处理的问题,本文提出一种基于多尺度曝光融合框架的医学CT图像对比度增强算法,对医学CT图像实现增强。首先对原始图像进行拉普拉斯金字塔分解、重构,降低图像噪声对其的干扰,同时对图像细节增强。然后通过曝光合算法计算重构之后的图像的权重估计矩阵、曝光率以及图像的亮度转换函数,以此来对图像进行增强,使用该算法可以在图像对比度增强的同时,也提高了图像的可见度。实验表明,相比其他传统图像增强算法,该方法对图像的增强效果明显更优,对于医学CT图像的增强有着显著的增强效果。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。