基于单象限Fourier-Mellin域相位相关的快速稳像算法

针对电子稳像实时性和鲁棒性的要求,提出了一种快速的单象限Fourier-Mellin域相位相关的近似运动估计算法,即首先根据Fourier变换振幅谱的对称性和空间域图像块匹配的思想,提出了一种新颖的单象限 Fourier-Mellin变换方法,即在频率域中采用单象限振幅谱进行对数极坐标变换;然后结合相位相关技术估算帧间运动参数。与基于标准Fourier-Mellin变换的算法相比,在保证精度的前提下,新算法可大幅度降低算法的计算复杂度。实验结果表明,该新算法的运行速度比标准算法提高了约75%,且精度略有提高。     

基于Hough谱的任意形状表示与配准

提出了基于Hough谱的形状表示与配准方法,定义了一种新颖的加权平均Hough谱来表示任意形状,总结并证明了形状Hough谱所具有的平移、旋转、缩放和周期特性。对任意两个形状进行配准时,可在相应Hough谱中估计出形状的旋转与缩放参数,并在相应Hough密度空间中估计形状平移参数。本文方法在SIID形状集上进行了大量的实验,结果表明,加权平均Hough谱能有效地估计形状间的平移、旋转与缩放参数,对噪声、遮挡等具有一定的鲁棒性,具有较高的配准精度。     

关于Hough变换最小化参数空间的一点讨论

Hough变换因其固有的鲁棒性在众多视觉问题中得到了广泛应用.文中探讨了当Hough变换的参数空间均匀离散化后,如果要求不同的直线对应不同的计数器,则对应的离散参数空间所需的最少计数器个数的问题.以Hough变换的标准参数(ρ,θ)空间为例进行探讨,相关方法完全可以推广到Hough变换的其他参数化形式.文中的结果从一个侧面揭示了图像均匀噪声在Hough变换参数空间分布的固有的不均匀性现象,这种不均匀性必然导致Hough变换在直线检测时直线位置和朝向的依赖性对噪声的不同敏感程度,该结果对从事Hough变换研究的相关人员具有一定的参考作用.     

随机Hough变换圆检测累计加速算法

随机Hough变换是一种检测圆的有效方法.为了进一步提升随机Hough变换圆检测算法的执行速度和抗噪声能力,提出一种基于有效继承的随机Hough变换圆检测累计加速算法.该算法在每次成功检测圆后不清空参数空间的累计值,继承了上次的有效采样,对没有通过验证的参数单元设定负累计值;通过数理统计分析,采用伯努利试验模型解释了加速原理,得出该算法可以减少总采样次数并节省清空参数空间所需时间的结论.实验结果表明,加速原理的理论分析是正确的,文中算法的加速效果是显著的,且具备更强的抗噪声能力.     

基于多粒度数据融合的直线检测算法

本文探讨了粒度计算思想和Hough变换之间的联系，结合小波分析中尺度伸缩和平移的思想，提出了一种基于多粒度数据融合的直线检测算法。在Hough变换中，较大的参数离散间隔（△ρ，△θ）会降低检测精度，而较小的离散间隔则导致峰值扩散和伪峰的出现。该算法改善了（△ρ，△θ）的选择问题，基本实现了以各种合适的粒度（△ρ，△θ）对各种粗细宽度直线的检测。另外，和传统的Hough变换相比，该算法具有更高的计算效率。     

一种改进的基于Hough变换的虹膜定位算法

为改善虹膜定位的效果,提出一种改进的基于Hough变换的虹膜定位算法。首先,用一个全1的矩形窗对瞳孔中心进行估计;然后,以该估计中心为极点对虹膜二值图像进行极坐标变换,通过水平边缘点选择规则剔除非水平边缘点,再将图像变换到直角坐标;最后,利用Hough变换以及虹膜内、外边界之间存在的耦合关系来求取虹膜边界参数,并取最大和次大参数的均值作为最终的边界参数。实验结果表明,该算法平均定位时间为0.152 s,准确率高达98.4%。     

鲁棒的车辆行道线提取方法

提出了一种新的行道线提取方法。该方法利用均值滤波对道路图像进行亮度估计,把均值滤波后的图像和原图像进行差分从而突出白色的行道线区域,并且采用多阈值方案,对得到的差图像进行二值化。对得到的包含行道线的二值图像进行干扰去除和细化处理,并运用基于加权的Hough变换求得多条候选行道线,基于空间约束从所得的候选行道线中挑选出合适的直线对作为左右行道线。实验结果表明,该算法在复杂路况的情况下能够快速准确地提取出行道线,从而实现对驾车者偏离车道的报警。     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

改进的随机Hough变换在检测多圆中的应用

提出了一种在视觉检测中用于多圆提取的改进随机Hough变换算法，该算法采用一种新的取点方法来进行计算，避免了随机Hough变换由于随机采样造成的大量无效累积。并在计算圆的几何参数时充分利用了圆的几何特征，因此检测速度快，占用内存空间小，精度高，具有良好的抗噪和抗干扰能力。最后文中还分别给出了人工合成图和实物图的实验结果。     

