基于图像处理技术的棒材自动计数方法

介绍了基于图像处理技术来实现棒材自动计数的有效方法,该方法是通过摄像头等设备获取棒材横截面,并对横截面进行图像预处理,最后得到目标二值图像,并根据该图像的实际特点,运用区域面积法,实现对棒材的自动计数。该方法对多根粘连棒材的分析处理十分有效,提高了棒材自动计数的准确率。     

基于纹理特征的 SIFT 算法改进

针对 SIFT（Scale Invariant Feature Transform）算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的 SIFT 算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的 SIFT 特征点。     

一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法.首先对图像进行分块小波变换,然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量,选取纹理特征最大的作为种子区域;最后利用均值聚类的方法进行目标标记.实验结果证明,能够检测红外和可见光图像中各种类型的目标.     

基于电子标签自适应特征点匹配方法的研究

在特征点匹配的基础上,提出了一种电子标签自适应的特征匹配方法.首先,两个特征之间的距离用于计算特征对的支撑区域大小,这与使用检测器提供信息以找到支撑区域的方法不同.其次,为了实现旋转不变性,引入了基于强度顺序的子区域划分方法.最后,为了与流行的描述符电子标签自适应特征变换和加速鲁棒特征进行比较,选择了高斯和快速Hessain检测器差异的检测点作为特征点的方法.将其他实验课题的方法与类似的提议方法进行比较,例如Tell's和Fan's.实验结果表明,提出的描述符在各种图像变换下优于流行的描述符,特别是在具有尺度和视点变换的图像上.     

基于自适应遗传算法的模板匹配研究

目前图像模板匹配算法的一般都有计算量非常大的缺点,在实际运用中存在一定问题,根据这一问题提出了将自适应遗传算法应用到图像模板相关匹配中.模板匹配实际是寻找最优解的问题,将模板和子图像的互相关函数做为目标函数,基于自适应遗传算法实现了快速模板匹配算法.最后根据实验说明了该算法较搜索式模板匹配算法计算量大大减少的优越性.     

基于模板匹配和特征点匹配相结合的快速车牌识别方法

介绍了一种简单易行的车牌识别方法。对于车牌灰度图像进行滤波去噪后先用峰谷法二值化，再用垂直投影法进行分割，最后进行模板匹配，并用特征点匹配对几组易出错的字符进行检查，从而得到车牌号。     

基于kalman预测和自适应模板的目标相关跟踪研究

文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略．根据目标的变化情况自动调节参考模板,提高目标跟踪的稳定性。仿真实验结果表明,算法能够随着目标的形状、大小、位置的变化快速调整参考模板,进行稳定和实时的跟踪,当目标被物体遮挡时仍能有效地跟踪目标。     

模板匹配的快速算法

本文提出了一种模板匹配的快速算法,算法中采用沃尔什-阿达马变换实现模板匹配。计算机模拟结果令人满意。     

自适应模板匹配在自主空中加油跟踪中的应用

自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。     

基于小波变换和多模板匹配的室性早搏识别

本文提出一种基于小波变换和多模板匹配的室性早搏识别算法,该方法根据提取到的QRS波形特征,分别对正常和PVC信号创建模板库。利用MIT-BIH心电数据库八组数据进行试验,准确率达到99.34%。     

一种基于图像纹理的模板匹配算法

为了提高实际工程应用中图像匹配算法计算的实时性,增强图像匹配算法对复杂场景跟踪的鲁棒性,提出了一种新的基于图像纹理的模板匹配算法(TTM)。依据邻域内像素灰度变化的趋势分别提取水平、垂直方向二值化的图像纹理矩阵,然后根据定义的一个相似性判别准则,分别度量水平、垂直两个方向二值化图像矩阵之间的相关置信度。最后,通过合成两个方向上的图像匹配置信度结果得到目标配准置信度。实验结果表明,该算法对图像光照变化、目标部分被遮挡等情况具有较好的适应性。     

