基于颜色梯度的图像特征点匹配算法

提出了一种利用颜色梯度的彩色图像特征点的匹配方法。结合图像特征点的颜色梯度信息和几何特征分别构造两幅图像的Laplacian矩阵,并对这两个矩阵进行奇异值分解。利用分解的结果构造出一个反映特征点之间匹配程度的关系矩阵,根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文提出的算法具有较高的匹配精度。     

基于局部特征匹配的多目标跟踪算法

为解决多目标跟踪过程中因遮挡导致跟踪失败的问题,提出一种基于局部特征匹配的跟踪算法。在卡尔曼滤波跟踪框架下,根据目标数据关联的结果判断目标的状态并进行针对性处理。当目标处于相互遮挡的状态时,利用目标的局部模板在当前帧进行匹配获取目标候选区域,利用改进的距离加权彩色直方图计算候选区域与局部模板的相似度,结合直方图的相似度和卡尔曼预测确定目标的位置。实验结果表明,在满足实时性的要求下,该方法能够有效地处理目标的遮挡问题。     

基于直方图分割的彩色图像增强算法

针对直方图均衡化直接对彩色图像处理会导致图像色彩失真的情况,在对传统的直方图均衡化方法进行改进的基础上,提出了一种新的带色彩恢复的均衡化算法。该算法对于彩色图像R,G,B各个分量子图的灰度直方图,首先根据其灰度中值和分割直方图等面积原则进行两次分割,同时对分割后的各子灰度直方图分别进行均衡化处理;然后通过计算R,G,B各分量子图的灰度级总数占原彩色图像灰度级总数的比例,将均衡化处理后的R,G,B各分量子图进行合并。实验表明,该算法对彩色图像处理具有较好的增强处理效果。     

基于梯度和模板二次匹配的人眼定位

提出了一种基于图像梯度和模板匹配相结合的眼睛定位方法。利用投影函数确定眼睛区域的上下边界,然后对于眼睛睁开较大的图像根据眼球的梯度方向信息定位眼睛中心,对于眼睛睁开较小或完全闭合的情况,利用本方法中的梯度眼睛模板进行二次匹配。试验证明该算法定位准确率高,不受眼睛状态的影响,并且对头部姿态变化和焦距变化等具有一定的鲁棒性。     

基于梯度和模板二次匹配的人眼定位

提出了一种基于图像梯度和模板匹配相结合的眼腈定位方法。利用投影函数确定眼腈区域的上下边界，然后对于眼睛睁开较大的图像根据眼球的梯度方向信息定位眼睛中心，对于眼睛睁开较小或完全闭合的情况，利用本方法中的梯度眼睛模板进行二次匹配。试验证明该算法定位准确率高，不受眼腈状态的影响，并且对头部姿态变化和焦距变化等具有一定的鲁棒性。     

基于模板匹配算法的枪械编号识别研究

编号是枪械唯一的身份号码,枪械编号的数字识别有利于实现枪械的信息化管理和保障。论文将模板匹配法应用到枪械编号识别中,包括图像预处理、字符分割、归一化和字符识别等环节。根据枪械编号的特点采用聚类分析的方法实现分割字符,通过计算字符图像与模板图像的互相关函数得到号码。实验结果表明,该方法效果较好。     

一种基于直方图和冗余匹配的实时目标跟踪算法

基于视觉的目标跟踪技术难点在于完成帧与帧之间的快速且口丁靠的目标匹配，以目标的直方图作为特征，具有很好的鲁棒性。但是直方图无法反映目标的空间信息，会导致错误定位于伪目标，且无法精确定位目标。针对以上问题，文章提出了一种稳健的运动目标跟踪算法，在以直方图作为目标特征的同时，结合冗余模板信息，达到验证候选目标的可靠性和辅助目标精确定位的目的。实地测试结果验证了该算法的有效性。     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.     

