基于SURF特征提取和FLANN搜索的图像匹配算法

针对传统图像匹配算法存在特征信息少和误匹配率高的问题,提出基于SURF特征提取和FLANN搜索的图像匹配算法.通过Hessian矩阵获取图像局部最值,并使用不同尺寸特征描述器,同时处理尺度空间多层图像的向量特征,最后采用FLANN搜索算法进行特征匹配.试验表明,该算法比传统的图像匹配算法在效果和效率方面都表现得更好.     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

精确制导系统中姿态图像匹配算法的研究

针对精确制导中目标姿态图像各种干扰因素复杂的特点,在现有的各种姿态图像匹配算法的基础之上,提出了一种基于小波变换改进的姿态图像快速匹配算法,并对该算法进行了仿真分析。与传统的基于灰度的匹配算法相比,该算法在抗噪声方面性能优越,大大提高了姿态图像匹配的速度和匹配精度。     

基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。     

基于信息特征耦合夹角一致性规则的图像匹配算法

目的针对当前基于灰度特征的图像匹配算法在遇到匹配图像存在较大的光照变换时,会引起较多的误匹配和漏匹配等问题,提出一种基于信息特征耦合夹角一致性规则的图像匹配算法。方法首先,利用Forstner算子来检测图像的特征点,接着用Hessian矩阵最大特征值与其最小的特征值做比值计算,优化Forstner算子的检测特征点。然后,以特征点为原点,构建极坐标系,将特征点的邻域进行分割。再利用信息熵模型求取每个分割块中的信息特征,以生成特征描述子。最后,利用特征描述子构造距离模型,搜索指定特征点的最近邻特征点和次近邻特征点,并通过距离比值方法完成特征点的匹配。通过匹配特征点之间形成的夹角,建立夹角一致性规则,对匹配特征点的可靠性进行度量,剔除错误匹配特征点,从而完成图像匹配。结果实验结果显示,与当前图像匹配算法相比,所提图像匹配算法图像在旋转角度10?~100?范围内,识别率为94.6%~88%,平均识别时间为5.48 s,具有更高的匹配精度与鲁棒性。结论所提算法具有较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

全局缺陷和局部缺陷的FPC检测算法研究

为满足柔性电路板缺陷检测在生产线上的检测要求,讨论了基于机器视觉的柔性电路板缺陷实时检测系统试验所需要的关键技术.并且针对传统的基于模板匹配的算法的速度慢、准确率低等问题,提出将柔性电路板的缺陷分为全局缺陷和局部缺陷,对全局缺陷采用直方图匹配和八连通域面积的计算,淘汰两者均存在缺陷的产品;对未被排除的产品图像采用投影匹配和相关系数的计算,实现局部缺陷的识别.改进的算法经过实验验证表明其准确率和检测速度优于传统的检测算法,符合柔性电路板生产线的检测要求.     

基于实时图像获取的两种匹配算法的比较

目的将FAST特征点检测算法与FREAK特征点描述算法相结合用于图像匹配,以改善图像识别算法在移动终端上对印刷品图像的识别性能。方法匹配的过程需要不断对摄像头获得的图像进行实时处理,但由于手机设备的处理器、内存等硬件条件有限,因此匹配算法的速度和效率是需要首要考量的指标。借鉴ORB的FAST特征点检测算法的思想,将FAST与FREAK特征点描述算法相结合用于图像匹配,然后与ORB算法的匹配速度和匹配精确度进行比较。结果结合了FAST特征点检测算法的FREAK算法,与ORB算法相比,匹配速度有了一定的提升,匹配精确度也基本可以满足纸质印刷品图像匹配的需求。结论在移动终端进行印刷品图像识别与匹配时,文中的研究能够在保证图像识别准确性的基础上使识别算法的运算速度得到一定的提升。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

基于颜色矩的改进尺度不变特征变换的移动机器人定位算法

针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明:改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。     

Harris算子耦合强度特征的图像复制-粘贴篡改检测算法

目的针对当前较多图像复制-粘贴篡改检测算法主要依靠度量图像的结构特征来实现篡改检测,忽略了图像的强度特征,使其在各种几何变换下难以准确检测出伪造内容,导致检测结果中存在漏检和误检等问题,设计一种基于Harris算子耦合强度特征的图像复制-粘贴篡改检测算法。方法利用Harris算子对图像的特征点进行精确的提取。通过特征点构造圆形特征区域,求取该区域的Zernike矩,通过Zernike矩的大小实现对特征点的描述。随后,利用不同阶数的Zernike矩来描述图像的强度特征和纹理特征,从而构造匹配模型,对图像特征进行粗匹配,并引入RANSAC方法对粗匹配结果进行优化。最后,利用形态学腐蚀与膨胀操作将特征区域进行连通,以确定篡改区域。结果实验结果表明,与已有的图像伪造检测方案相比,所提算法具备更高的检测精度和鲁棒性,在噪声和旋转等变换下仍有更好的检测效果。结论所提技术拥有较高的伪造检测准确性,在图像水印、信息安全领域具有一定的参考价值。     

