基于互相关边界特性和图像积分的快速模板匹配算法

基于归一化算法求解相似度原理,提出了综合利用互相关的边界条件和图像积分计算相似度的快速算法,在不降低匹配精度的前提下较大地提高了匹配速度。计算相似度时,归一化算法需要计算各位置的自相关值和互相关值,本算法先只计算自相关值,再利用Holder不等式原理,结合给定的边界阈值,剔除不满足条件的位置,减少其对应的互相关值计算。应用图像的积分进行匹配在于整个图像的积分可以在匹配之前进行计算,而在匹配过程中每一个子区域的自相关可以通过图像积分快速求得。本算法已在焊线机芯片识别系统中应用,结果表明该算法匹配的速度快而又不降低匹配精度,具有实际应用价值。     

基于红外热图像的分区域RANSAC匹配算法

RANSAC是一种鲁棒性估计算法,常用于可见光图像的匹配。文章将其用在红外图像的匹配过程中,并根据红外图像清晰度差,纹理信息少等特点,改进了该算法,提出了一种分区域的RANSAC算法。应用HARRIS算子提取特征点,在匹配过程中将人脸划分为不同区域,应用RANSAC算法进行匹配。实验仿真结果表明,此算法在红外热图像的匹配上,具有准确率高,计算量小的优点,有红外热图像的建模上有较高使用价值。     

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配（NCC）算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测（SSDA）算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。     

一种改进的快速SIFT特征匹配算法

在原有经典SIFT(Scale Invariant Feature Transform即尺度不变特征变换)特征匹配算法的基础上,运用积分图像和积分直方图检测和描述特征点,使算法的实时性得到明显提高,并针对该快速算法的特征区域的分割方式提出改进,改进后的快速SIFT算法在实时性能提高的同时,特征匹配的能力也得到了改善.运用Matlab语言仿真的结果表明,此方法是可行的,使得目标跟踪等实时应用成为可能.     

一种改进的SIFT图像特征匹配算法

针对传统SIFT图像特征匹配算法因其特征描述算子维度过高而造成的计算量大、实时性差的问题,提出一种基于内核投影的改进SIFT图像特征匹配算法。传统SIFT特征匹配算法采用平滑加权直方图计算特征点的梯度模值和梯度方向。采用内核投影算法对其进行改进,使生成的特征描述算子的维度降低,从而能够提高特征匹配效率。实验结果表明,改进后的SIFT算法具有较高的匹配精度,同时匹配时间有所减少,使实时性得到提高。     

一种图像匹配中SSD和NCC算法的改进

论文针对图像匹配计算中的SSD和NCC算法提出一种基于递推增量计算的改进算法。分析和利用计算图像每个像素的SSD和NCC值时的模板在水平方向和竖直方向上具有的平移特性,以及前后上下像素模板的相互关系,利用已计算的值,来计算新的像素点的SSD和NCC值。定量分析和仿真结果显示,该算法能够有效地降低计算量。另外由于只是从计算方法上对这两种算法进行了改进,并未改变其原理,所以该方法能够保证SSD和NCC算法在立体匹配计算时本身的特性没有改变。     

基于视觉显著性的区域立体匹配算法

针对区域立体匹配算法对光照变化敏感,视差图存在目标和弱纹理区域的错配、边界不平滑等问题,提出一种利用视觉显著性特征改进的快速区域立体匹配算法。该算法先利用显著性检测定位图像主要目标区域;再结合索贝尔(Sobel)边缘特征和相角特征完成特征匹配、得到粗视差图;最后通过检测粗视差图中的视觉显著性,消除图像弱纹理区域的突兀噪声。相比绝对误差累计(SAD)、平方误差累计(SSD)和归一化灰度互相关(NCC)算法,所提算法对光照变化不敏感,得到的视差图完整,匹配率高,有利于实时系统应用。     

一种基于边缘积分与邻域提纯的图像匹配方法

在利用Harris算子检测角点时,不同的图片有时需要需多次设置阈值,才能得到理想的角点分布,本文对Harris算子作改进,采用边缘积分图像,统计邻域内边缘点的数量,确定对应的阈值。同时,对NCC算法作了进一步的改进,通过比较初匹配点对内边缘点分布的情况,对初匹配点进行提纯,降低了算法的运行时间。     

基于NCCSS的快速多波段图像配准算法

归一化互相关（NCC）方法是图像配准中使用非常广泛的方法,经典的NCC方法是基于空间域的,适用于单波段图像配准。但在实际应用中,往往要对多波段图像进行配准,此时NCC方法很可能无法获得正确的结果。最近有学者提出了归一化空间频谱互相关（NSSCC）方法,该方法可将多波段图像中不同波段的信息应用到图像配准中,与经典的NCC方法相比能够有效地提升配准的有效性。然而,如果图像所含波段较多且尺寸较大,NSSCC方法需要很大的计算量。结合标准的NCC快速算法,可以对NSSCC方法作进一步的改进,仿真实验验证了改进的方法用于多波段图像配准时的快速性和有效性。     

基于梯度值的自适应窗口立体图像匹配算法

针对基于区域的立体图像匹配算法支持窗口难以选择,容易出现窗口过大或过小的问题,提出一种新的自适应窗口立体图像匹配算法。该算法利用Sobel梯度算子计算像素梯度值,并根据其梯度值动态地获取具有自适应的支持窗口,然后分别选择相似性测度函数SAD或NCC搜索最佳匹配点,获得视差图。此外,算法在窗口选择过程中进行优化,减少了计算量。实验结果表明,改进后的算法提高了匹配正确率且计算时间缩短了近5%。