基于改进梯度算法的纹理特征图像识别

针对纹理特征的方向无序性,提出了一种基于多向梯度模算子的快速算法。在图像预处理的基础上对亮度进行修正,消除亮度的非均匀性对纹理特征提取造成的干扰。利用多向梯度算子在局部区域运算确定梯度方向,并构建二维灰度梯度矩阵。最后,通过统计矩阵灰度信息建立分级模型。实验结果表明,该方法能较好地提取羽毛的纹理特征并进行分级,可以满足实时检测应用的需要。     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于特征提取和匹配的图像倾斜校正算法

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法。该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线进行倾斜检测,具有尺度、平移无关性。使用双向最大相关系数匹配,匹配正确率较高。利用大数原理对数据进行处理,去除误匹配的影响。该算法最少可以利用两个匹配对,检测出图像倾斜角度。结合本文的应用背景,本文还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。     

基于主颜色和纹理特征的TS模型匹配方法

为了弥补视频匹配方法的不足,解决基于运动特征视频匹配的不精确以及基于内容视频匹配的运算复杂度大等问题,提出一种基于主颜色和纹理特征的TS模型匹配方法,在减少时间复杂度和增加配准率基础进一步提高视频匹配的效率。大量实验证明,该方法有效的解决了上述问题,比传统方法相配准率提高约20%,算法时间复杂度降低约45%。     

改进的基于纹理特征的图像配准算法

针对图像纹理规则性与重复性及图像起始纹理分布的不一致性,依据VE4000检测系统的纹理特征配准算法达到配准目的。该算法自行设计标准单一模板,对单一模板进行裁剪与拼接技术达到了图像配准的目的,但是配准效果较差,在此基础上提出了改进的纹理特征配准算法,重新设计模板,拼接生成标准的参考图像,对参考图像进行匹配与裁剪以获取不同配准图像。实验结果证明,改进的基于纹理特征的配准算法运行时间短,配准误差小,能够很好满足缺陷检测的配准需求。     

基于差影法粗分割与多模板匹配的人脸检测

提出了基于差影法粗分割与多模板匹配的人脸检测方法。首先利用差影法分割出可能包含人脸的区域;然后使用双眼模板进行粗筛选,进一步减小可能人脸的搜索范围;最后利用人脸模板和灰度规则进行匹配和验证。此方法具有较强的鲁棒性和可扩展性,减少了运算量,降低了误检率,提高了检测系统的综合性能。     

采用邻域直方图匹配的矢量纹理图案合成

矢量纹理图案是指由一种或几种矢量图案元素按照一定的规则进行分布而形成的纹理图案。这种纹理图案在日常生活中随处可见,对其进行自动合成是非真实感绘制中的一个重要研究课题。本文提出一种基于样本的矢量纹理图案合成方法,可以根据一小块样本图案自动合成与该样本图案有类似分布规则的大面积图案。在此方法中,我们采用一种“邻域直方图”的策略来进行元素邻域信息的匹配与合成：将矢量元素的邻域空间用以该元素为中心的射线束和同心圆簇划分为一定数量的小格;统计每个小格中出现的邻域元素数量就可以形成一幅直方图;以此直方图信息作为当前元素的邻域信息在样本图案中进行匹配搜索,从而完成图案的合成。该方法不仅可以应用于仅有一种图案元素的分布合成,还可扩展至多种元素图案的复杂分布合成。与以往的矢量纹理图案合成方法相比,本文方法不需要复杂的元素关系分析和频繁的元素位置比较,实现简单,效率较高。实验表明,本文方法对于规则、半规则及随机的图案分布,都可达到较好的合成效果,这对于非真实感绘制中的风格图案生成、笔划分布计算等都将具有很好的应用意义。     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。     

基于直方图特性的LSB匹配隐写分析研究

为了提高对高精度原始图像LSB匹配数字隐写的检测能力,提出了基于直方图特性的LSB匹配隐写分析方法.根据高精度原始图像在LSB匹配数字隐写过程前后灰度直方图、差分直方图以及小波分解后的子带系数直方图的特性差异,提取了23维的特征向量,并使用支持向量机对其进行训练,建立区分载体图像与载密图像的分类器达到检测秘密信息的目的.实验结果表明,该方法在性能上要优于文献[5]的局部极值法.     

基于模板匹配和边缘检测的车标定位方法

车标定位在车标识别系统中具有关键作用,为解决倾斜的车辆图像及多种车标背景纹理的车标定位问题,提出了一种新的车标定位方法。先进行车辆图像的倾斜校正,再通过三绝对值最大梯度方法定位出车灯带区域,利用车标与车牌、车灯的位置先验知识进行车标粗定位,并根据车标背景纹理特征利用模板匹配和边缘检测方法进行车标精定位。该方法充分利用了车标的先验知识和背景纹理特征,并将模板匹配与边缘检测技术相结合,提高了车标定位的准确率。实验结果表明,该方法既适用于倾斜的车辆图像又适用于多种车标背景纹理,具有很好的车标定位效果。