自适应选取阈值的三层快速匹配算法

提出一种自适应选取阈值的三层快速匹配算法。采用了由粗到精的匹配策略,先分别用环形模板和十字形模板进行粗匹配来淘汰大量非匹配点,再用全模板进行精匹配确定匹配位置以减小计算量。以模板和实测图的平均灰度差来自适应选取阈值,增强了算法的稳定性,从而弥补了环形法的模板信息单一且阈值固定的缺点。实验结果表明,该算法的匹配位置准确,匹配速度比相关法提高5倍,比环形法提高10倍,且在目标发生明显运动变化时仍具有很强的可靠性。     

基于塔形分解的局部熵差图像配准

以图像局部熵差为匹配准则,确定关键点的匹配位置。逐点计算图像局部熵,将图像局部熵序列进行塔式分解。采用金字塔式的数据结构,通过从低分辨率图像开始模板匹配,找出粗匹配点,逐步找到原始图像(即高分辨率图像)的精确匹配点,大大减少了计算量。该算法具有良好的抗噪声能力和抗几何失真能力。实验结果表明,当实时图相对于参考图旋转不超过5°时,正确匹配达到76%以上;当椒盐噪声强度不超过5%时,正确匹配达到78%以上;当零均值高斯白噪声方差不超过0.02时,正确匹配达到70%以上。     

基于塔型结构的快速相关跟踪算法

提出一种能自适应的确定相关匹配搜索范围的快速相关跟踪算法。该算法结合两点线性预测器和图像塔型结构的多分辨力分析方法,综合图像在不同尺度下的位置信息,自适应地计算出相关匹配的搜索范围,减小了相关运算的计算量,同时确定了有效的帧间相关置信度估计和模板更新策略。实验证明此算法计算速度快,能持久稳定地跟踪运动目标。     

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理,直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程,提高处理速度．其基本思想是采用序贯相似性检测算法（SSDA）快速得到候选匹配子图,再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明,该算法简化了处理过程,相对于直接FFT求相关系数法,运算速度提高了近10倍．     

一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。     

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91％。该算法适用于轮廓较明显的目标。     

互相关 DPIV 技术及其在氧化沟模型中的应用

重点研究二维DPIV技术的速度信息提取方法并进行算法实现。该技术基于灰度图像互相关法,在相邻时刻的序列图像中,灰度分布最相似的子窗口即是最佳匹配,粒子在像平面上的运动位移由两个子窗口中心距离确定。通过对互相关测度的优选既能兼顾粒子匹配成功率也能降低匹配算法的时间开销,通过优化算法的搜索空间极大地减少了互相关运算量。给出了标准图像仿真结果及其在氧化沟模型流速测试中的成功应用。实验结果表明,该算法适合于氧化沟模型流场及类似场合的测速。     

车载图像配准稳定算法中的关键技术

提出一种有效的车载图像配准稳定算法,这种算法的关键技术包括：一是采用由粗到精、由局部匹配到全局配准的两级配准策略,即在粗配准阶段,利用基于灰度投影均值的SSDA改进算法进行快速模板匹配;精配准时,借鉴联合直方图区域记数法的思路,在灰度信息的统计特性空间上巧妙定义一种全局准则函数,既能保证精度又摆脱了大量的浮点运算。二是在运动滤波时通过自适应选取滑动窗口的长度,降低了图像序列的抖动,同时防止过稳现象的发生。实验结果表明,该算法的平移配准误差( 0．254, 0．083)远远小于1个像素,且在一定硬件平台上稳定单帧图像需要14．7ms,仅为同精度其它算法的1／3,从而满足了车载图像系统的实时性和精度要求。     

多重约束下由粗到精的多源图像自适应配准算法

本文提出了一种多重约束下由粗到精的多源图像自适应子像素级配准算法.该算法采用影像特征点作为匹配基元,利用具有不同精度等级的组合判据法、整体松弛法、最小二乘法实现由粗到精的匹配,同时在匹配过程中加入了多重约束,如定位点控制约束、交叉匹配约束、连续控制约束,以保证获取的配准控制点的可靠性和剔除粗差点.此外,该算法利用配准控制点自适应地构建整个图像的三角网,最后依据改进的三角形填充算法对目标图像进行逐像点纠正.对同源和非同源的遥感图像的实验证明,SPOT4全色图像(10m/pixel)和SPOT5多光谱图像(10m/pixel)的配准精度分别达到6～7m和5～6m.     

