基于投票策略的图像配准算法

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

采用角点信息和惯性主轴的车牌倾斜检测与校正方法

车牌倾斜检测与校正是车牌识别的关键技术之一.提出了一种基于字符角点信息和惯性主轴的车牌倾斜角检测方法.在用Harris角点检测算法提取出车牌区域字符角点信息的基础上,通过计算所得角点的惯性主轴来检测出车牌的倾斜角度,从而实现车牌的倾斜校正.给出了实验结果,并与Hough变换法、旋转投影法进行了比较.结果表明,该检测校正方法运算量小,速度快,校正精度高.     

一种用于图像拼接的角点匹配算法

针对基于自适应光学技术的人眼眼底待拼接图像灰度、清晰度不一致以及细节的差异使检测出的角点无法匹配,进而导致图像不能拼接的问题,提出一种在OpenCV配置环境下角点检测的基础上,进行角点匹配的新方法.该方法利用角点间的距离和斜率在眼底很小的区域内基本不变的特性,将两幅图像的角点对相互匹配,进而找到两幅图像中三对一一对应的角点.实验结果表明,用该方法可以解决人眼图像拼接的角点检测和角点匹配问题,而且运算速度快,检测效率高.     

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.     

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性.利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法.新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题.为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案.通过对比实验,新算法明显地提高了图像角点检测性能.     

基于改进的Hough变换缸套内面网纹夹角检测

目的缸套内面网纹角是影响缸套性能的重要参数,为了在生产过程中快速准确检测出网纹角参数,剔除不合格产品,研究基于改进的Hough变换缸套内面网纹夹角检测方法。方法确定缸套图像的预处理算法,增强图像网纹特征,滤除次要信息;确定基于Canny算子的网纹特征边缘分割方法;确定基于改进的Hough变换网纹直线特征提取方法,通过计算提取直线夹角的平均值得到缸套网纹角值。结果试验表明,基于改进的Hough变换网纹角检测结果与进口仪器检测结果相比,平均误差为1.54%,检测精度高。结论提出的检测算法可准确识别缸套内表面网纹角,能很好地代替传统人工复膜检测和昂贵的进口检测仪器,满足工业现场自动检测的需要,提高了检测的效率和精度,降低了检测成本。     

连续运动螺纹尺寸自适应机器视觉检测

针对螺纹零件尺寸检测效率低、工作强度大、检测精度不高的问题,提出了一种连续运动螺纹尺寸自适应机器视觉的检测方法。首先设计了一套在线图像采集装置用于采集运动螺纹零件的图像;其次使用NCC(normalized cross correlation)归一化匹配算法,完成对螺纹零件的识别及追踪,在此基础上设计了自适应的ROI(region of interest)裁剪区域;然后通过Canny算法提取边缘轮廓,利用最小二乘法直线拟合技术对螺纹轮廓进行直线拟合,生成螺纹中径线,完成对螺纹中径的测量;最后在使用Harris角点检测算法提取多螺纹轮廓波峰与波谷的基础上,提出了利用螺纹中径线与各角点之间的距离来完成对角点的细化。实验表明,所提方法在螺纹尺寸检测方面具有可行性和有效性。     

基于Radon变换的图像角点角度提取算法

针对现有角点检测算法只提取图像角点位置而无法提取角点角度的缺陷,本文在SUSAN角点检测算法的基础上,提出基于Radon变换的图像角点角度提取算法.该算法首先利用SUSAN算子检测候选角点,然后得到候选角点子邻域图像,对其进行角点角度可测量性判定,对满足可测量性的角点子邻域图像中每个像素点进行梯度映射后,利用Radon变换提取角点边缘直线,最后利用坐标几何关系提取角度.并针对Radon变换无法检测直线起始点导致角点角度提取时存在二值歧义性的缺陷,本文借鉴USAN思想,把同值核引入到角度提取中,从而实现了对角度的正确提取.该算法实现简单,实验结果证明了其有效性.     

基于图像处理的非规则形状检测方法

针对工业产品中非规则形状检测方法少、检测效率低的现状,本文提出了一种基于图像处理的快速高效检测方法。该方法首先对实际拍摄图像与参考模型进行特征点匹配,通过匹配寻找两幅图像中轮廓位置的映射关系,进而求解实际拍摄图像到参考模型的透视变换参数;然后对实际拍摄图像中的非规则形状进行高精度边缘提取,利用求取的透视变换参数对提取的边缘点进行变换;最后将计算得到的数据与参考图像中的数据进行比较,以此进行非规则形状检测。该方法为非接触式,设备少,环境影响小,数据对象仅是摄影图像,检测速度快,适用于各种非规则形状。标准实验分析表明,该方法检测精度优于0.2 mm,具有较高的检测精度及较好的检测效率。     

新的梯度边缘检测方法

提出了一种新的基于梯度算子法检测灰度图像边缘的方法。该方法在3×3的邻域窗内,分别用梯度法对窗内的水平方向、垂直方向和正、负45°角方向上的边缘线进行检测,找到梯度最大的边缘线,从而组成最终的边缘图像。实验表明:该方法简单,边缘检测图像效果好。在此基础上,又提出了增强边缘检测方法和简化边缘检测方法。这两种对基于梯度算子法的改进方法分别适用于检测小的边缘梯度和需要快速检测边缘这两种情况。     

Shi-Tomasi角点区域的拷贝图像检测

针对由于裁剪、翻转和旋转等产生的图像拷贝问题,提出一种Shi-Tomasi角点的拷贝检测算法.先使用Shi-Tomasi角点检测算法提取图像的局部角点;然后在以Shi-Tomasi角点为中心的圆环区域内计算特征向量的协方差描述子(多特征融合);最后通过协方差描述子的相似性度量来检测圆环区域的相似性,并以此判断检测图像是否为原图像的拷贝.实验结果证明,该检测算法对图像的裁剪、旋转等攻击具有较好的鲁棒性.     

