基于投影特征的快速图像匹配方法

为了减少现有投影法模板中的冗余像素和匹配过程中无效的投影计算,提出了一种基于投影特征的快速图像匹配方法。基于投影法匹配原理和目标物体最小纵横比矩形特性,构造出平行四边形模板,并应用四方向链码实现该模板的投影变换;在图像匹配过程中,基于模板投影数据的取值范围和动态阈值序贯相似性检测原理,实现投影变换过程中灰度值的实时判定。实验结果表明,本文提出的方法与其他图像匹配算法相比在运算速度上优势显著。     

基于SIFT算法的图像匹配方法

依据Brown的理论,并基于SIFT算法提出了一种有效的图像匹配方法。首先对图像进行高斯和Wallis滤波处理,然后采用简化SIFT算法进行特征点提取,最后通过特征点双向匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量多、准确率高、无重复点等优点。将该方法应用于优化线网的自动检测方面得到较好的效果,并为版图的优化打下了基础。     

矩阵描述的位置控制方法及其存储效率分析

使用计算机实现位置控制时,为了便于程序处理,可利用矩阵对位置点分布及其属性进行描述.将矩阵元素与每一个位置点对应,通过遍历矩阵元素即可对位置点进行处理.根据属性值进行坐标到实际位移量的转化即实现位置控制.存储矩阵时为避免过多占用内存,可以对矩阵进行压缩存储.元素值的特点决定了压缩矩阵时既可以压缩零元也可以压缩非零元,两种压缩法的有效性取决于矩阵稀疏因子的大小.计算结果表明,当矩阵稀疏因子小于25%时应压缩零元,稀疏因子大于75%时应压缩非零元.     

基于角点特征的立体图像匹配方法

对积木类物体或近似为积木的物体,提出一种立体图像匹配方法。利用 Ｆｒｅｅｍａｎ码进行轮廓跟踪、多边形逼近、通过简单地查表检测图像角点。用构造相似度函数的办法进行立体图像的匹配。     

计算机视觉中的图像匹配综述

介绍了图像的变换模型、图像匹配的三要素及图像匹配性能评价指标,分析常用匹配方法的优点和不足之处,探讨了图像匹配中有待进一步研究和解决的问题.     

稀疏矩阵存储算法的探讨

很多实际应用问题经常被归结为稀疏矩阵的计算,文中讨论了稀疏矩阵的压缩存储算法,稀疏矩阵中的元素采用三元组表示法作为它的存储结构。     

基于不变矩的图像匹配在生产中的应用

随着高科技的迅猛发展,图像匹配技术也得到广泛的应用,在很多领域里图像匹配技术都起着举足轻重的作用。图像匹配主要有以灰度作基础与以特征作基础的匹配。在此主要以不变矩图像匹配技术为代表,对其进行相关论述,并探讨该技术在生产中的主要应用。     

小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

改进混沌优化算法在图像匹配中的应用

针对传统模板匹配算法存在的,绝大部分时间都是在非最优匹配点上做匹配运算,计算量大、耗时长、容易产生误匹配等现状,利用混沌具有遍历性这一特点,提出了一种基于混沌优化算法的图像匹配方法,即先用基本混沌算法进行搜索,利用适应度函数筛选掉不必要的点,找到粗匹配位置,再采用二次载波进行精确匹配,找到正确的匹配位置.与传统模板匹配算法和GMPT算法相比,该算法在保证匹配精度的同时,大幅度降低了匹配时间,具有一定的实用价值.     

