基于均值-偏差门限序列的SSDA算法的目标物模板匹配

图像处理算法的目的是从图像中识别出目标物所处的位置的图像是否和内存中的图像相匹配-模板匹配,从而确定位置.我们提出如下的方法:在采集到的图像中利用序贯相似度检测算法(SSDA算法)找到目标物.该方法具有精度高,适用性强的特点.实验结果表明,用该方法确定的目标物位能够达到所需的精度要求.     

多尺度模板匹配算法

研究图像模板匹配问题。对于大尺度图像,采取多尺度方法进行全角度匹配。首先构筑图像的多尺度金字塔,在最小尺度图像上找到可能的模板匹配位置和角度,然后再依次在更大尺度的图像上精细定位,最终找到模板的匹配位置和角度。配合多尺度的算法框架,同时在不同尺度模版匹配时采用不同测度的相似度,求得了精确性和效率的平衡。通过大量的模板匹配实验说明,该方法是一个快速稳定的算法。     

基于辅助纹理的模板匹配检测技术

在图像匹配领域中,对于目标与背景灰度相近,特征相似的情况,传统的图像匹配方法很难达到理想效果。本文给出一种借助辅助纹理增加灰度信息区分度的方法,然后对目标和背景都做与纹理相关的灰度加权处理,用多模板匹配降低单一模板匹配的风险。实验选择借助投影仪在工件上投红黑相间的光,目标与背景由于对光的反射率不同而出现较大的灰度差异,目标与背景做加权处理后,在不同的位置制作不同的模板,提高匹配效率,最后用Pearson相似度量计算匹配结果,实验结果表明该方法可以达到理想的效果。     

基于原子模板匹配的锂电池膜厚快速稀疏去噪

为解决多尺度小波算法在锂电池膜厚传感器测量前需确定C型机构的固有频率和扫描振动频率的不足,采用基于原子序列模板匹配的快速稀疏信号处理去噪方法。该方法不需先验知识,在不同扫描模式下通过稀疏分解迭代训练膜厚数据并构建原子序列模板库,对于不同扫描模式下的膜厚数据选取模板库中匹配的原子序列进行稀疏迭代去噪。实验结果表明:原子模板匹配算法具有较好的去噪性能,其运算速度高于传统稀疏算法57倍。     

基于模板匹配的舰船螺旋桨叶片数识别方法

针对在舰船辐射噪声DEMON线谱信噪比低时,传统使用的基于模型或专家系统的叶片数识别方法存在错误率高且识别结果不稳定的问题,提出了一种基于模板匹配的螺旋桨叶片数识别方法。该方法建立了不依赖于样本的模板库,设计了模板匹配算法和识别结果置信度算法,较好地解决了传统的叶片数识别技术所存在的数学模型失配或规则不全、样本不完善性等问题。对实测数据的分析表明,该方法明显降低了叶片数识别的错误率,使目标类型识别结果趋于稳定。     

基于模板匹配的啤酒箱印刷质量检测方案

目的快速且精准地检测啤酒箱常见的印刷缺陷。方法以啤酒箱面纸为检测目标,通过提取模板图像中形状和灰度值信息构建差异模型的模板匹配方法,对啤酒箱印刷中常见的缺陷特征进行检测,根据检测结果判断印刷质量是否合格,并通过检测验证实验对质量检测方案的效果进行评估。结果通过对所采集的500张图像进行检测实验并统计结果,该方法的平均准确率达到96.18%,漏检率小于0.9%,误判率为3.08%,平均检测耗时低于10 ms。结论使用该方法对啤酒箱面纸这类胶印制品进行质量检测的效果优秀且稳定,可以对细小划痕等高精度要求的缺陷进行精准检测,而且检测速度也快于其他方法。     

迭代模板匹配法在线监测系统的应用

目的 实时测量矿山运输索道塔架之间的距离并判断索道线路上的有无掉车。方法 采用迭代模板匹配算法。结果 该方法可以快速及时地对经过各个塔架的矿车进行匹配,查找出有无掉车并计算出塔架之间的距离。结论 当前后两个搭架过车数据无匹配时则发生掉车。     

