一种基于图像特征点的图像匹配算法

图像匹配技术被广泛用于人脸识别、全景图像生成等领域.该文利用变比不变特征点 (Scale Invariance Feature Transform-SIFT)提取方法提取特征点,并对SIFT方法提取出的特征点用最近邻算法 (Nearest Neighbor-NN)进行匹配,在搜索最近邻特征点和次近邻特征点时使用了在K-D树搜索算法基础上进行改进的搜索算法BBF(Best Bin First)算法.实验证明该匹配算法具有匹配精度高,鲁棒性好的特点.     

一种改进的GMS图像特征点匹配算法

网格运动统计（Grid-based Motion Statistics,GMS）匹配算法中网格化图像加速了算法的实现,然而网格边缘的特征点没有进行有效的处理,导致匹配对中存在着错误匹配对,为此提出了一种融入自适应边距的网格运动统计的图像误匹配剔除算法。首先采用了自适应算法计算出最佳网格边缘距离,将网格边缘的特征点归属到相邻的其他网格,使得这些特征点可以有效发挥对正确匹配点的支持作用,提高了正确匹配点的得分;最后通过表征运动平滑约束的统计特性剔除初始匹配中的错误匹配点。仿真实验表明：该方法相比 GMS 算法召回率提高了10% 左右,同时实时性也提高了30 %左右,相比于SIFT算法,运行时间平均缩短了17倍;相比于SURF算法,正确匹配个数平均提高了8倍,充分说明能有效、高效的剔除错误匹配点,进一步提高图像匹配质量。     

基于图像匹配的目标定位技术研究

本文通过对图像匹配过程的描述,使用SIFT算法完成对基准图像以及待匹配图像的精准匹配,从而实现对目标的定位。SIFT算法在图像匹配过程中具有很好的鲁棒性。通过实验验证其适合应用于目标定位领域。     

基于SURF算法的射线底片拼接技术研究

在工业射线技术中,由于其本身技术特点的原因以及射线底片长度有限,一次检测焊缝的长度使得检测往往需要多张底片彼此搭接在一起才能完整显示原有的信息.这样不仅影响了检测后的直观性,还存在着伪造焊缝射线底片的可能.目前,现有的防伪手段之一是由监督检测人员对射线底片进行人工识别,但是由于同一铸件的底片数量较多以及特征不明显等原因...     

基于图像匹配的电路板故障检测与定位算法

自动光学检查是利用图像处理算法进行电路板故障检测与定位的技术,它可以解决传统电路板测试无法克服的缺陷.图像相减是自动光学检查中最简单和最直接的办法,但具有一定的局限性,这是由于二值化预处理造成的.本文提出一种基于图像匹配的加载电路板故障检测与定位算法,无需进行二值化预处理操作,利用图像差的绝对值、平方以及相关操作,检测与定位元件的倒装与漏装故障,并具有与图像相减类似的简易性,实验证实了该算法的性能.     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

基于电流突变量曲线拟合的故障时刻检测算法

传统基于相电流突变量的故障时刻检测方法虽然简单,但因受暂态分量的影响而存在较大的检测误差。利用现有保护装置采集的电流信息,对相电流突变量进行曲线拟合,并经逆向推导求出故障时刻。对电力系统的短路暂态过程进行分析,探究相电流突变量的变化规律并推导其广义表达式。利用Prony算法对离散的相电流突变量值进行函数拟合,得到表征其函数曲线的特征参数;通过改进现有的波形相似算法,进一步从拟合函数的过零点中筛选出故障时刻。结合PSCAD仿真测试,探究故障时刻的检测精度及其影响因素,仿真结果验证了所提算法的可行性和准确性。     

SIFT算法在多视角图像匹配中的应用

为了获得更加丰富与详细的图像信息,对同一场景往往需从不同的角度进行拍摄,这样就获得了多个不同视角的图像,即多视角图像。本文通过研究及应用SIFT算法,来实现多视角图像的配准。实验结果表明该算法对多视角图像具备较稳定的特征匹配能力。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSO-LSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSO-LSSVM算法能获得最优的LSSVM参数,且采用PSO-LSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

