基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

基于C4.5算法的敏感图像检测方法

提出一种基于2次C4.5分类的敏感图像检测方法.该方法利用Daubechies小波和灰度共生矩阵提取图片的纹理信息,在HSI空间和YCbCr空间提取颜色特征,进行第1次基于C4.5算法的训练和分类;对分类生成的0,1二值空间进行特征提取,将所有特征分量融合进行基于C4.5算法和2次训练和分类.基于2次训练生成的规则进行敏感图片的检测.实验结果表明,该方法对于敏感图片分类正确率达93.3%以上,与基于颜色和纹理特征的直接检测方法相比,进一步提高了正确识别率.     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

SURF算法和改进的RANSAC算法用于移动应用测试界面检测的研究

提出1种自动化的移动应用界面测试方法,利用SURF(Speeded Up Robust Features)图像匹配算法和改进的RANSAC(Random Sample Consensus)算法匹配待测移动应用界面与标准界面,通过匹配程度判断待测界面是否存在图片拉伸、文字乱码、界面遮挡等问题.实验结果表明,通过算法改进将检测的正确率提高到96%,能够满足测试要求.整个测试过程生成大量的图像,因此把Hadoop作为实现平台,采用Map Reduce编程模型实现了图像处理的并行化运算,在数据量较大的情况下,Hadoop分布式系统比单机模式表现出了明显的优势.     

基于DNA计算的图像模板匹配算法

针对已有的图像匹配算法都是在小规模基础上的统计识别方法,均是串行运算,对样本的训练和目标识别都须进行大量复杂的运算,难以适应大规模图像比对的问题,利用DNA计算强大的并行性,提出了一种基于DNA计算的图像模板匹配算法.首先,将二进制的图像信号编码为满足一系列约束并允许一定非特异性杂交的DNA序列;然后,通过DNA退火反应得到匹配问题的解;最后,利用这一算法得出的128个单链DNA编码进行了数字图像模板匹配的仿真实验.仿真结果表明DNA计算应用于大规模图像匹配问题是可行的.     

基于改进PSO-SIFT算法的油田遥感图像匹配

针对油田遥感图像在灰度有明显差异的情况下, 联合位置、 尺度和方向的尺度不变特征变换（PSO-SIFT）算法很难为其找到足够多的正确对应关系, 且花费时间较长的问题, 提出一种基于改进PSO-SIFT算法的图像匹配算法. 首先采用“回”字型分块思想构建特征描述符, 降低特征描述子的维度； 然后使用基于全局运动建模的双边函数（BF）算法与快速样本共识（FSC）算法相结合的匹配策略, 对所得的匹配对进行误匹配剔除, 以增加正确匹配的数量; 最后将该算法与4种同类算法及原PSO-SIFT算法进行对比. 实验结果表明, 该算法比同类算法精度更高, 与原算法相比不仅保证了图像匹配的精度, 正确匹配对数量也增加了约3倍, 且匹配时间约缩短20 s.     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

复合式入侵检测方法的研究

所提出的复合式入侵检测算法是基于行为建模算法和模式匹配算法两种入侵检测算法的有效结合,其中行为建模算法扩展了基于异常的入侵检测算法,而模式匹配算法完全实现了基于特征的入侵检测算法.自适应的行为建模算法根据用户的行为和程序的行为建立合法的行为模板,而不需要任何人工干预.两种入侵检测算法能够有效的降低误报率的发生.采用Servlet Filter技术的安全代理是一个具有一定入侵分析功能的智能插件.     

基于检测识别的实孔径雷达景象匹配定位方法

针对恶劣成像条件下的机场目标实孔径雷达图像匹配问题，提出了一种基于目标检测识别的定位方法，通过线特征滤波预处理和投影变换检测机场跑道线，进一步用模板匹配识别跑道端点以进行定位．对实际图像试验结果表明该算法能够准确定位灰度相关算法难以正确匹配的强噪声、低对比度实时图像，并且具有参考图制备简单，实时性强的特点．     

基于参数化变形模板的圆形引脚元件视觉定位

通过分析圆形引脚元件的图像特征,提出一种基于参数化变形模板的贴片元件偏转角度与偏移量检测方法。根据元件引脚的排列形式构建变形模板,采用5个参数表征变形模板的平移、偏转和缩放。结合图像的梯度、灰度以及几何特征定义变形模板的能量函数,采用遗传算法对能量函数进行优化搜索,找到变形模板和目标图像的最佳匹配位置。研究结果表明:该方法具有很好的准确性和稳定性,对偏移量的检测误差小于0.25个像素,对偏转角度的检测误差小于0.07°,满足贴片机对视觉系统定位算法的精度要求。     

基于计算机视觉技术的微钻刃面自动光学检测

为了实现微钻刃面尺寸和缺陷的自动光学检测,建立了影像检测系统并研究其图像处理算法.根据微钻刃面的特征,设计了专用的照明系统来获取清晰的、变形小的微钻刃面图像.采用改进的小核值相似区边缘提取算法对图像进行边缘提取,并对所提取的边缘采用基于空间矩的亚像素算法进行图像边缘的亚像素定位,然后采用直线和圆弧拟合等一系列算法对微钻刃面图像进行尺寸计算和缺陷检测.实验结果表明:自动光学检测方法的准确率达到了99.5%,微钻的检出精度达到了微米级,说明该方法能够满足微钻刃面尺寸测量和缺陷检测的要求.     

