基于U弦长曲率的抗旋转性广义Hough变换算法

针对广义Hough变换(GHT)算法匹配发生旋转图像中的目标形状时发生误匹配的问题,提出一种基于U弦长曲率的具有抗旋转性的广义Hough变换算法。首先,对模板形状采用边缘点的U弦长曲率和偏移向量等特征构建具有旋转不变性的修改的R-表;其次,以图像中边缘点的曲率作为索引,查找构建的R-表得到偏移向量等信息;最后,根据查得的信息计算图像中目标形状的可能的参考点位置进行投票。根据投票结果即可提取出图像中目标形状的位置。当图像中目标形状分别旋转0°、2°、4°、5°、6°时,提出的算法的匹配结果均在图像中目标形状位置具有非常明显的峰值。仿真结果表明,改进的广义Hough变换(I-GHT)算法具有良好的抗旋转性和抗噪性。     

基于模板匹配与Hough圆检测的仪表识别

随着自动化技术的不断发展,国内电力系统的自动化程度不断提高,无人变电站、无人配电房也逐渐普及。针对变电站中指针式圆形仪表的识别,提出了一种基于模板匹配与Hough圆检测的仪表识别方法。首先对图像进行预处理,将摄像头获取到的RGB彩色图像进行灰度化以及图像的局部直方图均衡化,将预先采集的仪表模板与待测图片进行两次模板匹配,获取仪表大致位置并对图像进行定位裁剪,通过Hough圆检测获取圆形表盘位置及其圆心坐标,将图像通过K-means方法二值化,再通过旋转虚拟直线法对指针进行拟合识别,通过角度与刻度的对应关系计算读数。利用Python和OpenCV视觉库实现算法,实验结果表明,该算法对于指针式圆形仪表识别效果显著,定位表盘位置准确,指针识别和角度计算有较高的精度。     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

基于多模板融合的异质手背静脉身份识别*

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(Scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。     

改进的广义随机Hough变换算法及其在人脸面部关键特征提取的应用

本文通过对经典图象分割算法--Hough变换算法进行分析,以提高现实图象Hough变换处理速度、准确度为目的,结合广义Hough变换、随机Hough变换的优点,得出了具备X、Y幅值、旋转角度三个自由度上的较理想的改进Hough变换模型.该模型可以用来在灰度图象中以较高的检测速度识别出不规则目标图形,而且对相对于目标模板在X、Y幅值、旋转角度三个自由度上有一定改变的目标的识别效果也比较理想.通过对其在人脸检测中对特定面部关键特征定位实验中的处理结果进行分析,并与同类算法做相应的比较,达到了预期的效果.     

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。     

关于卫星机器人的目标特征点匹配研究北大核心CSCD

针对各种变换,特别是旋转变换干扰的卫星机器人装配画面中,传统二进制算法构建的特征点描述向量间错误匹配现象严重的问题,基于旋转变换矩阵,通过粗精结合的方式提出一种应用于卫星机器人的目标特征点匹配方法,以确保图像配准、目标识别和区域标定等装配步骤的顺利完成。创建具有旋转不变特征的新采样模型及采样点对选取机制;以10°为间隔,获取待匹配图像特征点的粗旋转变换矩阵,并结合基准图像的描述矩阵搜索粗匹配时的最佳旋转角度;在粗旋转角度的±10°位置,以1°为间隔重复以上步骤,计算出精确旋转角度并获得准确匹配点;另外,还采用了多尺度的FAST检测子和RANSAC等算法。实验结果表明,所提方法能够更好的克服卫星装配图像中的各种变换干扰,快速匹配正确特征点。平均的匹配正确率能够达到82.5%。     

基于旋转SURF算子的图像配准新方法

针对SURF算法中快速Hessian矩阵行列式检测出的特征点的不连续现象,从而造成的旋转,模糊和光照变化适应性较差的不足,提出一种旋转SURF检测算子的图像配准新方法;该算法通过将SURF算法的积分图像盒子滤波模板逆时针旋转45度,引入一种可以检测角度旋转的滤波核提升检测算子对不同图像变换的匹配性能,保证新的检测算子与原算法较好的结合,同时利用改进的单纯形算法依据输入图像进行参数优化;仿真结果表明,该方法不仅保留了算法的速度优势,缩短了配准时间,而且在图像模糊变换,光照变换和JPEG压缩变换方面性能有明显的提升,此外对视角变换以及小尺度变换性能也有提高。     