图像匹配算法在图像消冗领域的应用

随着互联网的普及化以及愈加开放化,大量的图像、视频、音频等多媒体数据的存储、复制和使用变得更加频繁,给互联网上带来了大量的冗余信息。这种情况的出现不仅造成大量存储空间的浪费,而且也使得数据检索需要花费更多时间,给用户体验带来严重影响,所以对大量图像集合的图像消冗,显得刻不容缓。根据需要进行消冗的源图像集合的特征,将图像消冗分为两类,在两类图像消冗技术中,图像匹配算法都起到了重要作用。在第一类图像消冗算法中使用了快速Hash过滤方法,是使用了基于灰度信息的图像匹配方法,计算图像的块平均灰度并进行后续处理。在第二类图像消冗算法中,将图像匹配算法作为图像消冗的核心步骤,查找出源图像集合中的重复图像,对图像消冗的效率有决定性的作用。     

基于曲线拟合法的新型定制电力设备快速检测算法

定制电力配套设备的运用可有效地补偿电压暂降和瞬时断电,其研究开发过程中遇到的一大难题是:寻求快速算法,以便在3ms以内检测出电压暂降和瞬时断电。在分析常规保护用检测算法如有效值计算法、缺损电压法、辨别导数算法、三相d-q分解法、利用单相电压延迟60°构造三相虚拟电压d-q变换法和利用求导数法构造三相虚拟电压d-q变换法的优缺点基础上,提出了基于曲线拟合法的快速检测算法。通过研究两采样值积曲线拟合法、三采样值积曲线拟合法的优缺点,比较曲线拟合法与前面提到的检测算法,并比较两采样值积曲线拟合法与三采样值积曲线拟合法,得出两采样值积曲线拟合法更适合于在定制电力配套设备中运用。基于DSP仿真器上编程仿真,分析得到的各种检测算法处理电压暂降的结果波形,证实了该观点。     

火电厂机组煤耗特性曲线拟合算法研究

火电厂机组的煤耗特性曲线一般是由生产厂家提供的性能参数或通过热力试验数据获得的,这些曲线长期保持不变,导致与机组实际运行情况不符。以解决这一问题为目的,提出了基于遗传算法对火电厂机组的煤耗特性曲线进行拟合的方法。该方法采用二次函数作为目标函数;设置适当的初始种群数、交叉率和变异率等参数;对机组的实际煤耗特性曲线进行了拟合。对遗传算法拟合曲线与最小二乘法拟合曲线进行了比较,结果表明拟合效果前者优于后者,进一步说明采用该方法进行曲线拟合在一定意义下能最佳逼近已知数据,实时反映出火电厂机组发电量与煤耗量之间的依赖关系。     

基于比值法图像拼接算法研究

本文在讨论比值法进行图像拼接的基础上,针对比值匹配算法误匹配的问题,提出了一种改善比值匹配配准精度的算法。通过增加比值模板的列数来确定选取特征线的最佳匹配,从而增加了模板的信息量,从而提高了图像拼接的准确性。实验表明,该改进算法可以有效的进行图像拼接,并改善了原有比值法的配准精度。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

基于 OLS 法及改进 LM 法的 ICP-AES 非线性标准曲线拟合方法研究

针对电感耦合等离子体原子发射光谱法( ICP-AES)分析过程中出现的元素浓度-光强关系的非线性标准曲线,提出基 于正交最小二乘法(OLS)及改进 LM(Levenberg-Marquardt)算法的标准曲线拟合方法,以实现元素浓度的准确分析。 采用二次 多项式、三次多项式、Limbek 表达式、Lwin 表达式作为标准曲线的非线性模型,以适用不同数据的分布特点。 依据各表达式在 拟合过程中的损失函数特性,对二次、三次多项式利用 OLS 法计算其最优拟合参数,对 Limbek、Lwin 表达式利用改进 LM 法得 到其最优拟合参数,实现标准曲线的拟合。 针对 Sb、Cd、Sn、Mo、Ni、Ba 元素的一系列不同浓度标准样品的光强实测数据,进行 上述方法的标准曲线拟合实验。 实验结果表明,各元素的浓度-光强数据均可拟合得到决定系数在 0. 999 以上的非线性标准曲 线,且标准曲线对于已知数据点的拟合浓度的相对误差均在±5%。     

ORB特征匹配的误匹配点剔除算法研究

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。分别采用ORB+改进算法与ORB+RANSAC算法对两组图片进行特征点匹配实验。实验表明,该算法能够有效剔除误匹配点,与RANSAC算法相比较精度提高了8%,匹配精度提高至97.43%。