基于单应性矩阵的大尺寸零件视觉测量图像拼接方法

针对视觉检测技术对大尺寸复杂零件测量精度低的问题,提出一种基于单应性矩阵的大尺寸零件视觉测量图像拼接方法。首先建立世界坐标系→相机坐标系→投影坐标系→图像坐标系之间的归一化模型,提炼出简单易懂的坐标变换表达式H;然后对摄像机进行多次标定,确定像素当量、拍摄视场及焦距;再获取零件图像,利用前面得到的最简坐标表达式H得到拼接图像之间的配准,最后完成若干副图像的拼接,把拼接结果和SURF特征点方法及向后映射模型归一化的拼接结果进行比较。结果表明,该方法可以大大减少大尺寸零件拼接的时间,较SURF特征点方法和向后映射拼接用时分别降低86.55%和67.30%,拼接精度远高于SURF特征点方法和向后映射方法,分别提高了50.95%和25.08%,测量精度满足大尺寸零件检测精度要求。     

一种快速的柱面全景图像拼接算法

长久以来在计算机视觉、图像处理和计算机图形学的研究中,图像拼接技术一直都是主流方向。利用它能够构造大场景图像及全景图像,借此以产生大视角的高清晰度图像。目前,这种技术被广泛应用在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中。提出了一种基于图像特征点匹配的柱面全景图像拼接算法,实验表明,该算法具有匹配精度高、鲁棒性强等特点,可以快速而高效地生成柱面全景图像,具有很高的实用价值。     

数字图像拼接技术

数字图像拼接技术在现实生活中有广泛的应用,本文阐述了图像拼接技术的要点，图像拼接技术大致可以分为图像预处理、图像配准和图像缝合三个基本步骤，我们对各步骤中所需要的各类经典算法进行了详细论述．根据实验经验，揭示了这些算法的使用范围，比较了各自的优缺点，最后对图像拼接算法的发展进行了展望．     

多模态硬币图像单应性矩阵预测

对不同成像条件下拍摄的硬币图像进行配准是硬币表面缺陷算法的前置任务。然而,基于互信息的传统多模态配准方法速度慢、精度低,现有的通过基于深度学习的单应性矩阵预测方法实现的图像配准只适用于单模态的任务。为此,提出一种基于深度学习的适用于多模态硬币图像的单应性矩阵预测方法,进而使用预测的单应性矩阵完成图像配准。首先,使用单应性矩阵预测层预测输入图像对间的单应性矩阵,使用单应性矩阵对待配准图像进行透视变换;然后,使用图像转换层将透视变换后的待配准图像和目标图像映射到同一域,图像转换层可在推理时去除从而减少推理时间;最后,计算同一域下的图像间的损失,并进行训练。实验表明,该方法在测试集上的平均距离误差为 3.417 像素,相较于基于互信息的传统多模态配准方法 5.575 像素的平均距离误差降低 38.71%。且配准单对图像耗时为 17.74 ms,远低于基于互信息的传统多模态配准方法的 6 368.49 ms。     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

基于角点检测和单应性变换阵的多视角航拍图像拼接研究

图像拼接能将若干幅具有重叠部分的图像融合到一副图像中,获得宽视角或360°的全景图像.针对获取的多视角校园航拍图像,为服务于数字校园的构建,发展了一种图像拼接融合方法.该方法首先使用了Harris角点检测算法提取图像的角点信息,其次,利用多尺度定向补丁的图像匹配方法进行图像间的初匹配,最后利用RANSAC算法求解最优单...     

基于特征点的图像拼接方法

提出了一种基于特征点匹配的全景图像拼接方法.该方法首先利用sift算法提取各图像中的特征点并利用Harris算法对图像特征点提取进行了优化,然后采用基于K-d树的BBF算法查找和确定初始匹配点对,完成特征点的粗匹配,再根据图像配准结果使用稳健的RANSAC算法对粗匹配的特征点进行筛选,计算出图像间变换矩阵H,最后采用渐入渐出的加权平均的融合算法对两幅图像进行无缝拼接,形成一幅完整的全景画面.实验结果验证了该方法的有效性,拼接效果较好.     

一种基于区域检测特征描述子的静态图像拼接算法

图像拼接技术是当前图像处理领域的一个热门研究课题。它将一组相互存在重叠部分的图像进行空间匹配对准,经融合后成为一幅包含各图像信息的大视场的完整图像。提出了一种基于区域检测特征描述子的图像拼接算法。算法由以下几部分组成：首先,在图像配准方面,主要采用区域检测特征描述子来寻找特征点和特征描述子并据此对图像进行匹配;然后,利用统计学方法寻找高效匹配点;接下来,运用单应性矩阵投影方法对图像做投影变换;最后,基于变换结果的图像融合拼接。     

改进的实时图像拼接方法

通过分析比较不同配准算法的优缺点,提出一种基于灰度相关与特征点相结合的实时图像拼接方法。算法首先对图像进行自适应缩放,调整为需要输出的大小,然后用基于特征边缘点方法确定配准方向和大体位置,用基于灰度相关方法准确定位最佳匹配点,最后通过加权平均法对重叠图像进行融合处理。实验结果表明,算法能准确地对图像进行拼接,具有实时性和高效性。     

图像拼接方法探讨

本文系统的阐述了图像拼接技术的由来、现状,应用领域以及拼接方法,对图像拼接的两个主要过程:图像配准和图像融合分别进行了详细介绍.图像配准是图像拼接的核心技术,本文还对现有的图像配准方法进行归类总结,对每个配准算法进行优缺点描述。对目前现有以及常用的图像融合方法也进行了详细的介绍。最后提出了图像拼接技术的不足.     

