图像拼接中的特征模板提取优化方法

为了提高拼接算法的鲁棒性和效率,提出了一种基于边缘特征和行程编码索引的最优特征模板提取策略.最优模板包含了尽可能多的图像特征,模板中参与运算的只是具有边缘位置特征和灰度变化显著的像素点,通过行程编码方法构建索引模板以指定特征像素集合,从而显著提高了配准精度和匹配速度.     

基于变形模板的复杂截面轮廓重构方法研究

常规的B样条曲线重构存在散乱数据点的序化、参数化等步骤,采用变形模板的曲线重构方法可有效避免这些繁琐的操作.针对给定的复杂曲面零件的设计轮廓和实测截面数据点,提出了一种基于变形模板的复杂截面轮廓重构新方法,建立了最小模板变形条件下的截面轮廓配准与重构模型.提出的模板与实测点的精确配准与模板约束变形的迭代优化策略,以及基于递归细分的快速距离算法,保证了截面轮廓的重构精度与效率,建立起了设计模板与实际截形的解析关系.最后的实例验证了所提方法的有效性和实用性.     

基于局部轮廓曲线的图像配准方法

图像配准是计算机视觉领域的基本问题.提出了一种基于局部轮廓曲线的图像配准方法 .首先,利用图像的最小作用曲面提取从角点出发的局部轮廓曲线,并通过MLSD描述符描述轮廓曲线;其次,对曲线的MLSD特征向量进行傅里叶变换以便于使用轮盘匹配方法实现两幅图像中从角点出发的局部轮廓曲线的配准;然后运用最小二乘法迭代求解局部配准参数;最后,统计局部配准参数直方图获取全局配准参数.实验结果表明：此配准方法有较高精度.     

基于模板的颅脑图像基准点自动定位方法

基于标记的图像配准是现实中最常用的配准方法之一。在配准过程中,一般使用完全固定在头骨皮肤上的外部基准标记。基于模板的全自动图像配准的关键在于无需人工选择即可确定基准点的坐标。提出了一种基于模板的颅脑图像自动基准定位算法和技术,具有快捷、自动、准确的特点,实施过程包括以下三个步骤:边缘图构建,基于曲率的候选基准点检测,基于模板的基准点检测。实验结果说明该方法有助于实现基于基准点的全自动图像配准,相较于专家人工选择,具有广阔的应用前景。     

芯片封装立针微孔加工视觉定位技术研究

针对立针加工中微孔加工位置定位问题,提出了一种基于模板匹配粗定位和基于边缘检测精定位的两步视觉定位方法。在粗定位阶段,提出了一种基于形状模板匹配和支持向量机的粗定位方法,首先建立了带掩膜的模板,在形状模板匹配的基础上,通过提前终止策略、图像金字塔,以及减少搜索面积的方法对匹配过程进行加速,在对匹配结果提取方向梯度直方图特征后,基于支持向量机进行分类从而防止误匹配。在精定位阶段,提出了一种具有角度约束的边缘检测算法定位外轮廓边缘,并采用二次函数拟合梯度极大值实现亚像素边缘定位,利用最小二乘法拟合轮廓边缘后定位微孔加工位置。在实验阶段,首先通过少量样本对支持向量机进行训练,准确率达到了99.76%,在此基础上本文粗定位方法交并比达到82.9%,而传统的模板匹配方法仅为36.5%;将立针以不同姿态放置在不同位置,在不同光照强度下加入高斯噪声后进行精定位实验,发现本文精定位方法的最大定位误差为2.20μm,而基于Canny边缘检测方法的最大定位误差为5.99μm,本文算法总耗时仅需328 ms。     

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．     

基于轮廓曲率特征点的服装款式识别方法

根据服装轮廓曲线的几何特征取决于少数曲率极值点的特点,探索了一种新颖的服装款式识别方法,即提取服装轮廓曲线的曲率极值点集作为表达服装款式的特征向量,并以适当的分类方法进行分类。在分类方法上,比较了两种典型的方案:基于Hausdorff距离的模板匹配法和基于支持向量机的分类方法。试验结果表明,支持向量机分类法的识别率能够达到86%以上,略优于Hausdorff距离的模板匹配法,但其识别速度远胜于Hausdorff距离的模板匹配法。因此,选择支持向量机作为新型识别方法中的分类方法。     

