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。     

基于核直方图的多子模板冗余匹配

基于直方图的模板匹配方法定位精度不高,尤其在平移、旋转、尺度等多维空间搜索时易产生误匹配。受多模板匹配思想的启发,提出了一种基于核直方图的冗余多子模板匹配方法。首先通过相异性最大化原则,在模板图目标中心等距离的圆周上进行子模板的筛选。各子模板与实时图进行直方图统计并匹配,该匹配具有旋转不变性,通过改变直方图的统计范围即可实现对尺度空间的搜索。然后通过子模板与目标中心的先验距离信息,设计高斯加权的目标中心表决器,实现多个匹配结果的鲁棒融合,同时尺度空间上的最优表决结果可确定出最优匹配尺度以及最优匹配位置。利用多点几何空间约束求取目标匹配位置,无需设置匹配阈值。实验表明,该方法极大地提高了原核直方图方法的匹配精度,实现了局部遮挡、旋转、尺度、平移等复杂情况下的鲁棒匹配。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

基于等积环投影与Zernike矩的快速模板匹配

为增强工业级机器视觉系统的实时性和稳定性,本文提出一种基于等积环投影与Zernike矩的具有旋转不变性的快速模板匹配方法,该方法采用由粗到精匹配策略,在粗匹配阶段以等积环投影向量作为特征进行匹配得到候选点集,再基于Zenrike矩进行精确匹配.主要创新点为提出复杂度低、抗噪性强和具有旋转不变性的等积环投影向量特征,并利用圆对称性在八分圆法基础上进一步降低Zernike矩计算量.经理论分析和实验对比验证,此法在保障匹配精度前提下,其匹配速度胜于当前同类最优算法,且对高斯噪声及线性亮度变化有强鲁棒性.     

旋转人脸的模板匹配定位与旋转角度估算方法

本文实现了一种依靠非旋转的人脸模板对平面内旋转的人脸图象进行匹配定位与角度估算的方法。相对于通过由不同旋转角度的模板构成的集合中的成员分别作用于目标图象进行匹配定位的方法，本文的方法减轻了计算负担。而且本文将圆投影法与Zernike矩法相结合实现了旋转人脸图象的定位与旋转角度估算。其匹配的准确性比较高，而且具有良好的抗噪声特性。     

基于多模板匹配的自动人脸检测

本文提出了正面人脸检测的一种新算法.不同于以往将人脸看作高维空间中的单一聚类的方法,本文提出,人脸在高维空间中以多聚类形式存在.并采用最优聚类的方法将人脸分为四个聚类.以每个聚类的中心为一个模板,通过基于马氏距离(Mahalanobis distance)的多模板匹配法,检测出图像中的人脸.实验结果表明,该方法优于基于单一聚类的方法.     

基于模板匹配算法的字符识别研究

文中提出了一种基于模板匹配的字符识别算法。该算法在对输入的字符进行预处理的基础上对字符进行特征量提取,预先将字符分成若干个集合;然后再对各集合中的字符进行模板匹配,最终对字符做出判决。试验结果表明,模板匹配算法保证了字符识别的正确率,而对字符进行预分类,则缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。     

基于模板匹配的SAR目标识别预处理新方法

本文提出了一种基于模板匹配的合成孔径雷达(SAR)自动目标识别(ATR)预处理新方法.该方法考虑了图像间相对直流偏差对匹配精度的影响,并在频域内同时完成目标与模板之间的对准、幅度补偿及去直流偏差.实验结果表明本文方法可有效地提高目标识别率.     

基于多种群遗传算法的模板匹配研究

模板匹配是图像处理中的重要应用,本文提出将多种遗传算法与模板匹配想结合,解决传统模板匹配中计算量大、效率低等问题,并且避免了单种群遗传算法中出现的收敛缓慢和早熟收敛以及容易丢失优良基因等现象。     

一种基于组合矩和小波变换的目标匹配算法

不变矩方法是一种经典的特征提取方法.文中针对纹理细节信息较少的特定目标,首先在七个不变矩的基础上构建了组合矩.该组合矩具有旋转、平移、比例不变性和良好的类间可分离性,大大降低了算法的复杂性、提高了抗干扰能力.为了进一步提高匹配速度,引入多分辨率小波分解,利用低频系数来计算图像的组合矩特征量进行模板匹配.实验表明,对于细节信息较少的目标,该方法是一种具有较高实时性和鲁棒性的目标匹配算法.     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于FPGA的图像多尺度特征点提取及匹配