基于逐级均值聚类的信息熵的离散化算法

目前基于Rough集的离散化算法很难做到高效率和高识别率兼顾,针对粗糙集给出了基于逐级均值聚类的信息熵的离散化算法。首先使用改进的逐级均值聚类算法分别对单个属性的候选断点按其信息熵值进行聚类分析,生成新的规模更小的候选断点集,然后用基于信息熵的离散化算法完成断点的选取并对连续值属性进行离散化。实验结果表明,该方法在识别率相当的情况下比传统的离散化方法的时间代价更低。     

基于Fourier-Mellin变换的图像配准方法及应用拓展

从两个方面拓展了基于Fourier—Mellin变换的图像配准方法的应用范围．首先是全景图像的拼接．不同于传统的方法,该方法不需要准确控制相机的运动,小需要知道相机的焦距等内部参数．也不需要检测图像特征,在配准精度要求不是很高的情况下,直接生成的全景图像可以满足很多实际应用的需要;同时,实验也表明,该方法应用于弱透视图像的配准．也具有很好的配准效果．另一个拓展是图像曲线的匹配．传统的曲线匹配方法一般通过曲线特征点（如角点、曲率极值点等）之间的对应求得曲线间的变换参数．一种新的思想是先将图像曲线转化为二值图像,然后应用Fourier—Mellin变换对这些二值图像进行配准,从而达到对两条曲线的匹配．大量实验表明,该方法对射影畸变不是十分显著且摄像机为一般运动下获得的图像之间的配准问题（如手持数码相机获取的图像之间的配准问题）均能取得比较好的配准效果．     

一种面向密封条长度检测的模板匹配优化算法

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。     

改进的Fourier-Mellin描述子在图像匹配中的应用

Fourier-Mellin描述子被广泛应用于数字图像匹配中,但由于频谱混叠等噪声及误差的存在,不能保证变化后得到的相关值分布形式是一个标准的二维脉冲函数。本文在此基础上引入带核函数的加权距离公式,先用小波变换在频域中提取出稳定的特征点形成特征向量;然后利用核函数对特征向量进行修正,使之形成标准的二维脉冲函数,以便计算出正确的匹配参数,从而达到两幅图像的匹配。实验结果表明了新算法的有效性和可靠性。     

Chaotic species based particle swarm optimization algorithms and its application in PCB components detection

An improved particle swarm optimizer using the notion of chaos and species is proposed for solving a template matching problem which is formulated as a multimodal optimization problem. Template matching is one of the image comparison techniques. This technique is widely applied to determine the existence, location and alignment of a component within a captured image in the printed circuit board (PCB) industry where 100% quality assurance is always required. In this research, an efficient auto detection method using a multiple templates matching technique for PCB components detection is described. The new approach using chaotic species based particle swarm optimization (SPSO) is applied to the multi-template matching (MTM) process. To test its performance, the proposed Chaotic SPSO based MTM algorithm is compared with other approaches by using real captured PCB images. The Chaotic SPSO based MTM method is proven to be superior to other methods in both efficiency and effectiveness.     

复杂背景下模板自动检测与定位的新方法

在应用视觉测量系统时,摄像机标定是必要且关键的一步。当采用标定模板标定时,首要任务是对模板进行检测和定位。目前大量的模板检测定位采用的都是人工方法,它的显著缺点是效率低。为此,提出了一种复杂背景下新的模板自动检测与定位方法。该方法包括模板检测和精确定位两个步骤。前者利用图像分割、Hough变换实现模板检测;后者利用SUSAN算法对模板上的4个关键角点进行精确定位。实验结果表明,该方法实现简单、性能可靠,可适用于各种复杂的场景中。     

Secure and robust image hashing via compressive sensing

Image hash functions find extensive applications in content authentication, database search. This paper develops a novel algorithm for generating a secure and robust image hash based on compressive sensing and Fourier-Mellin transform. Firstly, we incorporate Fourier-Mellin transform into our method to improve its performance under rotation, scale, transition attacks. Secondly, we exploit the property of dimension reduction inherent in compressive sensing for hash design. The statistic structure and sparse of the wavelet coefficients assure efficient compression in situation of including maximum the image features. The hashing method is computationally secure without additional randomization process. Such a combined approach is capable of tackling all types of attacks and thus can yield a better overall performance in multimedia identification. To demonstrate the superior performance of the proposed schemes, receiver operating characteristics analysis over a large image database is performed. Experimental results show that the proposed image hashing is robust to a wide range of distortions and attacks. When compared with the current state-of-the-art methods, the proposed method yields better identification performances under geometric attacks such as rotation attacks and brightness changes.     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。