一种掩膜图像窗口的快速灰度分布标准化算法

图像窗口模式匹配前常需进行灰度分布标准化预处理,但由于某些模式识别场合需要掩去图像窗口的一些无关区域,常见的灰度分布标准化处理快速算法不适用。应用广义积分图像,实现了一种任意掩膜的图像窗口灰度分布标准化快速算法。掩膜的形状具有对称性时,算法的计算速度还可进一步提高。实验表明,该算法能提高掩膜图像窗口灰度均值、方差的计算速度1倍以上,可实现多尺度目标检测中对大量掩膜图像窗口的快速灰度分布标准化处理。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

大量类别下非纹理对象实时检测与识别

现有的对象检测方法主要针对特定对象,当类别比较多时,难以实现实时检测与识别。提出了一种基于Objectness和梯度方向模板的大量类别下非纹理对象的实时检测与识别算法。该方法首先通过计算图像Objectness值来评价待测图像中可能出现对象的区域,大量减少可能匹配的窗口。在此基础上,在可能出现对象的区域,采用基于模板主方向和查找表的模板匹配方法,实现大量类别下非纹理对象的实时检测与识别。该方法对非纹理物体的鲁棒性较好,同时在匹配的过程中也是方向无关的。     

模板图像匹配中互相关的一种快速算法

基于归一化互相关系数的算法在模板匹配和特征跟踪中运用十分广泛,但缺点是其计算量很大.为此提出了一种在空间域利用盒形基简化互相关的快速算法,在不修改归一化互相关匹配原理的前提下,用原模板图像在一组正交盒形基张成的子空间上的投影取代原图像来进行互相关计算,以降低图像精度来缩减计算复杂度.实验说明,当搜索窗口大小较小时,此快速算法计算量明显小于传统的频域快速归一化互相关算法.     

基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。     

基于环形像素点匹配的快速图像跟踪算法

相关跟踪法能有效地跟踪目标,但非常费时。序贯相似检测法结合了粗-精搜索策略,在跟踪性能和时间上都有很大改进,但在处理时间上还有进一步提高的可能。基于特征点的跟踪方法在跟踪时运算量小,但提取目标的特征时需要大量运算,且特征点的提取往往不理想。针对以上不足,论文提出了基于环形像素点匹配的快速图像跟踪算法,该算法采用环形像素点为特征点,在借鉴序贯相似检测法的基础上,对匹配区域先进行粗搜索以确定待匹配窗口,再进行精搜索以确定正确的匹配窗口,最后利用相关跟踪法中的归一化相关系数确定模板的更新策略。实验结果表明,该算法不仅能稳定地跟踪目标,与相关跟踪法和序贯相似检测法相比,在处理时间上具有明显的优越性。     

基于层叠分类器的快速相关跟踪算法

提出一种基于层叠分类器的快速相关跟踪算法。首先利用目标模板色彩分布信息对原始图像数据进行变换,锐化匹配相似度函数峰值,增强算法在复杂环境下的稳定性;然后提出了用平均灰度差和Harr型特征构造层叠分类器,分层刻画目标模板与搜索窗口在统计特征和局部特征上的相似性,并采用积分图快速计算特征,从而大幅度减少在非最优匹配点上的计算量,且特征计算与模板大小无关。大量实验结果表明,该算法大大降低了相关跟踪的时间复杂度,具有跟踪稳定、实时性强等特点。目前,以该算法为核心的实时目标跟踪系统对图像大小为320×240的视频序列内任意尺寸目标的平均处理速度达到20帧/s。     

基于模板匹配单色布匹瑕疵检测算法

提出一种基于模板匹配的单色布匹瑕疵检测算法,该检测算法首先存储待测布匹的无瑕疵模板图,并对模板图进行分块,然后对待测样本图进行相同的分块操作,进一步利用模板匹配方法对相同分块区域的样本图与模板图进行匹配查找,得到最优匹配图像.在匹配过程中,对模板图按照一定比例进行扩充,以提高匹配的准确性.最后将样本图与最优匹配图像进行差值对比实现布匹瑕疵检测.实验结果表明,算法弥补了传统Gabor算法高度依赖纹理的缺陷,提高了对于纹理模糊的单色布匹瑕疵检测准确率,检测效率与精度满足验布现场需求.     

基于积分图像的快速模板匹配

人脸检测中,模板匹配前往往需要对图像窗口进行灰度分布标准化,而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

基于KCF与改进ORB的增强现实方法

针对增强现实(AR)系统在进行虚拟信息叠加时待注册区域被遮挡的情况,提出一种基于实时特征检测与目标跟踪的AR系统三维注册方法。使用KCF算法对待注册目标区域与模板进行实时FAST特征匹配,通过改进ORB算法,提出SIFT-ORB-MRANSAC融合算法,完成特征点的提取、匹配以及误匹配去除。在此基础上,根据特征点之间的匹配关系计算注册矩阵,通过注册矩阵叠加虚拟信息实现对现实世界的增强。实验结果表明,该方法在光照变化、遮挡以及旋转变换的情况下,可将虚拟信息快速、准确地叠加到待注册区域,提高AR系统的运算效率。     

LARPBS上图像的模板匹配和中值滤波算法

图像的模板匹配和中值滤波是图像处理和计算机视觉中的基本操作。给定一个 图像、 模板和 窗口，该文在 个处理器的LARPBS模型上，分别提出了一个时间复杂度为 模板匹配算法和一个时间复杂度为 的中值滤波算法，其中， 。     

基于整数图像技术的自适应窗口立体匹配算法

针对固定窗口区域匹配算法在深度不连续处容易产生相对较大匹配误差的问题,提出了一种基于整数图像技术的自适应窗口立体匹配新算法.文中一种新的相似性测度函数和四方向线型掩模的采用不仅减少了噪声影响而且提高了匹配准确度.同时利用由窗口内平均误差、误差方差以及较大窗口偏移组成的窗口代价函数来确定窗口尺寸极大地提高了匹配精度;整数图像技术的引入将匹配时运算量降低为一常数.实验表明基于整数图像技术的自适应窗口立体匹配算法在局部匹配方法中是比较优秀的,便于实时实现.     