基于改进 SIFT的图像快速自适应匹配算法

目的分析SIFT算法特征点描述子生成比较缓慢和匹配过程距离比阈值无法自适应调节的问题,探索一种改进SIFT的图像快速自适应匹配算法。方法通过简化特征点描述子的生成过程,提高算法效率,并通过自适应地调节距离比阈值参数,提高算法的鲁棒性。结果与原算法相比,图像快速自适应匹配算法的匹配点数减少,匹配准确度高,计算时间缩短。结论该算法在匹配效率和准确度方面具有明显优势,能够将计算机视觉用于工业无损检测、印品图像检测、印刷网点图像检测和包装图像检测中,具有较好的推广价值。     

基于图像匹配的透明车灯部件检测

针对车灯总成的完整性检测,提出了基于图像金字塔和归一化互相关函数结合的分层匹配算法。利用直方图均衡化和锐化滤波增强图像对比度以及边缘细节信息,再运用归一化互相关相似度函数实现车灯透明部件的匹配,同时采用金字塔分层来提高图像匹配的速度。通过实验确定了合适的匹配窗口大小、金字塔层数、相似度阈值等,实现了车灯透明部件的安装检测。实验结果表明:该方法对车灯透明部件的成功检测率可达到约95%,检测时间约50 ms,具有较高的准确率和实时性。     

基于比例特征的区域分割算法在药板缺陷检测中的研究

目的 为解决铝塑泡罩药板图像ROI区域定位慢、精度差等问题,本文提出一种基于比例特征的泡罩区域分割算法,该算法可以快速定位并分割泡罩ROI区域,结合图像相关性特征算法对铝塑泡罩药板进行缺陷检测。方法 首先通过工业相机采集药品包装生产线上的药板原始图像,接着使用Blob分析从原始图片中分离出铝塑泡罩主体部分,然后通过仿射变换将图像放置在中心区域,并使用比例特征分割算法对泡罩区域进行分割,最后通过金字塔加速的NCC算法完成缺陷检测。结果 实验结果表明,基于比例特征分割后的图像平均NCC匹配时间为9 ms,在缺陷样本占比20%的实验中误检率为0.167%,漏检率为0.556%。结论 通过比例特征分割出精准的泡罩ROI区域结合改进的NCC算法,在拥有较高准确率的同时大幅减少了缺陷检测时图像匹配的时间,能较好地完成铝塑泡罩药板的缺陷检测任务。     

印品检测过程中基于SIFT 算法缩小匹配范围的方法

针对多个CCD 采集多幅图像会产生一定的重叠区域,为了实现印品在线检测的要求,提出了一种结合SIFT 和缩小匹配范围的图像检测方法。该方法基于SIFT 提取特征点,改进了局部搜索范围,利用RANSAC 算法计算图像坐标变换矩阵,采用多分辨率融合方法对拼接图像进行融合处理。结果表明,采用该方法可以减少匹配和图像检验时间,降低估算概率,完成检测图像拼接。     

Occlusion invariant face recognition using mean based weight matrix and support vector machine

In this paper, a novel occlusion invariant face recognition algorithm based on Mean based weight matrix (MBWM) technique is proposed. The proposed algorithm is composed of two phases—the occlusion detection phase and the MBWM based face recognition phase. A feature based approach is used to effectively detect partial occlusions for a given input face image. The input face image is first divided into a finite number of disjointed local patches, and features are extracted for each patch, and the occlusion present is detected. Features obtained from the corresponding occlusion-free patches of training images are used for face image recognition. The SVM classifier is used for occlusion detection for each patch. In the recognition phase, the MBWM bases of occlusion-free image patches are used for face recognition. Euclidean nearest neighbour rule is applied for the matching. GTAV face database that includes many occluded face images by sunglasses and hand are used for the experiment. The experimental results demonstrate that the proposed local patch-based occlusion detection technique works well and the MBWM based method shows superior performance to other conventional approaches.     

基于双目立体视觉的物流包装箱尺寸测量研究

目的 针对物流行业运输中包装箱的非接触自动测量,提出一种基于改进SURF配准算法的双目立体尺寸测量方法。方法 首先采用二进制FREAK描述子代替传统SURF的描述子,解决传统SURF描述子计算耗时、描述向量生成依赖于特征主方向,且主方向计算误差会在后续步骤中出现传导放大 的缺点;其次,采用PROSAC删除误匹配点,并利用FREAK级联匹配的方式进一步提高算法的匹配 速度和匹配准确率。最后,利用视差优化和边缘提取算法获得精确三维空间体,实现非接触尺寸测量。结果 实验表明改进算法可快速提取图片特征点并准确匹配,对不同规格包装箱检测结果显示,基于改进算法的测量方法测量误差小,检测速度快。结论 改进图像匹配算法可有效提高图像匹配准确率,减少测量时间,对于提高物流行业运输效率、减少人工成本具有重要意义。     

基于Harris与Sift算法的图像匹配方法

采用 Harris 角点检测算法进行图像特征检测, 采用 Sift 算法中的特征描述方法进行图像特征描述, 之后将图像特征点划分为多对多匹配对, 根据特征描述值的支持强度不同建立精确的一对一匹配关系. 该算法有效地避免了图像特征分布均匀时的 Sift 匹配效率较低的问题.