基于方向可调滤波器的改进Harris算子

目的旨在传统Harris角点检测算子的基础上进行改进,以提高算子的漏检率和伪角点检测能力。方法以自动物流包装线上物料的识别为例,把获取到的图像先进行预处理,得到灰度图像,在灰度图的基础上,首先通过方向可调滤波器进行4个不同角度的旋转,再分别进行角点检测,最后通过逻辑运算综合判断真伪角点。结果把图像预处理的图像数据使用改进后的Harris角点检测算子进行角点检测,并与经典角点检测算子进行比较,结果表明改进后的算子确实有很强的辨别真伪角点的能力。结论实验证明该方法可有效提高角点检测算子的识别准确率,误检率降低到了1.3%,漏检率降低到了2.9%。     

基于角点检测的图像镶嵌算法

由于采用普通照相机拍摄的照片可能出现图像扭曲、交叠和倾斜,现有的图像镶嵌算法仍不能有效的进行处理,而且在这方面的研究也相对甚少.本文针对此问题,提出了一种适用于图像发生任意角度的旋转变换下仍可实现精确镶嵌的算法.即首先是采用Harris算子进行角点提取,使提取的精度达到亚像素级;然后根据这些角点信息建立图像间的角点对应关系,并由此得到投影变换矩阵;接下来采用图像变形技术,通过逆向映射重建发生空间变换的图像,由此得到的变形图像与源图像再进行无缝拼合.实验证明,该算法是有效的,具有较高的镶嵌精度.     

遥感图像客观质量评价方法研究

为分析图像压缩过程对遥感图像质量的影响,从遥感图像构像质量和几何质量两个方面探讨了遥感图像客观质量评价方法,并改进一种基于Harris角点检测算法的亚像素级角点检测算法。采用JPEG2000、SPIHT两种算法分别对这些评价方法进行验证。实验表明：为满足人眼视觉观察能分辨图像细节的要求,遥感图像压缩比不宜超过16倍,为使压缩后图像满足计算机视觉应用,图像压缩比不宜超过8倍。     

基于Zynq的实时视频图像角点检测系统

针对机器视觉测量应用中,待测关键点的自动识别与定位中的角点信息提取问题,以ZYNQ系列可拓展平台内部ARM+FPGA的异构架构为基础,采用软硬件协同设计方法,搭建了一套可进行实时视频图像角点检测的系统。利用Vivado HLS工具,将角点检测算法封装成可以部署到PL端的IP核,极大地缩短了开发周期;对系统中各个模块进行了合理的任务分配,使得系统拥有ARM的灵活性以及FPGA的并行处理能力,展现了并行异构架构的优势。该系统中图像算法IP核可以进行灵活的算法替换和更新,为基于机器视觉检测的小型化应用提供了重要参考。     

角检测在彩色伪随机编码图像特征提取中的应用

为研究基于单幅二维图像不标定欧氏重构三维场景的理论,有效提取伪随机编码图像特征角点,介绍了一种角检测方法,该角检测方法是基于轮廓线曲率的测试,实验数据和重构结果验证了该检测方法的适用性和有效性。     

基于函数变换的水下图像目标分割和特征提取

针对海水信道的特殊性以及成像环境的复杂性,对视觉系统的图像处理和特征提取带来的影响,提出了一种基于模糊变换的图像分割和基于函数变换的特征提取方法,以克服水下不确定因素给目标识别带来的困难,并对其进行了仿真试验.试验结果表明,此方法在对深海烟囱图像的分割和特征提取上能够取得好的效果,可有效地克服水下图像灰度分布不均匀和环境不确定因素的干扰,实现了难于分类判别的深海热液喷口目标的区分.     

Industrial computed tomography image size measurement

As one of the most useful modern detection technologies, Industrial Computed Tomography (ICT) image size measurement can correctly non-destructively measure the size of workpieces’ inner construction, and it is considered as the standard for quality assurance and reverse engineering. In view of the advantages and disadvantages compared to conventional methods, this paper improves the precision of image size measurement with a new algorithm that uses an approximate function to describe edge degradation. First, this algorithm constructs the approximate function and determines the optimal point of edge detection, based on image intensity and inflexions. Then, in order to accurately extract the image edge, this algorithm is used to revise the primary image, completing construction of the CT image.Excellent results are obtained from simulations and experiments. The experimental results indicate that the relative error is 2% for the CT image when the step evolution of the image edge is pooled. The relative error of this method is decreased by as much as 1.5% compared to wavelet transformation and ridgelet transformation. Therefore, this new algorithm demonstrates increased effectiveness in extracting an accurate measurement of the CT image edge.     

基于深度神经网络的货架商品识别方法

目的为快速统计货架商品信息,提出一种基于深度神经网络的货架商品自动识别方法。方法摄像头采集的货架商品图像经过深度神经网络算法处理,得到了图像中商品的SKU和位置。针对货架商品识别这种密集检测场景,文中方法改进了通用深度神经网络目标检测算法,将算法分为检测和分类2个阶段且重新设计了部分网络结构。最后,将文中方法和传统货架商品识别方法以及通用深度神经网络目标检测方法进行了比较。结果实验证明该方法的检测阶段的模型平均正确率达到96.5%,分类阶段的分类准确率达到99.9%。整图测试的查准率为97.56%,查全率为99.26%。结论相较于以往使用传统的目标检测模型进行货架商品识别以及使用SIFT等人工算子提取特征并分类识别商品具体SKU,文中方法的商品检出率和分类准确率都有了大幅度的提升,具有很好的应用潜力。