基于灰度积分投影和模板方法的人眼定位

提出了一种新的人眼定位方法。使用中值滤波和直方图均衡方法去除噪声和光照对图像的影响后,将图像做积分投影以缩小到人脸的眼部区域,在得到的眉眼区域中再做一次水平积分投影,找到两眼的垂直位置。最后利用人眼模板沿着该垂直方向进行匹配,匹配程度最高的部分即为要定位的人眼位置。     

基于特征点的飞行器局部模板匹配

提出了一种基于特征点的飞行器图像模板匹配的方法.针对航空测试图像飞行器局部模板匹配的特点,提出用数字图像处理的手段,对目标图像进行基于Harris算法的特征点提取,并结合基于不变矩局部模板匹配算法,计算飞行器在航母降落过程中,航空测量图像飞行器的局部特征点附近进行快速的模板匹配.     

基于图像处理的螺丝钉计数方法研究

针对传统仓库管理系统中螺丝钉统计计数难题,将数字图像处理引入到螺丝钉检测计数中。提出了一种基于图像处理的螺丝钉自动计数方法。首先对未放置螺丝钉的货架进行处理,检测并记录放置螺丝钉的位置等信息,建立模板。在建立模板的过程中,采用人机交互的方式进行校正,能够有效地解决光照、噪声等带来的影响,从而建立准确的模板。然后将未放置螺丝钉的图像（模板图）与待检测图像相减,突出放置螺丝钉后的位置的特征。最后采用模板匹配法,检测对应位置是否存在螺丝钉。实验表明：该方法能够有效地解决货架受损、螺丝钉氧化和噪声干扰等情况带来的影响,并且实现简单。计数准确率高达98%以上,平均检测时间为3.67 ms,很大程度地提升了仓库管理性能。     

基于RPCA的SAR图像纹理特征去噪

合成孔径雷达(SAR)图像具有丰富的纹理信息,这些纹理信息能反映地物空间结构关系。当前纹理特征被广泛应用于SAR图像分类和SAR图像分割中。受成像因素影响,直接采用从SAR图像中提取的纹理特征效果不够好。为避免传统先滤波再提取纹理特征的方法对纹理、边缘信息造成损失,提出了一种先提取SAR图像纹理特征,再利用Robust PCA方法对纹理特征去噪的新方法,最后采用Kmeans聚类方法检验RPCA处理后的纹理特征表达效果。实验结果表明该方法能将聚类正确率从82%提高到84%。     

基于自适应多模板匹配的目标跟踪

为了解决在模板匹配中精度和速度之间的矛盾,本文结合了DSP便于实现算法和FPGA高速并行运算的优点,提出了一种基于DSP和FPGA协同作用的快速目标跟踪系统,主要在DSP上完成跟踪算法流程控制,在FPGA上实现耗时模块MAD的计算工作,建立两方通信,使该跟踪系统正常工作。将传统的模板匹配算法扩展成为多级模板匹配,并在跟踪算法中加入了抗旋转模板。最后,在Blackfin561系列Visual DSP 和EP3C25系列FPGA组成的系统平台上实现了该算法,并进行了相关的性能测试。实验表明,该系统可以准确、实时地跟踪运动目标,并能够有效地抗目标旋转和尺度变化。     

基于模板匹配的图像识别方法研究及系统设计

本文主要阐述的是在模板匹配框架下,如何设计图像识别系统的问题。由于硬件设备的不断翻新,图像信息的精度以及规模也在快速提升,这就要求计算机要具备更加高效的图像识别能力,以此来保证处理信息的效率。     

基于颜色空间和模板匹配的交通标志检测方法

交通标志检测技术是交通标志识别系统的重要前提和基础。由于背景的复杂性,在进行颜色分割时部分区域可能会受到干扰,为交通标志的检测带来困难。文中利用HSV颜色空间和RGB颜色空间对不同颜色的交通标志进行粗检测,标记不同的值实现ROI分割。然后利用模板匹配的方法对交通标志进行处理,使用模板在ROI区域上滑动,得到模板相似度的最大值,以此来实现检测过程。实验结果表明该方法能获得较好的检测结果。