基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.     

基于图像配准的药用玻璃瓶印刷字缺陷检测

目的准确检测出药瓶印刷字的缺陷。方法采用目前流行的SIFT特征点提取算子,选用欧氏距离进行初匹配,RANSAC进行精确匹配。结果药瓶在传送过程中不管发生怎样变化,都能被检测出其印刷字的缺陷,成功剔除不合格药瓶。结论实验结果表明该方法能够精确地提取图像特征点,准确地匹配图像特征点对。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法.该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用x2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配.实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率.     

一种抗几何攻击的小波域水印算法

目的针对小波变换域数字水印算法抗几何攻击能力差的问题,提出一种基于SIFT特征点匹配的DWT数字水印算法。方法将SIFT算法提取匹配特征点所具有的旋转、缩放和平移不变性的特性与DWT水印算法相结合,根据SIFT特征点的尺度特征和坐标关系,实现带水印图像的几何攻击参数估计和校正。结果仿真结果表明:提出的水印算法在受到系列旋转、缩放和平移攻击及组合攻击后,提取水印的NC值均大于0.8394,说明了算法的可行性。尤其是对于抗旋转攻击,优于其他同类或相关算法。结论提出的算法对旋转、缩放、平移等3种几何攻击都具有较好的鲁棒性。     

基于线性不变矩和角度向量的立体匹配算法

针对室内场景双目立体匹配有别于一般场景立体匹配的特殊性,提出了一种计算简便、准确度高的立体图像匹配算法.该算法首先利用canny算子检测物体的边缘,根据边缘的线性不变矩寻找出目标物体,然后提取出目标物体轮廓的特征点,利用角度直方图计算出左右图像的旋转角度,最后利用角度向量实现左右图像的对应像素点的匹配.线性不变矩有效地将计算复杂度由二维降低到一维,大大降低了计算量.角度向量的提出降低了特征点匹配的复杂度,而且计算简便,准确率高.实验表明,该算法对图像的缩放、旋转、平移均免疫,具有较高的识别精度和良好的抗干扰性,计算效率高于传统方法,有着较高的应用价值.     

基于灰度相关特征点的图像拼接算法

提出了一种基于特征点的图像拼接算法,首先利用Harris角点检测提取两幅图像中的特征点,用特征点邻域灰度相关性将特征点进行匹配,并在此基础上根据变换参数向量的欧式距离对误匹配进行剔除,进而实现图像拼接.实验表明,这种算法能有效的排除误匹配的干扰,降低误匹配率,拼接效果良好.     

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.     

Harris算子耦合强度特征的图像复制-粘贴篡改检测算法

目的针对当前较多图像复制-粘贴篡改检测算法主要依靠度量图像的结构特征来实现篡改检测,忽略了图像的强度特征,使其在各种几何变换下难以准确检测出伪造内容,导致检测结果中存在漏检和误检等问题,设计一种基于Harris算子耦合强度特征的图像复制-粘贴篡改检测算法。方法利用Harris算子对图像的特征点进行精确的提取。通过特征点构造圆形特征区域,求取该区域的Zernike矩,通过Zernike矩的大小实现对特征点的描述。随后,利用不同阶数的Zernike矩来描述图像的强度特征和纹理特征,从而构造匹配模型,对图像特征进行粗匹配,并引入RANSAC方法对粗匹配结果进行优化。最后,利用形态学腐蚀与膨胀操作将特征区域进行连通,以确定篡改区域。结果实验结果表明,与已有的图像伪造检测方案相比,所提算法具备更高的检测精度和鲁棒性,在噪声和旋转等变换下仍有更好的检测效果。结论所提技术拥有较高的伪造检测准确性,在图像水印、信息安全领域具有一定的参考价值。     

基于三角形几何相似性的图像配准与拼接

介绍了一种基于三角形几何相似性的图像配准方法.提取两幅待拼接图像的特征点,将每幅图像各自的重叠区域内或图像内容复杂情况下的选定区域内的特征点任意组合为三角形,得到分别对应于每一幅图像的三角形集合.然后根据定义的新的三角形表示方法,包括最大角方向和最小角方向,在两组三角形集合内层层筛选任意组合的三角形对,最终找到其中的匹配三角形对,即相似三角形对,从而找到匹配的点对.最后计算图像间变换矩阵,对图像进行拼接,得到了一张具有更宽视野的无缝拼接图.该方法只与特征点间相互几何位置有关,所以对两幅图像间的灰度差异、任意的旋转、缩放等都表现了很强的鲁棒性.     

基于SIFT特征点匹配的抗几何攻击水印算法

目的为了有效抵抗几何攻击,实现水印图像的嵌入与检测的同步。方法将水印嵌入到图像小波分解后的奇异值中,然后利用SIFT(scale invariant feature transform)特征点所具有的旋转、缩放和平移不变性进行宿主图像和受攻击图像的匹配,并估计受攻击图像的几何攻击参数,对可能失真的图像进行几何校正。结果图像经过几何失真、常规图像处理攻击或JPEG压缩后,嵌入的水印依然能被可靠地检测和提取。结论理论分析和大量实验结果表明,该算法校正精度高,具有良好的不可见性和鲁棒性。     

聚晶金刚石复合片表面裂纹视觉检测技术研究

采用计算机视觉检测技术提取出表面缺陷特征量,完成聚晶金刚石复合片表面裂纹缺陷检测。首先,根据聚晶金刚石复合片表面特性,研究合适的光源照明系统。然后,提出一种基于直方图投影梯度极值的局部边界提取方法,将感兴趣区域进行提取。在此基础上,采用图像滤波、阈值分割的方法实现裂纹的准确提取。最后,通过计算裂纹连通域的圆形度和长宽比进行裂纹识别。实验结果表明,本方法可有效地对聚晶金刚石复合片表面裂纹缺陷进行检测。     