基于变形轮廓的医学图象匹配方法

艇变形轮廓线的方法实现医学图象匹配过程中的对应标记点问题,并用遗传算法进行最佳匹配结果的搜索。实验结果表明,该方法能有效地用于建立医学图谱和图象之间的一一对应关系,是对以往人工交互标注方法的重要改进。     

图像集的离散度矩阵及其在人脸图像识别中的应用

本文提出了图像集离散度矩阵的基本概念及用于人脸图像识别的方法。该方法把同一类图像集中的各幅图像的信息矩阵的奇异值向量作为矩阵中的一列构成图像集特征矩阵。把这些矩阵组成一图像库,并找出图像集离散度矩阵和图像库离散度矩阵,从而计算出它们的最佳投影系数。然后,把测试样本的图像集特征矩阵与图像集库中的训练样本图像集的特征按投影系数相比较找出它的相似程度,从而进行人脸图像识别。     

基于鲁棒方法的图像整合技术

本文讨论了基于圆序列的整合图像问题．由于相机旋转拍摄图片，可避免光源变化、遮挡和 外观变化等出现在一般匹配中的问题, 因此自动生成匹配点要容易得多．我们采用一种鲁棒 的方法，只要输入少量点，就可以自动寻找匹配点对并对投影变换进行求解．整合参数的变 化，可得到不同视点下的整合图像．该方法不需要事先知道摄象机的内、外参数．     

基于多分辨率分析和相关反馈技术的图像检索

提出了一种基于图像全局-空间颜色特征的检索方法,首先采用多分辨率分析的图像划分方法,提取图像的全局和空间颜色特征作为检索信息,同时引入了反馈机制来加强检索效果.实验表明,该方法取得了较好的检索效果.     

一种新的基于目标和特征的图像分类框架

首先提出了一种图像分类的结构。根据子块技术和形状描述技术来获取图像中的目标,如果图像类属于目标图像类,则提取图像中目标图像的特征,否则提取整幅图像的底层特征。然后利用主分量分析方法（PCA）对提取的特征进行降维处理,降维处理后的数据由支持向量机进行分类。该方法在标准的Corel图像库上进行了测试,实验结果表明提出的方法有效地提高了图像分类的性能,图像分类的结果与图像的高层语义概念相一致。     

基于局部对比度和相位保持降噪的古籍图像二值化算法

图像二值化算法通过消除文档背景噪声将文本与背景分割开。针对古籍图像提出一种基于局部对比度和相位保持降噪的古籍图像二值化算法。根据归一化局部最大值最小值来构造古籍图像局部对比度,同时对古籍图像进行相位保持降噪。将局部对比度图像和降噪图像相结合来识别文本笔划像素。通过局部窗口内所检测的文本笔划像素估计局部阈值从而计算古籍背景修复模板。用图像修复算法和形态学闭操作来估计古籍背景。用所估计背景来增强古籍图像,采用Howe算法对增强后的古籍图像进行二值化求得最终结果。该算法在DIBCO2016、DIBCO2017和DIBCO2018数据集中的实验结果均优于其他二值化算法。     

基于WBCT与归一化相关矩阵的红外与可见光图像融合算法

突出目标指示特性和提高空间分辨率是红外与可见光图像融合的重要问题。针对传统区域能量融合规则的局限性,提出了一种基于小波-Contourlet变换WBCT(Wavelet-based contourlet transform)和归一化相关矩阵与区域能量相结合的融合算法。采用一组红外与可见光图像数据进行融合实验,利用均值、标准差、熵、总体交叉熵和平均互信息评价指标对融合效果进行分析。对结果的分析比较表明,所提出的融合规则的效果优于小波融合方法及Contourlet变换方法,达到了良好的视觉效果。     

基于差分图像和PCA主元分析的人脸检测

提出了一种基于差分图像和PCA(principle component analysis)主元分析的人脸检测算法,先对Anil K.Jain的Cb、Cr椭圆聚类方法给予改进,用改进的算法进行肤色提取,通过对肤色区域的分析,得到人脸候选区域,然后在这些可能的区域中运用特征脸进行细致的匹配,找出人脸的准确位置,然后利用马赛克模板排除虚假人脸.考虑到图像像素间的相关性,人脸特征提取同时对原始图像和其水平方向及垂直方向的差分图像进行PCA分析,从而提高了人脸检测的稳定性.     

一种基于Hausdorff距离的图像配准算法

首先检测两幅图像中的角点,然后自适应地提取基准特征模板,再利用改进的基于特征强度响应空间的Hausdorff距离对基准模板进行初始匹配,最后通过区域相关法进行优化.算法不要求特征间的一一对应,也无需距离变换,实验证明这是一种快速有效的图像配准算法.     

基于概率矩阵分解的多失真图像质量评估算法

图像质量评价(Image Quality Assessment, IQA)是视觉感知模型研究的重要分支,使用IQA算法自动化地评估图像质量有广阔的应用前景。基于概率矩阵分解(Probability Matrix Factorization)提出一种多失真图像质量评价算法,主要贡献有:提出一种图像质量评价的新思路,即利用PMF方法从失真图像估计参考图像,把失真图像和估计参考图像之间的信息损失作为图像质量的度量;构建新颖的特征向量描述这种信息损失;使用支持向量回归(Support Vector Regression, SVR)完成图像质量模型的训练。提出的算法在多个公开的图像质量评价数据库上超过了经典方法,实验结果证明该方法与人的主观质量评价具有更好的一致性。