一种基于Freeman链码描述及其应用的快速图象复原算法

描述了一种快速的图象复原算法,该图象由记录图象轮廓的链码所描述,首先使用链码描述对图象的轮廓进行跟踪并对其进行了平滑,从而产生平滑后的图象的链码,之后提出了一种用于将图象复原的区域填充的简单思想。     

链码描述边界区域的扫描转换算法

给出了以链码为基础描述不规则区域边界的方法，对以链码为基础描述边界区域的特点进行了分析，给出了相应的扫描转换算法，所给出的算法通用性好，扫描转换速率快，特别合适于不规则封闭区域的扫描转换。     

基于链码的随机Hough变换圆形检测方法

该文提出基于链码的随机Hough变曲变换圆形检测方法.该方法首先采用改进的自适应性Canny边缘检测方法提取边缘,通过LoG滤波抑制检测中噪声和光照变化的干扰,并采用大津法实现Canny算法中双门限的自动选取,提高Canny算法的自适应性.然后通过八邻域跟踪算法构建边缘链码,采用邻域均值投票,可有效减少零散或小尺度边缘的冗余投票,避免虚假圆生成.同时根据链码长度设定优先级,减少重复检测.实际在线检测结果表明该方法具有良好的准确性,低漏检和误检率,在噪声、光照变化下具有良好的鲁棒性.     

基于边缘链码滤波的角点角度快速估计算法

角点的角度是衡量角点特征的一个极为重要的指标,常作为阈值决定角点的取舍。本文提出一种新的角点角度估计算法,算法中通过对角点边缘链码采用不同方差的高斯函数进行卷积,得到角点位置的偏移,并给出由此偏移量计算角点角度值的公式。此算法具有较小的计算量。实验证明,此算法在一定场合下能有效地完成对角点角度的估计。文中最后给出了估计的误差分析。     

基于直线链码的预测矢量化算法

结合直线链码的特征和机械图纸图象的特点，将Ｆｒｅｅｍａｎ准则具体化，提出了并证明了直线链码矢量化具体应用的三原则，提出了基本方向码，错位方向码和基本方向链码段的概念，最后提出了直线链码段开始与约束的预测理论判据及基于直线链码的矢量化算法和迭代过程。     

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。     

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。     

实时图象处理中一种快速的直线检测算法

Ｈｏｕｇｈ变换是一种常用的直线检测方法。由于它具有很高的计算复杂度，在既无ＨＴ专习片也无阵列处理器的环境下，难以满足实时图像译实时性的要求。作者对此问题进行了研究，提出了一个新的快速算法－ＢＬ算法，在普通计算机环境下代替ＨＴ进行直线检测。     

一种基于双目测距系统的亚像素精度自适应图像匹配算法

针对目前亚像素精度图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点,对基于灰度的归一化互相关算法进行了改进,提出动态调整匹配区域范围的自适应方法,既保证了亚像素级匹配精度,又提高了运算速度.实验证明,改进后的算法,在保证0.2个像素匹配精度的条件下,匹配速度大大提高,能够满足实际应用中的实时性要求.     

A new parallel algorithm for image matching based on entropy

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

基于边缘特征的多源图像分层匹配算法研究

针对灰度相关的匹配算法不能适用于多源图像的匹配问题,提出了一种基于边缘特征的分层匹配算法．该算法首先提取出两种非同源图像的边缘特征作为匹配的特征空间,并且为了提高匹配算法的速度,主要采取了以下几种措施：采用粗匹配和精匹配相结合的分层序贯相似度检测算法（SSDA）作为搜索策略;在粗匹配阶段运用跳跃式的搜索策略和亚抽样模板．然后在精匹配阶段为了兼顾匹配的精度采用逐点扫描的全像素点匹配．通过对真实合成孔径雷达（SAR）图像和光学图像的仿真,结果表明该算法能够较好地适用于多源图像的匹配,并且大幅提高了匹配算法的速度．     

基于图像边界链表的新变换算法

在图像识别中经常需要对目标进行坐标变换,针对这种需要提出了一种以边界链码为基础的新变换算法,并讨论了它在与传统方法精度等同的条件下的运算量及其在实际应用中的参数确定方法。大幅度地提高了效率。     

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。     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

Fast image matching algorithm based on affine invariants

Feature-based image matching algorithms play an indispensable role in automatic target recognition （ATR）. In this work, a fast image matching algorithm （FIMA） is proposed which utilizes the geometry feature of extended centroid （EC） to build affine invariants. Based on at-fine invariants of the length ratio of two parallel line segments, FIMA overcomes the invalidation problem of the state-of-the-art algorithms based on affine geometry features, and increases the feature diversity of different targets, thus reducing misjudgment rate during recognizing targets. However, it is found that FIMA suffers from the parallelogram contour problem and the coincidence invalidation. An advanced FIMA is designed to cope with these problems. Experiments prove that the proposed algorithms have better robustness for Gaussian noise, gray-scale change, contrast change, illumination and small three-dimensional rotation. Compared with the latest fast image matching algorithms based on geometry features, FIMA reaches the speedup of approximate 1.75 times. Thus, FIMA would be more suitable for actual ATR applications.     

基于自适应遗传算法的分层图像匹配

图像匹配是计算机视觉的关键技术之一，图像匹配的速度和匹配的可靠性、精度一样，也是性能的重要体现。由于传统图像匹配算法是遍历性的，匹配速度较慢，因此在实际应用中受到限制。本文把自适应遗传算法与归一化积相关相结合实现图像的快速粗匹配，然后在粗匹配点的邻域内利用相位相关算法实现图像的精匹配。本文算法不但能保证匹配的精度，也能大大提高匹配的速度。在实验中，与传统的序贯相似性检测算法(SSDA)作了比较，证明了本文算法的有效性。     

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。