对于图像的多尺度特征点提取及匹配存在提取特征有限、算法复杂度高、处理速度慢的问题,提出了一种利用多尺度Harris角点方法提取图像中物体边界特征点,采用二维高斯拉普拉斯算子检测图像斑点信号,并基于SIFT特征描绘子计算特征描绘子相似度来完成匹配的方法.该方法充分利用FPGA的并行性特点,通过降低多尺度Harris角点检测、斑点提取和SIFT特征描绘子生成算法的复杂度,在FPGA中实现了图像多尺度特征点的快速提取及匹配.通过对多组图片进行对比测试验证,该方法相对于软件实现方法具有处理速度快,而图像主要特征点不丢失的特点.     

采用尺度空间特征点匹配的红外目标跟踪

针对红外图像信噪比低,对比度不高,目标跟踪困难等复杂情况,提出了一种基于尺度空间特征点匹配的红外目标跟踪算法.设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及连续帧目标区域双向配准的办法,前帧目标区域特征点匹配出后续帧目标区域特征点,以后者特征点集质心坐标去建立目标跟踪搜索窗,完成在视觉效果差的背景下的红外目...     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

一种基于手形特征点匹配的身份认证方法

该文提出了一种基于手形的身份认证方法。该方法首先通过对手形图像的处理,将手形表示为由一系列有序点构成的特征点集,然后应用基于确定性退火技术的点匹配算法对两个手形的特征点集进行匹配,得到用于认证的两个匹配参数:平均匹配误差和匹配率,最后设计适当的分类器,对匹配结果进行分类判决,实现身份认证。考虑到在手形认证的研究中都是小样本情况,因此首次将建立在统计学习理论(SLT)基础之上的支持向量机(SVM)应用于手形的认证中,得到的结果是令人满意的。实验证明,与现有的手形认证方法相比,该文的方法不仅提高了认证的准确性,而且增强了认证的鲁棒性。     

MR盒子设计与基于特征点匹配的空间对准

文中设计了一款适用于智能手机的混合现实盒子,用于书画临摹训练。它通过一块半透半反镜将手机屏幕上的立体视差图像反射到观察者眼中,同时借助手机后置摄像头捕捉周围环境,借助特征点匹配方法监测手机位置的变化,进而改变所显示的虚拟立体景物的位置,使之与周围真实环境的空间关系维持不变。实验表明,文中提出的基于特征点匹配的方法可以较好地解决MR中的空间对准难题。     

基于模板匹配的图像跟踪技术

为了解决传统模板匹配方法跟踪图像时遇到的问题,提出了在跟踪过程中采用变模板匹配的方法.该方法较好地解决了传统方法的局限性,通过实验比较了使用模板匹配和变模板法跟踪图像的效果.     

基于立体视觉与特征匹配的点云目标识别算法

准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题,也是近年来目标识别领域从二维向三维拓展的一个重要挑战,其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制,通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法,通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云,并通过MATLAB选取三种典型目标状态。当目标区分度高时,优化前后的目标识别率都在98%以上;当目标区分度低时,优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm,相比未优化的0.74 mm提高了0.19 mm。同时,优化后算法的收敛时间曲线要优于未优化的,3000点以上的收敛时间均值约为8.33 s,优于未优化的12.76 s。综上所述,优化后的算法具有更好的识别效率。     

利用特征点配准和变换参数自动辨识的图像拼接算法

提出了一种不同尺度的图像配准与自适应拼接算法.通过特征点匹配与图像间变换几何参数的自动辨识,实现了不同尺度和旋转图像间的匹配和拼舍.利用尺度不变特征点提取算法(SIFT)提取出待拼接图像的特征点,根据互信息量最大原则实现特征点的匹配,然后通过得到的匹配对的几何信息自动辨识出两幅图像之间的变换参数关系,得到反映图像平移、...     

低空飞行声目标特征提取技术研究

传统特征提取方法大多是在对信号进行假设的前提下进行运算.近年来,不依赖信号的性质,对输入信号不做任何假设和限制的听觉感知特征提取方法引起广泛关注.本文对低空目标识别系统中的特征提取技术进行系统介绍.首先概述了外常用的特征提取技术,其次介绍了入耳对声信号的辨识过程及声学效应,在此基础上分析了基于人耳听觉系统的特征提取方法.最后,在总结现有方法的基础上,分析了目前尚存在的主要技术难题.