几种基于模板匹配法的数字图像识别算法分析

针对传统模板匹配法的不足，对几种改进的模板匹配方法：失配加权匹配法、矢量化特征提取法和中心不变矩法进行了分析，总结了它们各自的优、缺点并给出结论。     

运用肤色信息和模板匹配的彩色人脸检测

人脸是一个复杂的模式,在图像中自动地对其进行定位和分割是进行人脸识别的第一步。本文提出一种运用肤色信息和模板匹配的人脸检测方法。该方法先进行肤色分割,然后对每一个人脸候选区域进行形状比例的分析,最后进行模板匹配。实验结果表明,该方法对任意背景下,任意姿态及任意数目的人脸检测非常有效。     

基于角点和局部特征描述子的快速匹配算法

提出了一种基于角点检测和灰度差分不变量区域统计直方图的局部特征描述子相结合的快速匹配算法。通过建立较少图层的阶梯金字塔,利用Shi-Tomasi算法提取图层中数量适中的强角点。采用具有几何意义的低阶灰度差分不变量描述图像特征,改进了传统算法对噪声及角点位置偏差敏感、计算复杂等问题。实验结果表明算法在保证具有旋转、尺度缩放、光照及小视角变化、模糊等性能不变的同时,整体匹配所耗时间以及正确匹配率均优于SIFT和SURF算法。     

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理,直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程,提高处理速度．其基本思想是采用序贯相似性检测算法（SSDA）快速得到候选匹配子图,再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明,该算法简化了处理过程,相对于直接FFT求相关系数法,运算速度提高了近10倍．     

基于改进模板匹配算法的物料计数方法研究

针对生产过程中物料计数方法存在的缺陷,研究了一种改进的模板匹配算法进行物料数量检测。通过基于双模板搜索方式和位置约束系数r改进传统模板匹配算法(template matching algorithm,TMA),优化寻找最佳匹配图像的过程获得最优解,并以此进行图像拼接,完成物料计数。与传统模板匹配算法(TMA)和高斯金字塔优化的模板匹配算法(Gaussian pyramid transformation,GPT)进行实验对比,证明所提算法较其他2种算法在处理每一张样本图片的时间上分别由0.013s、0.011s缩短到0.008s,在计数准确度上分别由77.32%、84.94%提高到97.36%以上,并且在拼接精度上也优于其他2种算法,实验结果验证了所提算法的有效性。     

Strategy Selection for Moving Target Defense in Incomplete Information Game

As a core component of the network, web applications have become one of the preferred targets for attackers because the static configuration of web applications simplifies the exploitation of vulnerabilities by attackers. Although the moving target defense (MTD) has been proposed to increase the attack difficulty for the attackers, there is no solo approach can cope with different attacks; in addition, it is impossible to implement all these approaches simultaneously due to the resource limitation. Thus, the selection of an optimal defense strategy based on MTD has become the focus of research. In general, the confrontation of two players in the security domain is viewed as a stochastic game, and the reward matrices are known to both players. However, in a real security confrontation, this scenario represents an incomplete information game. Each player can only observe the actions performed by the opponent, and the observed actions are not completely accurate. To accurately describe the attacker’s reward function to reach the Nash equilibrium, this work simulated and updated the strategy selection distribution of the attacker by observing and investigating the strategy selection history of the attacker. Next, the possible rewards of the attacker in each confrontation via the observation matrix were corrected. On this basis, the Nash-Q learning algorithm with reward quantification was proposed to select the optimal strategy. Moreover, the performances of the Minimax-Q learning algorithm and Naive-Q learning algorithm were compared and analyzed in the MTD environment. Finally, the experimental results showed that the strategy selection algorithm can enable defenders to select a more reasonable defensive strategy and achieve the maximum possible reward.     