一种基于图像边缘的快速模板匹配方法

提出了一种基于边缘的快速模板匹配方法,算法首先把模板二值化,根据传统标记目标区域的方法对二值化后的模板图进行标记,利用八临域判别准则提取各个区域的边界,在匹配时只匹配区域边界上的点,同时设定阈值,若前面n个点与模板图的前n个点的绝对差和超过阈值,则跳过该搜索区域。实验结果表明,不仅减少了匹配计算量,而且能够保证匹配的精确性。     

一种用于组合导航的SAR图像快速匹配算法

提出了基于合成孔径雷达(SAR)图像匹配技术的惯性导航系统(INS)/SAR组合导航方法。首先将计算机视觉领域的快速鲁棒性特征(SURF)算子用于对SAR图像的局部特征描述,然后对兴趣点建立快速索引,并用阈值为0.6的最近邻法则进行快速的初匹配,最后使用随机抽样一致(RSC)进一步去除错误的匹配点对。实验中,用2组真实的SAR数据对算法进行仿真并与尺度不变特征变换(SIFT)算子进行比较,结果显示,两者的鲁棒性相差很小,但在匹配时间上本文算法明显优于SIFT算子,本文算法更适用于组合导航的SAR图像匹配。     

基于相位相关的图像匹配算法

为了有效提高图像匹配算法的速度和精度,提出了一种基于相位相关的图像匹配算法。该算法先将基准图像和目标图像进行对数极坐标变换并提取变换后图像的轮廓作为特征区域;然后对两幅图像的轮廓区域分别进行距离轴和角度轴方向上的投影,最后通过比较投影分量的大小确定两者是否匹配。为了降低对整幅图像进行计算所带来的计算耗时,提出了一种分步采样的方法。实验结果表明,该算法执行速度快,抗噪声、压缩能力较强,当目标图像相对宿主图像发生旋转、缩放的变化时,仍能较准确地完成两者之间的匹配工作。     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

遗传算法和BP算法相结合进行图像匹配

将神经网络理论应用于图像匹配 ,提出采用遗传学习算法进行全局寻优、利用BP算法进行精确训练、优化BP(backpropagation)神经网络权重学习和训练的神经网络图像匹配算法 .实验表明该算法的收敛性能及学习速度优于传统的BP神经网络图像匹配算法及其他同类改进算法 ,具有寻优的全局性和精确性 .     

A new parallel algorithm for image matching based on entropy

0　ＩＮＴＲＯＤＵＣＴＩＯＮＣｏｍｐｕｔｅｒｖｉｓｉｏｎｔａｓｋｓｒｅｑｕｉｒｅａｎｅｎｏｒｍｏｕｓａｍｏｕｎｔｏｆｃｏｍｐｕｔａｔｉｏｎ ,ｅｓｐｅｃｉａｌｌｙｗｈｅｎｔｈｅｄａｔａｉｓｉｎｉｍａｇｅｆｏｒｍ ,ｄｅｍａｎｄｉｎｇｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅｃｏｍｐｕｔｅｒｓｆｏｒｐｒａｃｔｉｃａｌ,ｒｅａｌ ｔｉｍｅａｐｐｌｉｃａｔｉｏｎｓ .Ｐａｒａｌｌｅｌｉｓｍａｐ ｐｅａｒｓｔｏｂｅｔｈｅｏｎｌｙｅｃｏｎｏｍｉｃａｌｗａｙｔｏａｃｈｉｅｖｅｔｈｅｌｅｖ ｅｌｏｆｐｅｒｆｏｒｍａｎｃｅｒｅｑｕｉ…     

稀疏矩阵存储技术

在科学与工程计算领域,有许多问题都最终归结为求解稀疏线性方程组;其稀疏矩阵中只有少量元素不为零,为了节省计算机的存储空间,加快存取运算速度,开展稀疏矩阵存储技术的研究是十分必要的。本文从基本的矩阵存储技术出发,介绍了一些常用的稀疏矩阵存储方法,比较了它们的优缺点,并给出了它们的适用条件。期望能够对稀疏线性方程组的高效求解提供一些有益帮助。     

基于匹配的遥感影像自动纠正方法研究

针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题，提出了一套新的基于匹配技术的自动纠正算法流程.该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准.在利用Harris算子从两幅图像中分别提取特征点的基础上，通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对，再利用多项式拟合迭代法剔除错误点对.在获得大量的高精度控制点对后，利用不规则三角网(TIN)仿射变换法对影像进行纠正，并对杭州地区多源遥感影像进行纠正试验.结果表明,使用该方法选取的控制点均方根误差(RMSE)可以控制在0.5个像素以内.