基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

基于DM642的香烟小包装外观检测系统

本文设计与实现了一种基于TMS320DM642的香烟小包装外观质量检测系统,详细阐述了该系统的硬件构成、软件流程、检测算法以及针对DSP处理器进行的系统优化.系统以TMS320DM642处理器为核心建立硬件平台,通过摄像头获取香烟小包装图像,采用改进的模板匹配算法对当前图像进行质量检测,最终在监视器上显示检测结果并将检测结果送执行单元进行处理.实验结果表明基于TMS320DM642的香烟小包装检测系统,检测效果快速、准确、有效,应用前景广泛.     

基于轮廓特征的模板匹配方法及其应用

提出一种基于轮廓特征的模板匹配方法,该方法首先提取视频关键帧作为模板库,然后对模板库中的图像进行图像预处理和特征提取,利用基于轮廓特征的相似距离函数（CSD）对处理后的二值图像进行相似性匹配。智能广告监播系统应用实验表明该方法不仅简单,而且能满足匹配速率和匹配率上的需求。     

基于轮廓匹配算法的非标准件在线检测系统研究

随着机器视觉在标准件检测中的应用,基于机器视觉的非标准件检测研究受到越来越多的关注。对符合非标准件在线检测要求的视觉检测方法进行了研究。利用视觉系统,采集非标准件的图像。通过轮廓提取算法,提取工件的轮廓和相应的计算机辅助设计(CAD)模型的轮廓。计算工件轮廓和相应CAD模型轮廓的图形不变矩。比较图像不变矩的近似程度并判断该工件是否符合造型要求。在验证试验中,随机选取19件冲压模具镶块进行了检测方法的检验并在各工件间进行交叉验证。试验结果表明,检测正确率为100%、平均检测用时为1.4 s/件。以CAD图形为基准进行检测,无需事先收集工件的图像。基于图形不变矩进行相似度匹配,对检测环境要求低,硬件的可配置性强。由于只匹配轮廓信息,检测效率高,能满足非标准件在线检测的多样化应用需求。     

基于轮廓模板和自学习的图像纹理增强超采样算法

提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法,有效地恢复了插值图像丢失的细节纹理,抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息,对轮廓模板插值图像的细节纹理进行了恢复.其中,为了弥补轮廓模板插值缺少先验知识的缺陷,将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优,匹配的过程中采用双匹配,相比较于全局搜索和小窗搜索,提高了效率并保证了匹配精度.此外,使用高斯模糊代替了传统提取高频信息的方法,简化了算法的复杂度,提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗,以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成,节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行,算法效率得到进一步优化.理论分析和实验结果表明,相比传统的基于插值、基于自学习的图像超分辨率方法,本文方法获得更好的实验结果,主观效果得到明显改善,有效地恢复了图像的纹理细节,提高了图像边缘锐度,避免了产生锯齿等人工效应,客观指标得到提高.     

基于解析形式的二维参数可变形模板匹配算法

为了更好地进行图像轮廓提取，对基于解析形式的二维参数可变形模板匹配方法中的模板结构、形变方式、离散化方案、内外部能量函数及优化算法等方面进行了研究与改进，并以生物体为原型，提出了一种具有3种生物组织结构的、形变方式可通过模板结构加以明确控制的、新的参数可变形模板匹配算法，该新算法是利用Gaussian函数来扩展外部力的作用域，并采用贪心优化快速算法进行能量函数优化。实验结果表明，这一新的模板匹配算法具有良好的轮廓提取速度、提取精度及稳定性。     

基于颜色和变形模板的实时人体检测

针对目前人体检测算法存在不能检测多角度人体目标以及实时性差等问题,提出了一种在静态图像中实时检测任意角度人体目标的算法。该算法分别利用目标颜色和轮廓两类特征构造两种检测器。颜色检测器首先进行基于面部肤色和头部发色的彩色分割,然后引入积分图像算法快速提取分割后的图像头部目标区域。轮廓检测器利用头肩轮廓形状的稳健性,用参数化变形模板对头肩轮廓建模,该模板由两个存在几何尺度和位置约束的椭圆构成,再定义两个不同计算复杂度的模板匹配策略对人体头肩部分进行分级检测。最后利用上述两种检测器构建一个级联检测系统,级联检测结构大大提高了算法的速度,使算法可以对分辨率为352×288的图像做30 fps的实时检测,实验结果表明,该算法是切实有效的。     

基于labview的触摸式显示板自动检测系统的设计与实现

该文设计的自动检测系统,用来检测家电产品中广泛使用的触摸式显示板。它采用了Labview作为开发平台,配合NIPCI-6519数据采集卡和通讯卡等硬件设备,实现触摸式显示板的功能测试。系统中对图像的检测用到了IMAQ Vision图像处理模块,利用模板匹配函数匹配特征量,来判断图像是否有缺陷;声音检测是实现了一种基于模板匹配的语音识别算法,提取出声音的特征量,然后与模板作比较。该系统运行效果良好,工作稳定,出错率较低。     

基于模板匹配单色布匹瑕疵检测算法

提出一种基于模板匹配的单色布匹瑕疵检测算法,该检测算法首先存储待测布匹的无瑕疵模板图,并对模板图进行分块,然后对待测样本图进行相同的分块操作,进一步利用模板匹配方法对相同分块区域的样本图与模板图进行匹配查找,得到最优匹配图像.在匹配过程中,对模板图按照一定比例进行扩充,以提高匹配的准确性.最后将样本图与最优匹配图像进行差值对比实现布匹瑕疵检测.实验结果表明,算法弥补了传统Gabor算法高度依赖纹理的缺陷,提高了对于纹理模糊的单色布匹瑕疵检测准确率,检测效率与精度满足验布现场需求.     

