自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时比采用绝对差之和测度（SAD）要稳定，但是归一化互相关测度的缺陷在于它的计算量非常大。为此，提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关（NCC）的快速模板匹配算法。根据模板图像中不同模块的梯度值，将模板图像进行逐级分区，通过分区顺序将互相关之和分为不同的层，得到各层互相关的上界，运用柯西-施不等式得到上界间的关系，形成自适应连续多级分区淘汰方法。同时，为了加快匹配速度，利用初始阈值估计产生一个较大的边界阈值，以淘汰初始搜索时的大量非匹配点，减少搜索点数目。实验结果表明:所提出的算法具有较好的鲁棒性，且算法的执行速度优于传统算法。     

光电跟踪系统高精度模板匹配跟踪算法

为实现在光电跟踪系统条件下的高精度测量并且满足复杂环境下高精度目标匹配，本文选用去均值归一化互相关匹配算法。为提高匹配速度以及跟踪实时性，利用和表法计算公式中图像求和、平方和图像匹配互相关来简化计算复杂度；采用小波分层金字塔法作为搜索策略，并将模板质心作为参考点进行十字形搜索，引入终止阈值减少误匹配点进一步提高搜索速度。为验证该算法的有效性，实验中将光电跟踪系统放置在二维转台上，调整转台利用该算法跟踪目标靶板。实验结果表明，目标脱靶量控制在3个像素以内，该算法在光电跟踪系统上可实现高精度稳定跟踪。     

基于自适应模板匹配的帧间全局运动估计算法

针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一,由此影响到红外图像帧间全局运动估计和补偿问题,提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取,提高匹配的精度;然后提出自适应模板匹配准则,以达到较好的匹配效果,克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略,以便搜索到最佳匹配点,使搜索不至于陷入局部最优,并提高了搜索速度。仿真实验结果表明,在红外图像背景变化较为缓慢的情况下,所提算法降低了帧间全局运动估计计算复杂度,同时具有很好的匹配精度和准确性。     

自适应模板匹配在自主空中加油跟踪中的应用

自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。     

基于自适应遗传算法的模板匹配研究

目前图像模板匹配算法的一般都有计算量非常大的缺点,在实际运用中存在一定问题,根据这一问题提出了将自适应遗传算法应用到图像模板相关匹配中.模板匹配实际是寻找最优解的问题,将模板和子图像的互相关函数做为目标函数,基于自适应遗传算法实现了快速模板匹配算法.最后根据实验说明了该算法较搜索式模板匹配算法计算量大大减少的优越性.     

低对比度图像特征点提取与匹配

针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题,将图像自相似性用于图像特征点提取,并改进特征点匹配过程,提出了自相似性与改进归一化互相关相结合的方法.该方法首先根据像素点自对称值提取出图像特征点,然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配,最后由阈值筛选和随机抽样一致性算法优化匹配结果,从而完成低对比度图像特征点的提取和匹配.实验结果表明,该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率,且对图像尺度和旋转变换具有较强的鲁棒性.     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法。通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性。采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位。仿真实验证明了算法的有效性和实用性。     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法.通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性.采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位.仿真实验证明了算法的有效性和实用性.     

边缘梯度算法在LED晶片定位的应用研究

为解决LED晶片分拣机图像处理较慢、无法识别晶片旋转角度等问题,应用基于边缘梯度的算法对晶片定位。使用Canny算子提取图像边缘点,保存边缘点对应的梯度。通过归一化互相关匹配法计算模板和待搜索图像梯度的相关性,最后根据相关性大小获取晶片的旋转角度与中心,并且提出了多LED晶片的快速识别方法。实验表明,应用该算法平均3.2ms完成一个晶片角度的识别与定位,速度优于HexSight,且精度和识别率与HexSight相当,满足LED晶片高速识别与定位的需求。     

基于归一化互相关系数的图像匹配的连续消算法

归一化互相关系数因其对信号强度线性变化不敏感以及在匹配精度方面的优点．在恶劣环境图像匹配方面有较广泛的应用。文章提出了一种在图像匹配中，采用归一化互相关系数作为匹配准则时的快速穷尽搜索算法。基本思想是在搜索窗口中利用连续消除搜索点来降低匹配的计算量。实验结果表明．该算法在获得和穷尽搜索算法相同性能的情况下提高了20-30倍左右的速度。     

创新的高效方向性菱形-弧形快速块匹配运动估计算法

针对传统运动估计算法的缺点,本文提出了一种采用弧形、小十字、大菱形模板进行快速块匹配运动估计的新算法.该算法(NOADS)充分利用序列图像中运动矢量场中心偏置分布特性,使用小十字模板,进一步搜索根据情况自适应调整扩展为水平菱形或是垂直菱形模板,处理中心区域小运动矢量和静止运动矢量的搜索.使用大菱形-弧形模板处理大运动矢量的搜索.实验结果表明NOADS有效减少了搜索点数,提高了搜索速度,能同时适应于小运动块和大运动块的搜索,速度上比DS提高约20%,比3SS提高30% ～60%.     

