基于种子点传播的快速立体匹配

针对计算机视觉中的对应点误匹配问题,提出了一种基于种子点传播的快速局部立体匹配算法来进一步提高匹配算法的运行效率。该算法首先利用Canny算子提取图像边缘,结合边缘信息构造动态匹配窗口,以克服固定窗口对匹配带来的不利影响;然后利用AD-Census联合匹配代价在动态窗口上进行代价聚集,用WTA搜索策略得出初始视差图,对视差值进行筛选以确定种子点;随后利用像素间颜色差异将种子点的视差值传递给周围非种子点;最后采用区域投票和局部校正方式对视差值求精,进而获取精确的稠密视差图。实验结果表明,该算法可对Middlebury测试图生成高质量的视差图。与目前较新的局部立体匹配算法相比,其运行速度提高了1.8倍,满足了实际应用对速度和精度的要求,具有较高的实用价值。     

基于梯度信息的快速非局部均值图像去噪算法

非局部均值图像去噪算法具有优秀的去噪效果,但是算法复杂度高,不能应用于高速图像处理系统中。为提高算法执行速度,使其拥有更广泛的应用,提出了基于图像梯度信息的快速非局部均值图像去噪算法。该算法把原始图像划分为大梯度区域和小梯度区域。利用非局部均值算法对大梯度区域去噪,以保证图像边缘的清晰度;利用局部加权平均算法对小梯度区域去噪,以保证灰度变化不大的区域信息的完整性和准确性。算法能提高非局部均值滤波速度,而且能够有效保存图像边缘和细节。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

基于边缘和区域联合匹配的立体视觉新方法

从二维图像恢复三维信息的立体视觉研究已经出现了许多基于边缘和基于区域的方法,但对硬件的要求制约着它们的实用性.本文提出了一种对边缘和区域进行联合匹配的算法,采用边缘信息进行粗糙匹配以提高处理速度,得到一系列匹配的可能位置作为精确匹配的初始值域;采用区域图像进行精确匹配,以得到更多的细节信息,而且其平均效应会减小高频噪声对运算的影响.建立的实验系统采用奔腾133CPU、16兆内存、商用标准CCD和采集卡,软件用VC6.0编制.模拟实验表明,系统运行正常,适应性良好.     

基于边缘几何特征的高性能模板匹配算法

基于灰度相关的模板匹配算法在很多情况下难以得到准确的匹配结果,提出一种基于边缘几何特征的高精度模板匹配算法.利用曲面拟合方法获得边缘的梯度方向和亚像素坐标作为匹配信息,采用图像金字塔的搜索策略对算法加速,最后利用最小二乘平差理论得到亚像素级的定位精度和精确的旋转角度信息.实验表明,对于目标旋转、均匀或非均匀变化的光照、部分遮挡的情况下可以得到良好的匹配结果,而且在保证高精度的同时算法可以满足实时性要求,重复定位精度优于商业化软化包MIL8.0的GMF算法.     

一种改进的Pal和King模糊边缘检测算法

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失这一缺陷,提出一种改进的图像模糊边缘检测算法.该算法首先通过阈值来定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强处理来提高区域之间的层次,加强边缘两侧的对比度;最后根据一定的判别准则提取出图像的边缘.实验结果表明,采用改进的方法边缘检测质量显著提高,算法速度大大加快.新算法中具有唯一的参数且可以自动确定,保证了算法的自适应性.     

基于置信传播的多运动平台随机组网协同导航

在协同网络中,随着导航个体数目的增加,如何确定参与组网的导航平台并获取其状态与观测量的数据关联性是实现 小型规模的多运动平台协同导航的关键。 本文提出一种基于置信传播的多运动平台随机组网协同导航方法,采用随机有限集 对状态和量测量进行建模并附加标签,构造带有标签的多伯努利粒子滤波器,采用基于置信传播的多运动平台随机组网协同导 航方法,并利用运动目标平台与基站的绝对观测、运动目标平台与临近平台相对观测融合,通过粒子滤波器和置信传播对系统 中的量测信息进行处理,相比较于非参数置信传播算法扩展因子结构作为置信度算法的逼近,该算法实现概率数据关联进行导 航系统状态估计。 仿真和物理实验结果表明:非参数置信传播算法在不同基站和不同粒子数的解算结果性能较差;本文提出的 算法受基站个数和粒子个数的影响较小鲁棒性好,收敛性好,均方根误差不高于 0. 3 cm,精度高于前者一个数量级,该算法能 够有效获取导航平台的位置信息。     