基于改进的SURF算子和透视变换模型的图像配准

对于传统的图像匹配算法存在特征信息少、错误匹配率高的问题,提出了一种基于改进的SURF算子和通过透视变换模型的图像配准算法。首先对传统的SURF描述符进行改进来进行特征点检测,然后用FLANN(Fast Library for Approximate Nearest Neighbors)搜索算法对检测出的角点进行粗匹配,再采用随机抽样一致(Random Samples Consensus,RANSAC)算法来消除粗匹配中误匹配的特征点对,最后将保留下来的精确匹配角点通过透视变换模型对图像进行配准。实验表明,该方法在光照、平移和模糊、旋转和尺度、视角变化具有更优的性能,提高了SURF算法的配准精度。     

基于直线Hough变换的图像配准方法

为了有效解决不同传感器、不同视角和不同时相条件的图像配准问题,提出了一种基于直线极坐标参数在Hough空间求解图像变换参数的图像配准算法。先提取图像中直线极坐标特征参数,形成匹配特征空间;然后在Hough空间逐步求解RST图像变换的旋转、尺度和平移参数;最后利用实际图像对算法的性能进行了分析与验证。实验结果表明,该方法不需进行复杂的匹配空间搜索,具有适应性强、配准精度高的优点。     

Wrong Matching Points Elimination after Scale Invariant Feature Transform and Its Application to Image Matching

When images are rotated and the scale varies or there are similar objects in the images, wrong matching points appear easily in the scale invariant feature transform (SIFT). To address the problem, this paper proposes a SIFT wrong matching points elimination algorithm. The voting mechanism of Generalized Hough Transform (GHT) is introduced to find the rotation and scaling of the image and locate where the template image appears in the scene in order to completely reject unmatched points. Through a discovery that the neighborhood diameter ratio and direction angle difference of correct matching pairs have a quantitative relationship with the image’s rotation and scaling information, we further remove the mismatching points accurately. In order to improve image matching efficiency, a method for finding the optimal scaling level is proposed. A scaling multiple is obtained through training of sample images and applied to all images to be matched. The experimental results demonstrate that the proposed algorithm can eliminate wrong matching points more effectively than the other three commonly used methods. The image matching tests have been conducted on images from the Inria BelgaLogos database. Performance evaluation results show that the proposed method has a higher correct matching rate and higher matching efficiency.     

多分辨率LK光流联合SURF的跟踪方法

针对交通监控中运动目标形变、雾霾天气、高速、光照不均、部分遮挡等复杂情况导致Lucas-Kanade（LK）算法跟踪不稳定问题,提出基于多分辨率LK光流算法联合快速鲁棒性特征（SURF）的跟踪算法。所提算法构建图像多分辨率小波金字塔,解决传统LK算法中同一像素点帧间大尺度运动易丢失问题;同时联合SURF尺度不变特征变换算法,提取特征点进行光流跟踪,并制定自适应模板实时更新策略;在减少光流计算量的同时增强运动目标抗复杂环境的能力。实验结果表明,新方法中特征点匹配准确快速,自适应性强,在交通复杂化境中跟踪稳定。     

使用霍夫变换的3维点云拼合算法

目的 直接基于点云数据本身的拼合算法对点云模型的位置和重叠度有着较高的要求。为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法。方法 不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程。在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集。在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合。结果 利用本文算法对两片部分重叠的点云数据进行了拼接实验。实验结果表明,本文算法能很好地实现对部分重叠点云的拼合。由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性。结论 本文算法不仅能适用于任何具有任意初始相对位置的部分重叠点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性。     

基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.     

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。     

基于改进的Hough变换和K-mean聚类的RANSAC车道线检测方法

针对车道线检测中特征点匹配方法存在实时性不高和精度低的问题,本文首先提出了基于消失点改进的Hough变换提取特征线,剔除了干扰线,提高的计算量;然后对特征数据集采用 K-means 聚类和RANSAC拟合算法,首先利用 K-means 聚类对改进的Hough变换提取的特征点进行预处理,剔除了孤立的特征点,接着匹配Catmull-Rom 样条曲线进行RANSAC拟合,相当于二次优化,实现了车道线的快速和精确配准。通过实验表明,该算法不仅提高了车道线识别的精确度,而且具有很好的鲁棒性。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。