一种基于遗传算法的快速景象匹配算法

常规的归一化灰度互相关匹配算法是搜寻区域上的所有点,效率较低,在实时图存在旋转时,会影响匹配的精度。为此,在对典型的基于灰度的景象匹配算法进行分析的基础上,结合遗传算法和分层搜索策略设计了一种快速匹配算法。算法在匹配过程中考虑了存在旋转变化实时图像的处理,从而省去了图像对准的预处理,节省了时间。遗传算法和分层搜索策略的...     

一种新的自适应二值运动估计算法

利用增强位平面的二值特性和运动矢量场自适应思想,提出了一种新的自适应二值运动估计算法.算法在图像的位平面中完成运动矢量的搜索;匹配时对静止块进行判定直接中止搜索,同时采用了起始点预测和运动类型判定,自适应使用LDSP和SDSP模板进行搜索.实验结果表明:该算法的搜索速度优于绝大多数现有的运动估计算法,且预测精度接近于FS算法.     

基于绝对值差的归一化波形匹配混合算法

基于归一化的波形匹配算法运用十分广泛,但缺点是运算量大。为此提出一种基于绝对值差的归一化混合算法。该算法先将原始波形分解成三层,在每一层分别采用改良的绝对值差法、改良的序列相似性法、归一化互相关法进行匹配,最终实现精确匹配。实验表明,这种混合算法比归一化互相关法在波形匹配速度上有了大幅度的提高。     

基于归一化互相关因子的波前测量研究

为实现对光束近场强度分布不均匀或低信噪比场景中的高精度波前测量,分析了低信噪比情况下,在基于夏克-哈特曼波前传感器的自适应光学系统中,分别使用基于归一化互相关因子的相关算法与目前常用的自适应阈值灰度质心法时,信噪比对质心探测精度及后续波前复原精度的影响。通过数值仿真与实验对比,证明了基于归一化互相关因子的相关算法在不同光强条件下的波前测量结果一致性与准确性都高于自适应阈值的灰度质心法,其可为自适应光学系统在像差探测能力上提供更高的准确性与鲁棒性。针对基于归一化互相关因子的相关算法计算量较大,软件计算实时性较差,难以满足工程实用需要的问题,提出了一种基于算法实现优化与多级并行计算的加速方法,对448单元子孔径的夏克-哈特曼波前传感器可实现每秒上千赫兹的计算速度,可满足大部分自适应光学系统波前探测实时性的工程需要。     

结合相位和ＳＩＦＴ特征相关的图像自动配准算法

提出一种鲁棒性较好的图像配准算法解决乱序输入图像序列自动拼接问题。首先为输入图像建立多分辨率金字塔,在较低分辨率图像层上进行相位相关区域搜索;接着对得到的相关区域进行SIFT特征相关验证,得到图像序列的配准关系和透视变换矩阵的初步估计;然后结合估计参数对原始图像的SIFT特征再次进行相关匹配,最终实现图像序列变换参数的精确求解。该算法结合相位相关和SIFT特征相关两种配准算法的优点并应用由粗到精的匹配策略提高了图像配准的速度和稳定性。     

图像配准中基于最大熵的模板选取算法研究

图像配准是对多幅相关图像匹配与融合,其中匹配特征空间的选择是图像配准的基础,直接关系着最终的配准效果.为此针对空域相关配准,提出一种基于最大熵的模板选取算法,首先计算候选匹配模板平滑直方图的信息熵,选择熵值最大的图像块作为配准模板,再对搜索空间计算相似性测度得到最佳配准.通过大量抗干扰仿真试验证明,算法鲁棒性很好.     

一种新的自适应图像增强融合算法

提出了一种新的自适应图像增强融合算法,算法将输入图像分解为反映图像平均照度特征的低频分量和反映图像对比度特征的高频分量图像,基于局部灰度方差增强因子和非线性投影变换因子进行自适应图像增强处理,基于局部能量、局部归一化互相关融合测度和加权融合算子对增强后的图像进行特征提取和重构,得到融合图像.有效地将输入图像细节特征传递组合到融合图像中.