基于SIFT变换和RBF神经网络的彩色全景图拼接算法

目的 为了复原存在平移、色彩差异、旋转、形变等问题的全景图,提出一种结合SIFT（尺度不变特征变换）和RBF神经网络的彩色全景图拼接算法。方法 通过SIFT算法匹配出两子图中对应的特征点,利用仿射变换解决图像间的旋转和形变问题,采用RBF神经网络纠正子图的色彩差异,最后利用权值矩阵融合技术实现重叠区域的融合。结果 文中算法在拼接效果上优于其他算法,其拼接效果DoEM值为0.902,图像重叠区域过度平滑,有效地避免了融合区域的亮度块或亮度线。结论 该算法效果好,可解决全景图复原过程中多方面的难题。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于双信息统计与引力聚类的图像篡改检测算法

目的 为了解决当前图像复制-粘贴篡改检测算法的鲁棒性与检测精准度不佳等问题。方法 将图像的颜色信息引入伪造检测过程,提出双信息统计机制耦合引力聚类的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵来准确提取图像的特征点。然后,利用图像的梯度直方图来描述图像的方向特征,并联合图像的颜色信息,构造双信息统计机制,获取图像的特征向量。计算特征向量间的欧氏距离,构造近似测量模型,对图像特征进行匹配。最后,利用引力聚类方法,实现图像特征点的聚类,精准检测复制-粘贴篡改内容。结果 与当前图像复制-粘贴篡改检测方法相比,所提算法具有更高的检测精准度,以及更好的鲁棒性。结论 所提方案可以准确检测并定位出伪造内容,在图像水印、信息安全领域具有一定的参考价值。     

基于四元数最少特征点的相机位姿估计

为解决相机位姿估计的问题,提出了一种基于四元数最少特征点的相机位姿估计算法。在相机拍摄的二维图像中检测并匹配特征点,根据特征点坐标与约束条件建立多项式系统,通过求解对应的矩阵方程来求解多项式系统。用四元数表示相机的旋转,避免了求解中相机旋转与平移相互纠缠的问题,当2个摄像机视图之间的平移为零时能够很好地进行位姿求解。求解中结合5点算法对求解原理进行了详细推导,并进行抗噪声测试。测试中随着匹配的特征点数增加,算法平均估计误差范围不超过2%。利用KITTI数据集测试算法的实用性,并与其他几种方法进行结果比较。结果显示,相同条件下算法将估计精度提高了24.5%以上,体现出良好的估计精度。     

Research on Multi-View Image Reconstruction Technology Based on Auto-Encoding Learning

Traditional three-dimensional (3D) image reconstruction method, which highly dependent on the environment and has poor reconstruction effect, is easy to lead to mismatch and poor real-time performance. The accuracy of feature extraction from multiple images affects the reliability and real-time performance of 3D reconstruction technology. To solve the problem, a multi-view image 3D reconstruction algorithm based on self-encoding convolutional neural network is proposed in this paper. The algorithm first extracts the feature information of multiple two-dimensional (2D) images based on scale and rotation invariance parameters of Scale-invariant feature transform (SIFT) operator. Secondly, self-encoding learning neural network is introduced into the feature refinement process to take full advantage of its feature extraction ability. Then, Fish-Net is used to replace the U-Net structure inside the self-encoding network to improve gradient propagation between U-Net structures, and Generative Adversarial Networks (GAN) loss function is used to replace mean square error (MSE) to better express image features, discarding useless features to obtain effective image features. Finally, an incremental structure from motion (SFM) algorithm is performed to calculate rotation matrix and translation vector of the camera, and the feature points are triangulated to obtain a sparse spatial point cloud, and meshlab software is used to display the results. Simulation experiments show that compared with the traditional method, the image feature extraction method proposed in this paper can significantly improve the rendering effect of 3D point cloud, with an accuracy rate of 92.5% and a reconstruction complete rate of 83.6%.     

基于机器视觉的VVT发动机转子缺陷检测系统设计

针对目前工业生产线上的VVT（variable valve timing,可变气门正时）发动机转子存在尺寸误差和外观缺陷等问题,大多数工厂采用人工方式来测量尺寸和检测缺陷,但人工测量和检测的精度易受外部环境和主观意识的影响,从而产生过检和漏检。为此,设计了一种基于机器视觉的VVT发动机转子缺陷检测系统。首先,针对VVT发动机转子凸台外边缘磕碰点对外径测量的干扰,提出一种基于梯度特征和位置序列的磕碰点检测算法,先通过分析轮廓点的距离-位置序列、梯度-位置序列曲线来筛选并去除凸台外边缘的磕碰点,再采用最小二乘法对筛选后的轮廓点进行圆弧拟合以实现外径测量。然后,针对VVT发动机转子端面上的划痕、划伤等缺陷,提出一种基于改进HOG（histogram of oriented gradient,方向梯度直方图）特征的SVM（support vector machines,支持向量机）分类算法,先采用连通域分析方法得到待检测的目标区域,再提取目标区域的改进HOG特征,并利用SVM进行分类,以实现端面缺陷的检测。实验结果表明,所设计的缺陷检测系统在测量VVT发动机转子外径时的绝对精度可达到0.01 mm,且能够准确地筛选出凸台外边缘的磕碰点;因改进的HOG特征优于传统的HOG特征,所设计的缺陷检测系统在检测转子端面缺陷时具有较低的过检率和漏检率。综上可知,基于机器视觉的VVT发动机转子缺陷检测系统可实现外径的精确测量和外观缺陷的有效检测,基本满足工业检测要求,具有较高的实用价值。