基于特征点提取的轴承瑕疵工业在线检测

基于ORB(oriented FAST and rotated BRIEF)图像特征点的配准方法实现差异性的比较,提取模板图像和待检测图像特征点,对特征点描述的集合进行匹配,通过RANSAC算法消除错误的匹配点,根据匹配对计算最优旋转角度,计算变换矩阵,通过仿射变换实现模板图像与检测图像的配准。在轴承图像上经过不同特征点提取算法,分析运行时间和图像配准的情况。结果表明,基于ORB提取特征点进行轴承瑕疵检测的方法,检测精度达96%,运行效率为67 ms。     

基于小波变换的模板匹配方法研究

在研究经典模板匹配方法基础上,提出并使用基于小波变换的模板匹配方法,进行同类传感器图像的配准,通过实验结果分析可以看出,该方法配准精度较高,能对图像进行有效的配准．     

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。     

基于港口匹配和海域分割的靠岸舰船检测方法

针对可见光图像中靠岸舰船的灰度、纹理等特征的自动检测比较困难的问题,提出一种基于港口匹配和海域分割的靠岸舰船检测方法.根据飞行器实时返回的姿态信息,将港口模板变换到实时图同一视角下进行港口配准,确定实时图海域部分,再对海域进行分割,检测出舰船.采用基于边缘梯度矢量的港口配准方法,克服岸内边缘干扰,提高匹配精度.提出一种特征融合聚类结合生长的分割算法,解决灰度不均匀导致的分割后舰船断裂现象,优化海陆分割效果.试验结果证明了该方法的有效性和鲁棒性.     

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于TMS320DM642 EVM板的可见-紫外图像边缘检测研究

图像的边缘是图像的最基本特征之一。边缘检测可以应用在基于特征相关的图像配准方法中。根据在紫外检测中可见光与紫外图像配准、融合的实际需要,利用双光谱图像检测系统,在TMS320DM642评估板上用Sobel算子实现了对可见-紫外图像的边缘检测．为系统的图像配准提供了边缘检测的方法。     

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。     

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。     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

基于非刚性点云配准的运动鞋鞋帮打磨轨迹提取

为了解决冷黏运动鞋自动化生产过程中鞋帮打磨轨迹难以提取的问题，提出一种利用非刚性点云配准算法提取轨迹的方法。搭建三维视觉平台分别获取鞋底侧墙与鞋帮点云，基于高斯混合模型，结合运动相干性和先验分布构建了鞋底与鞋帮点云配准概率的联合概率密度分布，并采用变分贝叶斯推断计算出最佳配准参数，进而实现两种点云间的精确配准。对配准后的点云提取边缘轨迹并聚类分割，提取的边缘轨迹即为鞋帮打磨轨迹。研究证明，该方法可有效提取运动鞋的鞋帮打磨轨迹曲线，相比依靠离线采样点提取打磨轨迹的传统方法，可大幅缩减轨迹的获取时间且精度良好。     

一种改进边缘相关匹配的图像快速配准方法

针对图像自动配准的耗时问题,提出一种基于图像边缘链码匹配的快速配准方法。利用B样条多尺度小波提取图像的边缘和梯度幅角,通过边缘梯度幅角直方图统计获得图像之间的旋转角度,并根据图像的投影,估算参考中心点,依此建立距离和角度的限制条件,对边缘特征进行改进的Freeman编码,然后进行相关匹配运算,完成图像配准。实验表明,限制条件下的链码匹配可以有效提高配准速度。     

基于微分进化算法的轮廓匹配方法

轮廓匹配是图像处理中一个重要匹配方法,针对现有匹配方法中匹配搜索耗时多的局限性,提出了一种改进的轮廓匹配方法.对模板图像和待匹配图像分别提取轮廓,计算轮廓上每一点的曲率,并选择满足阈值条件的轮廓点为候选点;以此点及其两侧若干点构造特征向量,依据欧氏距离构造相似性度量函数,使用具有全局最优性的微分进化算法求解,以保证获得全局最优解.对比实验表明,所提出的方法有较快的寻优速度和较高的配准率.