采用仿射迭代最近点的晶圆分割方法

针对依赖硬件设施的晶圆分割方法存在生产成本高、工艺复杂且分割效果不稳定的问题,提出以仿射迭代最近点(ICP)算法为核心的基于图像形状配准思想的晶圆分割方法。该方法采用Canny算子提取图像边缘,建立晶圆模板图像与目标图像的特征点集;对目标图像的边缘图像进行基于Hough的直线检测,得到粗略的晶圆矩形边框信息;以矩形左上角的点坐标作为匹配搜索区域的初始值进行基于仿射ICP算法的精确配准,通过晶圆产品图像与模板图像的特征匹配,实现晶圆的快速、准确分割。理论分析及实验结果表明:该方法计算复杂度较低,单独样本分割时间约为0.9s,样本分割精度明显高于其他算法,满足自动化生产线的实时在线检测需求。     

基于关键特征点提取的图像快速配准方法

常用图像配准拼接算法中,计算复杂度会随运算数据量的增加而急剧增长,基于该特点提出了一种快速的图像配准方法.通过提取关键特征点并进行匹配实现计算数据量的降低,从而加速了图像配准.首先检测待拼接图像中的特征点及特征信息冗余区域,并根据特征点的数量调整冗余区域的大小;去除位于特征冗余区域内的特征点;使用归一化互相关及随机抽样一致性算法对剩余的关键特征点进行粗细两步匹配,求出拼接参数完成图像配准,实现图像拼接.实验结果表明,提出的方法实现了图像配准拼接,并且与改进前相比显著提高了运算速度,以lena图为例,运行时间仅为改进前的30.47%.     

图像配准与角点提取算法研究

在图像配准的方法中,基于图像特征点的配准方法应用较为广泛,而在图像特征点的配准方法中又以基于角点检测的方法最受关注。通过对角点检测方法的理论研究与探讨,分析了几种提取算法,从匹配正确率和抗噪声效果等方面对这几种算法进行比较,最后给出室内外图像角点检测结果图。     

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.      

基于ASIFT的医学图像配准算法

对ASIFT算法的原理进行了分析,针对医学图像配准鲁棒性强、准确性高和低耗时率的要求,设计出基于ASIFT的医学图像配准算法。该算法首先通过ASIFT算法提取图像特征点,接着用欧式距离筛选出匹配的特征点,最后实现参考图像与浮动图像之间的配准。该算法较好地解决了其他同类型算法中存在的提取的特征点数量少、特征点匹配的精确度不高、不能对扭曲变形的仿射图像配准等问题。实验结果表明,该算法不仅提高了配准的精确度和准确性,也提高了配准的稳定性和可靠性。     

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。     

一种基于显著性区域分割的SAR图像配准算法

针对传统SIFT算法的配准精度和配准效率易受斑点噪声和图像灰度差异影响的问题,提出一种基于显著性区域分割的SAR图像配准算法.首先基于改进的马尔可夫(MRF)算法对SAR图像进行分割,结合区域特征和边缘特征筛选出稳定的显著性区域;然后在显著性区域的边缘附近进行SIFT特征点的提取;最后通过SIFT特征点的匹配实现图像配准.实验结果表明,该方法在保证较高的配准精度的同时,提升了算法效率.     

基于随机轮廓匹配的快速图像配准算法

为了克服确定性图像配准算法计算速度和准确率难以同时兼顾的缺点,提出了一种对部分重叠的图像进行快速配准的方法,该方法是基于轮廓特征的随机匹配算法。通过提取轮廓上的“关键点”作为特征点,随机选择若干特征点对得到候选变换,随后的投票阶段对其变换参数进行检验和求精。实验结果表明:对于典型的应用,该算法比传统确定性匹配算法的速度提高了约一个数量级,能够在线性时间内完成对两幅图像的配准,而且,该方法能够对包含相当比例误报的特征点集进行匹配,具有很强的适应性。     

利用空间序列描述子的快速准确的图像配准算法

针对基于局部结构特征的图像配准算法对特征描述不够精确、外点剔除过程运算复杂度高的问题,提出了一种利用空间序列描述子的快速准确的图像配准算法。算法定义了一种基于空间序列的特征点描述子,通过定义特征点间的连接权值和排列顺序构成点的特征来描述,融合了图像局部结构和全局信息;通过对随机采样一致性检验的改进,采用投票策略和随机采样一致性检测的方法,解决外点剔除问题;利用空间序列描述子进行图像配准,通过配准和外点剔除交替迭代进一步提高配准精度。定量分析与实验结果表明:与传统的特征点匹配算法相比,该算法具有结构简单、易于实现的特点,具有配准精度高和计算时间少的优点,具有较高的复现率和准确率。     

基于SURF算法的侧扫声呐图像配准

针对侧扫单幅声呐条带图像检测海底范围较小的问题,研究了一种基于SURF算法的侧扫声呐相邻条带图像配准方法,运用SURF算法通过程序设计实现了侧扫声呐相邻条带图像间的配准。首先对采集的原始声呐数据进行预处理,得到更为精细的声呐图像;其次,通过Hessian矩阵检测两条带图像间的特征点对;然后,在一定的尺度下,利用Haar小波确定每一个特征点的主方向及其特征描述符;最后采用最邻近次邻近法对特征点进行匹配,通过设置最近邻与次近邻的比值剔除误匹配点。实验结果显示,该算法提取特征匹配的效率高,特征点间匹配度高,图像拼接效果较好。     