Automatic Image Inspection of Fabric Defects Based on Optimal Gabor Filter

An effective method for automatic image inspection of fabric defects is presented. The proposed method relies on a tuned 2D-Gabor filter and quantum-behaved particle swarm optimization( QPSO) algorithm. The proposed method consists of two main steps:( 1) training and( 2) image inspection. In the image training process,the parameters of the 2D-Gabor filters can be tuned by QPSO algorithm to match with the texture features of a defect-free template. In the inspection process, each sample image under inspection is convoluted with the selected optimized Gabor filter.Then a simple thresholding scheme is applied to generating a binary segmented result. The performance of the proposed scheme is evaluated by using a standard fabric defects database from Cotton Incorporated. Good experimental results demonstrate the efficiency of proposed method. To further evaluate the performance of the proposed method,a real time test is performed based on an on-line defect detection system. The real time test results further demonstrate the effectiveness, stability and robustness of the proposed method,which is suitable for industrial production.     

基于加权双向二维线性判别特征的焊点检测算法

为克服现有自动光学检测(AOI)算法的缺陷,针对AOI的特点,对传统的双向二维线性判别方法进行改进,提出一种基于加权双向二维线性判别方法的焊点检测算法.在计算协方差矩阵时,对不同的类别以及类内不同的样本进行加权,从而提取更有判别力的特征.将改进后的算法应用于焊点检测,可实现对不同批次用料的自动分类.文中提出的算法检测速度可以满足实际需要,且与现有AOI系统中常用的图像对比算法和图像分析法相比,可以显著降低误报率.     

一种用于AOI的PCB拼接算法

针对自动光学检测技术(AOI)在PCB板检测中存在的图像拼接严重错位、系统响应速度慢、拼接精度差等问题,对PCB图像拼接算法进行了改进研究.首先,提出整行缩小以及以行图像为配准图像的方式进行图像拼接;其次,在传统PCB图像拼接算法上引入surf配准,采用图像金字塔尺度空间的方法,确定拼接图像间的对应特征点,选取最近邻次近邻的配准方式进行特征匹配.实验结果表明:提出的拼接算法,生成图像的数据量相对较少、速度较快,误差不会累积传递,消除了错位偏差,并解决了因光照不均而造成拼接缝隙的问题,大大提高了拼接的精度和速度,为AOI系统后续准确识别PCB板缺陷打下了良好的基础.     

基于双尺度Sech模板的浸润性乳腺癌检测方法研究

乳腺肿块的准确检测是目前计算机辅助诊断系统的关键。为了准确检测X线乳腺图像中的可疑肿块区域,提出一种基于双尺度Sech模板的早期乳腺癌检测方法。首先根据乳腺X线图像的特征对图像进行预处理,包括乳腺区域提取和内外侧斜位图像胸肌提取;然后对提取的乳腺图像进行基于两个不同尺寸的Sech模板的模板匹配,将模板匹配后得到的相似度图像进行融合和阈值截断;最后进行可疑乳腺肿块区域的定位。结果表明,基于双尺度的Sech模板的检测具有更好的检测效果,改善了基于单尺度模板检测准确率低的问题,并降低了假阳率。     

基于神经网络的PCB焊点检测方法研究

随着印刷电路板（PCB）组装技术向高密度化和“零缺陷”方向发展,市场对自动光学检测系统（AOI）的要求也向高准确率、智能化发展。针对目前AOI在焊点检测时,容易出现缺陷误报和漏报,以及智能化程度不高的情况,作者提出了一种基于神经网络（ANN）的检测方法。首先,采用了一种基于熵的多阈值自动图像分割方法;然后,定义了焊点图像的一系列特征,并通过实验对特征进行选择;最后,建立了用于进行焊点分类的BP神经网络。实验证明,基于神经网络的焊点图像检测方法具有较高的准确率。     

基于图像结构信息的隧道衬砌裂缝实时快速识别

裂缝是隧道衬砌最常见的病害之一,裂缝检测是后期隧道养护的前提。在图像采集过程中对隧道衬砌裂缝进行实时快速识别,对提高隧道病害检测效率具有重要的意义。针对传统的裂缝图像识别方法存在运行速度慢、效率低等缺点,提出基于图像结构信息的隧道衬砌裂缝实时快速识别方法。首先将图像结构信息用图像像素的灰度均值、标准差和结构元素掩码表示,随后采用不同方向的结构元素掩码对采集的当前图像进行卷积运算,并计算当前图像与样本图像之间的亮度信息和对比度信息,最后计算图像结构信息因子,可实时快速识别出衬砌裂缝,并通过接受者操作特征曲线估计最优参数和最佳阈值。现场实验结果表明,算法的识别时间远小于图像的采集和存储时间,识别速度快且准确性高,可显著提高隧道衬砌病害的检测效率,具有一定的工程应用价值。     

基于分形维数和小波域特征的计算机生成图像检测算法

针对自然图像与计算机生成图像在统计特征上存在的差异, 提出一种基于分形维数和小波域特征的计算机生成图像盲鉴别算法, 该算法基于统计特征对图像进行真伪识别. 在使用支持向量机作为分类器的情况下, 对800张标准图像进行实验的结果表明, 该算法对计算机生成图像检测准确率达96.5%, 明显提高了计算机生成图像的识别精度, 为数字图像的真实性提供了保证.