改进SURF算法的特征提取与匹配方法研究

针对门把手图像特征点提取与匹配对快速性和准确性的要求,提出一种改进SURF算法。该算法主要对图像较平滑区域难以提取出大量信息点的问题进行改进。增加了边缘检测算法,得到图像边缘信息后进行形态学处理,并通过膨胀运算和开运算后获得门把手图像边缘区域信息并提取出关键点,进而获得较多特征明显的信息。改进SURF算法和原始SURF算法相比,在平滑区域能够较好提取出特征点,匹配准确率也有明显的提升,并且增强了算法的实时性。     

在线检测系统中的图像快速拼接技术

针对汽车车架纵梁在线检测系统中序列图像的自动拼接问题,提出了一种稳健、快速、精确的自动拼接算法.利用基于特征的算法提取特征区域,并在待匹配模板中确定候选模块,考察序列图像间的运动特点,将搜索限制在一个小范围内,利用基于像素的方法在此范围内确定候选模块中的真实匹配块.此方法在满足图像拼接精度的前提下,大幅度提高了拼接速度.     

基于色彩分割和自适应窗口的快速立体匹配

针对现有立体匹配算法难以兼顾匹配精度和速度的不足,提出了一种基于联合匹配代价的局部方法.首先,根据视差在同一色彩分割区域内平滑变化的假设,提出了一种利用参考图像和目标图像的色彩分割信息获得的基于任意形状和大小支持区域的匹配代价;然后在RGB色彩空间中,通过由窗口内的平均匹配误差、误差方差及较大窗口的偏向误差构成的窗口选择评价函数,获得基于自适应矩形窗口的匹配代价;最后,将这两种匹配代价进行有机的结合构成联合匹配代价,并通过局部优化方法获得稠密视差图.采用Middlebury dataset进行的实验结果表明,本文算法不仅可以提高视差不连续区域和低纹理区域的匹配精度,而且获得的视差与当前主流算法具有可比性.此外,所提算法的处理时间较之当前优秀的局部方法提高了约19～35倍.     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于形状模板匹配的印刷品缺陷检测

针对传统的模板匹配算法无法满足工业检测中的实时性要求,提出了一种基于形状模板的匹配算法,并应用于印刷品的缺陷检测。算法以Sobel算子滤波后得到的边缘点的方向向量为基础,定义相似性度量,同时结合图像金字塔分层搜索策略,利用形状信息进行模板匹配。实验结果表明,所提出的匹配算法速度快、精度高,而且匹配鲁棒性高,不受印刷品缺陷检测中可能出现的遮挡、非线性光照变化和全局对比度反转等情况的影响。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

基于区域分块与尺度不变特征变换的图像拼接算法

针对图像匹配算法计算量大,实时性差的问题,提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域,利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后,通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明,该算法减少了传统SIFT算法的大量无用搜索,改善了图像的几何失真,降低了算法复杂度,提高了图像匹配的速度,在保证90%以上的匹配准确率的基础上,计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。     

基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

基于彩色图像的快速立体匹配算法研究

为了实现彩色图像的快速立体匹配,获取准确和致密的视差图,在全局匹配基础上提出了基于区域增长的全局匹配算法,该算法将图像对按行进行区域增长匹配,匹配后的视差图再通过均值滤波器,可以滤除由于误匹配产生的不可靠视差。实验结果表明,在保证可靠性的前提下,采用改进后的匹配算法极大缩短了图像处理时间。     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

基于相位特征的可见光和SAR遥感图像自动配准

针对可见光和SAR遥感图像存在非线性辐射差异和几何差异,加之SAR的斑点噪声,使得可见光和SAR图像配准十分困难的问题.本文提出了一种基于改进相位一致性的可见光和SAR图像配准方法.首先,分别计算相位一致性的最大矩和最小矩,将二者叠加,利用Harris算子在叠加图上提取特征点,得到稳定的角点和边缘点作为待匹配的特征点;...     

BGA全自动植球机视觉检测技术及应用

在线缺陷检测是球栅阵列（BGA）植球机研发中的一个难题.本文介绍了视觉检测技术在BGA植球机上的应用.设计了一种图像采集和图像处理并行进行的工艺过程方案,提高了系统的检测速度.通过图像预处理之后提取图像的边缘特征,采用模板匹配法进行识别检测,并在此过程中融合了序贯相似度检测算法（SSDA）,以提高模板匹配的速度.试验证明,该视觉系统的工艺和检测过程均为可行且行之有效的方案.