A fast fingerprint image enhancement algorithm using a parabolic mask

The quality of fingerprint images (FIs) varies depending on the image taking method. The performance of automatic fingerprint recognition systems highly depends on the quality of the fingerprint images. In these images often are distorted areas, where the valleys and ridges are not clear and there are discontinuities at in the ridge flows. To overcome these unwanted defects fingerprint recognition systems employ enhancement algorithms to improve the quality of the images. Following, binarization, feature extraction, and matching algorithms are executed on the enhanced image. In real-time systems, the overall execution time has primary importance and therefore, especially the enhancement algorithm must be fast and effective. In this study, we propose a fast filtering method with a mask of parabolic coefficients based on the directions. The experiments executed on FVC2000 have proved that, the algorithm provides faster and better enhancements from those described in the literature.     

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。     

多方向模板的构造及匹配的快速算法

多方向模板匹配是图像处理的重要方法。对原有的Prewitt模板进行了扩充，构造了新的多方向模板，建立了相应的快速模板匹配算法。在图像处理中，通过多方向模板，图像得到了加强，并且提取了图像相关的线性特征，实行快速算法在理论上比经典算法快4．57倍，节省了运行时间。     

垂直交叉双向搜索策略的自适应窗口匹配算法

目的 基于区域的局部匹配算法是一种简单高效的立体匹配方法.针对局部算法中窗口的抉择问题,提出了基于垂直交叉双向搜索的自适应窗口匹配算法.方法 该算法考虑到局部区域内灰度值与视差值的相关性,通过垂直交叉双向搜索策略自适应地调节窗口的形状和大小,并获得相应掩码窗口;再利用积分图像计算掩码窗口的匹配代价,获取视差图;最后采用米字投票和双边滤波器两个步骤对视差图进行修复.结果 针对不同图像采用提出的自适应窗口算法,得到了适用于各种图像结构的匹配窗口,相较于原始垂直交叉算法的匹配精度提高了约30％ (Teddy),同时两步骤视差后处理较好地保持了图像边缘.结论 实验结果表明,该算法改善了规则窗口产生的视差边缘扩充问题,在提高视差精度的同时提高了算法鲁棒性.     

A fast stereo matching algorithm suitable for embedded real-time systems

In this paper, the challenge of fast stereo matching for embedded systems is tackled. Limited resources, e.g. memory and processing power, and most importantly real-time capability on embedded systems for robotic applications, do not permit the use of most sophisticated stereo matching approaches. The strengths and weaknesses of different matching approaches have been analyzed and a well-suited solution has been found in a Census-based stereo matching algorithm. The novelty of the algorithm used is the explicit adaption and optimization of the well-known Census transform in respect to embedded real-time systems in software. The most important change in comparison with the classic Census transform is the usage of a sparse Census mask which halves the processing time with nearly unchanged matching quality. This is due the fact that large sparse Census masks perform better than small dense masks with the same processing effort. The evidence of this assumption is given by the results of experiments with different mask sizes. Another contribution of this work is the presentation of a complete stereo matching system with its correlation-based core algorithm, the detailed analysis and evaluation of the results, and the optimized high speed realization on different embedded and PC platforms. The algorithm handles difficult areas for stereo matching, such as areas with low texture, very well in comparison to state-of-the-art real-time methods. It can successfully eliminate false positives to provide reliable 3D data. The system is robust, easy to parameterize and offers high flexibility. It also achieves high performance on several, including resource-limited, systems without losing the good quality of stereo matching. A detailed performance analysis of the algorithm is given for optimized reference implementations on various commercial of the shelf (COTS) platforms, e.g. a PC, a DSP and a GPU, reaching a frame rate of up to 75 fps for 640 × 480 images and 50 disparities. The matching quality and processing time is compared to other algorithms on the Middlebury stereo evaluation website reaching a middle quality and top performance rank. Additional evaluation is done by comparing the results with a very fast and well-known sum of absolute differences algorithm using several Middlebury datasets and real-world scenarios.     

快速定位图像尺度和区域的3维跟踪算法

目的 传统的2维自然图像的增强现实算法,对模板图像的各个尺度下的整个图像提取特征点并保存到特征点数组中,跟踪阶段对模板图像提取出的所有特征点进行匹配,造成了大量的无效运算,降低了特征匹配的效率.为了解决这个问题,将模板各个尺度的图像进行区域划分,提出了一种快速定位图像尺度和区域的算法,缩小特征匹配的范围,加快3维跟踪的速度.方法 预处理阶段,通过对图像金字塔每一尺度图像分成小区域,对模板图像上的特征点进行分层次分区域的管理.在系统实时跟踪阶段,通过计算几何算法快速确定当前摄像机图像所对应的尺度和区域,从而减小了特征匹配的范围.结果 该方法大幅度缩小了特征匹配的范围,降低了特征匹配所消耗的时间,与传统算法相比,在模板图像分辨率较大的情况下特征匹配阶段时间可以缩短10倍左右,跟踪一帧图像的时间缩短1.82倍.系统实时跟踪过程中的帧率总体保持在15帧/s左右.结论 提出的快速定位图像尺度和区域算法适用于移动设备上对2维自然图像的跟踪,尤其在模板图像分辨率较大的情况下,算法能够显著减小特征匹配的范围,从而提升了实时3维跟踪算法的运行效率.