空间目标序列图像相关跟踪算法

提出一种用于跟踪空间目标的相关匹配算法。它先对匹配像素用动态阈值分类,若灰度绝对差大于阈值,再使用最小绝对差平方累加和作为相似性度量。同时提出一种新的模板修正策略,即每隔一定帧后对模板求质心,调整质心在模板上的位置。仿真实验结果表明,该算法可以克服图像噪声、局部突变、目标变光对匹配的影响,对目标与背景灰度差在20个灰度级以内的低对比度目标跟踪也有较高的精度和可靠性。实验中可以持续几千帧稳定地跟踪空间目标。结合快速搜索和粗精匹配方式,处理一帧时间在20ms以内。     

复杂场景下的变形目标跟踪

提出一种新的针对目标变形的模板匹配跟踪方法。对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算 Hausdorff 距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在 8 邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移。实验结果表明,该方法能以高达 98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪。     

大孔径静态干涉成像光谱仪图像校正技术

设计了一种基于相位相关与归一化积相关的联合图像校正算法。该算法针对卫星姿态变化对LASIS(大孔径静态干涉成像光谱仪)图像造成的畸变,根据傅里叶变换的旋转平移特性,实现图像序列旋转失真的高精度校正,校正精度达到0.01;同时,基于归一化积相关方法实现图像序列平移失真的校正。针对LASIS数据量大的特点提出了改进的快速自适应模板选取法,使算法的运算复杂度按4n递减。仿真结果表明,该算法能快速有效地校正LASIS图像。     

蜂窝纸芯成形质量在线检测系统的开发

基于MATLAB 开发软件,对蜂窝纸板生产过程中蜂窝纸芯的成形质量进行了在线自动检测。将生产线上获得的蜂窝纸芯实际图像进行处理后,与标准模板图像进行比对运算,得出蜂窝纸芯的实际生产质量情况。比对算法的关键有2 个:在图像中寻找匹配目标;将实际图像与模板图像的匹配部分进行相似度计算。采用相关模板匹配的方法进行目标匹配,采用逐个像素点比较的方法进行相似度的比对计算,通过该算法可以高效快速地将实际图像与模板图像中提取的匹配部分进行运算,得到其相似度,获得产品的生产质量。     

一种新颖的基于像素跳跃加速的匹配算法

提出了一种新颖的基于像素跳跃加速的匹配算法,并给出了算法中所涉及到的跳跃像素数N(动态N值和静态N值)选取的一般原则和方法.算法针对相关峰阳面的情况,为防止跳过相关峰峰值点,模板根据相关峰面所呈现出的特性,实时动态调整N值大小进行精细跳跃搜索,而针对相关峰阴面此时模板已经划过相关峰峰值点的情况,模板根据所给出的固定N值进行跳跃搜索.从而使模板搜索具有粗中有细的人眼搜索策略,集中搜索相关峰区域,极大地减少了不必要的冗余运算.通过大量的仿真实验结果表明,在保证匹配概率相近的前提条件下,本算法较未加速的互相关算法,可以将匹配时间减少至10倍以上;而且在基准图大小固定时,随着实时图尺寸的增大,算法消耗匹配时间少的优势会越明显,甚至优于二层金字塔分解加速方法.     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.     

一种新的全天自主几何结构星图识别算法

提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量。导航三角形的识别只需基于单一特征量的匹配就可完成。多三角形的组合,有效地提高了正确识别率。仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性。