基于霍夫变换与模板匹配的栅格地图拼接方法

单个机器人在面对大尺度环境时,建图结果往往存在较大误差。由多个机器人创建出局部地图后进行拼接可以很好地解决这一问题。本文提出了一种基于霍夫变换与模板匹配的地图拼接方法。首先,利用霍夫变换检测局部地图中的直线段,根据最长直线段斜率将局部地图正交方向重对准。然后利用Harris角点检测算法检测局部地图中的角点,并以角点为中心,提取模板图像。最后利用模板匹配算法将模板图像与另一局部地图进行匹配,获取两局部地图之间的刚体变换矩阵,实现地图拼接。实验表明,该方法对尺度较大的现实环境具有很好的实用性。     

视觉匹配技术的药片颗粒计数算法研究

目的通过机器视觉技术解决当前医药产业迅猛发展带来的批量生产药粒无法高效、精确计数等难题,提出基于视觉技术的药片特征二次匹配算法。方法药粒预处理后分割为多连通域,采用面积特征选择形状特征差异较大的2颗药粒为感兴趣区域,待膨胀后作为目标的先验模型,Canny算子提取边缘轮廓,同时计算轮廓点的方向向量。采用3层图像金字塔搜索算法加快匹配效率,并用最小二乘法调整模板的匹配精度,使匹配精度达到亚像素级别。结果通过对不同的椭圆形药粒进行实验分析,将匹配模板1和模板2(缩放比为1∶1)的最小匹配分数阈值分别设为0.63和0.59,采用3层图像金字塔搜索算法,从创建模板到匹配计数只需要0.11 s,相较于3层金字塔(缩放比为0.7~1.0,最小匹配分数为0.6)的单模板匹配算法速度快0.07 s,且对部分重叠的药片仍能有效计数,匹配准确率达100%。结论采用药片颗粒二次匹配技术可实现检测速度上的扩增;采用图像金字塔搜索算法可大幅度缩减匹配时间;采用最小二乘法可提高模板的匹配精度,增大药粒匹配的正确率。     

基于模板匹配的柱面全景图拼接优化算法

在保证拼接质量的前提下,为了有效地提高拼接速度,根据全景图拼接的特点,提出一种模板匹配优化算法。该算法逐一分析了模板的尺寸、匹配时的搜索方式和搜索范围对拼接速度的影响,给出一个优化模板尺寸、确定搜索范围及搜索方式的新方法,并给出一个实例,证实了该算法的可靠性。     

用于地形匹配的快速光电图像识别器

构建了一个用于地形匹配的紧凑型快速光电图像识别器。系统的工作原理是利用空间移位编码方法，在非相干光相关器中一步完成灰阶图象绝对差度量处理，有效地实现图像的模式识别。光学处理的结果通过计算机的阈值分割方法来实现对目标的准确判断。系统基于非相干光相关器，不仅结构简单，并且对输入图像的尺度、旋转、位移及照度的畸变具有一定的不变性。对实时输入的图像具有每秒钟１３幅的识别速度，识别正确率大于９０％，对８°以内的旋转畸变、３０％以内的Ｇａｕｓｓ噪声干扰以及５０％以内的图像缺损具有相当好的容错能力。     

A Fast and Effective Multiple Kernel Clustering Method on Incomplete Data

Multiple kernel clustering is an unsupervised data analysis method that has been used in various scenarios where data is easy to be collected but hard to be labeled. However, multiple kernel clustering for incomplete data is a critical yet challenging task. Although the existing absent multiple kernel clustering methods have achieved remarkable performance on this task, they may fail when data has a high value-missing rate, and they may easily fall into a local optimum. To address these problems, in this paper, we propose an absent multiple kernel clustering (AMKC) method on incomplete data. The AMKC method first clusters the initialized incomplete data. Then, it constructs a new multiple-kernel-based data space, referred to as K-space, from multiple sources to learn kernel combination coefficients. Finally, it seamlessly integrates an incomplete-kernel-imputation objective, a multiple-kernel-learning objective, and a kernel-clustering objective in order to achieve absent multiple kernel clustering. The three stages in this process are carried out simultaneously until the convergence condition is met. Experiments on six datasets with various characteristics demonstrate that the kernel imputation and clustering performance of the proposed method is significantly better than state-of-the-art competitors. Meanwhile, the proposed method gains fast convergence speed.