基于SIFT算法的可见光图像与红外图像配准

为实现可见光图像与红外图像的有效配准,结合两类图像的特点,提出基于特征的SIFT算法,并进行道路和人脸的可见光图像与红外图像配准实验。结果表明,SIFT算法对纹理结构简单、光滑图像提取的特征点较少;随着阈值提高,可见光图像与红外图像的匹配点数目增加,匹配稳定性降低。该算法可用于可见光图像与红外图像配准。     

基于SURF特征点的金属罐图案检测算法

为快速、准确地检测出金属罐生产过程中出现的图案倒置问题,提出一种基于SURF特征点的金属罐图案检测算法.该算法通过比较金属罐图像与模板图像间匹配特征点的位置关系,实现金属罐图案方向的判别.首先利用SURF算法分别提取分区域处理后的待检测图像和模板图像的特征点;再利用双向KNN算法和RANSAC算法进行特征点匹配;最后计算匹配特征点的位置关系,并判别金属罐方向.实验表明,该算法能够有效地实现金属罐图案倒置的检测,可以达到每分钟800罐的检测速度.     

基于改进SIFT的视频超分辨率重建快速配准算法研究

通过改进硬件的方式来提高成像质量,在技术上实现困难且成本高昂,因此采用数字图像处理的方法来提高图像的分辨率.提出了一种改进的视频超分辨率重建的快速SIFT图像配准算法,该算法放弃对128维特征描述子的计算,而采用特征点之间的灰度相关系数来进行初始匹配,并用平面坐标欧氏距离配合匹配关联度算法来取代特征描述子进行误匹配的剔除,大大降低了计算开销.实验证明,改进算法取得了良好的配准效果,在保证配准质量的前提下,其时间开销只有基于传统SIFT特征点检测方法的1/3.     

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称ShiTomasi-SURFORB算法,仿真实验通过统计角点特征数、角点特征匹配数、角点特征正确匹配数、角点特征匹配精度、角点特征匹配精度率、图像匹配时间和图像匹配时间率共7个指标进行分析;分析结果表明:ShiTomasi-SURFORB算法与传统ORB算法相比,在图像角点特征匹配时间方面提升了9.46%,但在图像角点特征匹配精度方面提升了8.88%,为图像角点特征匹配提供了一种更加均衡的解决方案。     

基于FAST特征点提取的图像拼接算法

针对SIFT图像拼接算法在特征点提取阶段,采用基于差分高斯金字塔的方式导致的算法运行时间较长,且易造成特征点漏检、位置偏移的问题,提出一种基于FAST特征点提取的图像拼接算法。该算法首先对拼接图像进行基于FAST算法的特征点提取,取代原有SIFT算法中特征点提取方式,然后对提取特征点进行描述和向量匹配,利用欧氏距离和RANSAC算法实现配准,最后通过加权平均融合算法完成图像拼接。仿真实验表明,该算法加快了特征点的提取速度,提高了定位准确性,更有利于得到灰度整体和谐的拼接图像。     

基于改进FAST检测的ORB特征匹配算法

针对ORB(oriented FAST and rotated BRIEF)特征匹配算法在实时性要求较高领域效果不佳以及在复杂光照环境下匹配精确率较低的问题,提出了一种基于改进FAST(features from accelerated segment test)检测的ORB算法。首先,对待处理的灰度图像进行分类,剔除掉部分灰度变化率较低的区域,然后提取FAST特征点并计算描述子,最后采用汉明距离完成匹配。此外,在提取FAST特征点时,设计了一种自适应半径,利用图像对比度自适应调整检测半径,当图像对比度突变时依然能够保证期望的特征点数量。实验结果表明,改进后的ORB算法匹配时间缩短了16. 47%,大幅提高了在复杂光照环境下的匹配精确率,具有较强的鲁棒性和实时性。     

基于改进型随机抽样一致法的图像配准算法

为了提高相似变换图像配准的速度和精度,提出了1种基于改进型随机抽样一致法的图像配准算法.在利用Harris角点检测提取待配准图像的特征点以及利用归一化互相关粗匹配后,采用改进的随机抽样一致法进行快速精准的变换模型估计.算法采用图像相似变换的简化配准模型,利用相似特征3角形进行快速模型预检验,并使用最大欧氏距离法提高计算数据的可靠性.实验结果表明,该算法在具有较高计算精度和鲁棒性的情况下,大幅减少了运算量,提高了变换模型的计算速度.     

基于四叉树的改进BRISK特征提取算法

针对BRISK算法计算速度稍慢、提取的特征点容易出现扎堆的问题,利用四叉树均匀化特征点的方法,提出了基于四叉树的改进BRISK特征提取算法(Quad-BRISK算法):在生成的图像金字塔上提取并检测出具有尺度不变性的特征点之后,采用四叉树方法划分特征点,再计算特征点的方向和BRISK描述子,经过粗匹配、筛选、提纯后最终得到精匹配图像.利用Mikolajczyk和Schmid的特征对比实验图集,对SIFT、ORB、BRISK与Quad-BRISK算法进行了测试对比实验.实验结果表明:Quad-BRISK算法不仅能够提取更加稳定的特征点,同时提高了特征点的匹配精度和计算速度.     

一种鲁棒的图像拼接算法

图像拼接的核心是图像的配准.提出一种准确、高效的图像拼接方法:利用Harris角点检测算子提取相邻图像的特征点,通过Euclid度量改进熵变换的算法,进行特征点匹配,并通过最小均值二乘估计求解相邻图像的变换矩阵,以此实现宽视角图像的拼接.实验结果表明:所给出的算法能够实现场景图像的精确匹配.