边缘增强图像互相关模板匹配的并行架构

基于归一化互相关测度(NCC)的模板匹配已经在图像处理领域得到了广泛的应用。对图像进行边缘检测然后进行模板匹配,可充分利用图像的空间相关性,锐化模板匹配结果的相关峰,提高匹配的准确度,可以获得更高的定位精度。为了有效提高定位精度,考虑到导弹制导系统的算法实时性、体积以及为适应战场不同任务阶段采用不同匹配策略的灵活性要求,基于FPGA,通过结合Sobel边缘检测,进一步改进了提出的图像归一化互相关模板匹配高速并行实现架构。对边缘检测前后图像模板匹配的仿真比较结果表明,边缘检测处理可有效锐化相关峰;基于Altera的FPGA芯片EP2S90和开发软件Quartus Ⅱ 8.0的并行实现架构功能与时序仿真及在实际目标识别系统中的应用表明,这种方案可有效地提高系统的运算速度和定位精度,FPGA实现本身也进一步缩小了系统的体积。     

动态时间规整下的列车车钩缓冲图像区域校正

目的 在铁路货车故障轨边图像检测系统（TFDS）采集的车钩缓冲区域影像中,托架、车钩等关键部件是刚体,但部件之间的连接是软连接,存在相对位移,造成传统的全局校正模型在该类图像校正中无法实现高精度校正,本文基于动态时间归整（DTW）方法,提出一种基于DTW区域划分的影像校正方法,实现影像的高精度校正。方法 本文将成像良好的车钩缓冲图像作为标准图像,首先对待校正图像进行预处理,消除标准图像与待校正图像之间在灰度、角度与尺度方面的差异,并针对车钩缓冲图像在车辆行进的垂直方向上偏移较小的特点,将2维图像校正问题转化为1维匹配问题,与待校正的车钩缓冲图像进行基于DTW的区域匹配,实现关键部件所在区域的区域划分,在对应的区域内分别进行校正,能够达到较高的校正精度。结果 将传统的车钩缓冲图像校正方法与本文方法进行校正精度对比,经验证,本文方法的均方误差比传统校正方法小20个像元,并且本文方法成功实现了关键部件的区域划分,为后面的关键部件识别奠定了基础。结论 经验证,本文校正方法适用于定向移动的复合刚体部件的区域校正,能够实现车钩缓冲图像中各个软连接部件的高精度校正,满足车钩缓冲图像校正的需要。     

基于Visual C++的图像增强和轮廓提取研究

煤矿井下环境比较灰暗,采集的视频图像画面不清晰,尤其在发生事故时,需要对现场画面进行增强和轮廓提取处理。针对该问题,介绍了一种基于Visual C++的图像增强和轮廓提取的设计方法。该方法采用Visual C++处理位图图像,运用灰度变换方法实现图像增强、模板匹配方法实现边缘检测来突出图像轮廓。实验结果表明,采用该方法处理的图像得到了增强并较好地提取了图像轮廓,达到了预期效果。     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

面向工业零件分拣系统的低纹理目标检测

目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注。然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法。目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件。对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D (color Line2D)。方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配。最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位。结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集。在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP (mean average precision)分别提升了10%和7%。结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势。     

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。     

基于数据驱动的CRH高速列车悬挂系统早期故障检测

作为CRH(China railway high-speed)高速列车的重要组成部分,悬挂系统的可靠性对列车的安全运行和乘坐舒适性具有重要意义,为此,利用悬挂系统传感器数据,提出一种基于数据驱动的早期故障检测方法.首先,根据系统动态搭建列车悬挂系统Simpack模型,其中作动器的主动控制力作为系统输入,轨道不平顺由不平...     

基于机器视觉的车辆保险盒在线检测研究

摘要: 车辆保险盒作为汽车电控系统中的一个重要的元器件,其质量好坏直接影响汽车的性能,传统的车辆保险盒检测主要依靠人工检测,检测费时费力,针对该问题,提出一种基于视觉的车辆保险盒在线检测方法,分析了产品图像校正到标准模板图像的位置误差,采用SURF(Speeded Up Robust Feature)算法和平面单应性理论将待检产品图像变换到标准模板位置,利用颜色直方图匹配和模板匹配完成保险盒上元件的检测。实验结果证明,该方法检测效率高,稳定可靠,能够满足在线检测的要求,具有一定实用价值。     

基于多尺度变形模板的目标检测与识别

在分析现有模板匹配算法存在问题的基础上，提出一种基于多尺度变形模板的新方法，它在已有的Snake算法基础上，加入了形态约束，并利用小波变换的多尺度特性，使得匹配过程在由粗至精的尺度上进行，从而使运算速度大大提高，对噪声的敏感程度也相应下降，而轮廓初始化是在较粗的尺度上，利用Hausdorff距离初步匹配得到的，漏警概率较低。实验结果与理论分析相吻合，验证了算法对多类目标适用，具有速度快，精度高和对图像畸变，噪声与遮挡不敏感的优点。