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。     

基于薄板样条的遥感影像非刚性配准方法

提出一种基于薄板样条的遥感影像非刚性配准方法。首先,根据SIFT算法分别在参考影像与待配准影像中提取特征点;然后,对特征点进行匹配,并利用RANSAC一致性分级检验方法,由粗至精分级排除错误匹配点;最后,利用同名匹配点构建薄板样条配准模型,并完成图像配准结果。实验结果表明,文中方法能有效解决遥感影像在时相变化、几何变形等条件下的配准,具有较高的实用性。     

结合图像信息和几何关系的配准算法

对图像配准中的特征点检测方法和描述方法进行了研究,提出了一种快速准确的图像配准算法.使用尺度空间理论进行特征点的检测,通过两种不同的特征点描述子对特征点进行描述:一种是基于图像信息的描述子,该描述子使用尺度空间理论上的尺度不变Harris算子的自相关矩阵来描述特征点;第二种是基于空间上的几何关系的描述子,提出了一种融合局部结构特征和全局信息的描述子.在图像配准的目标函数里,将特征点匹配矩阵和图像变换矩阵分解,分别使用两种不同的描述子对二者进行迭代求解.该算法结合了两种特征点描述方法的优点,实验结果表明该方法快速、准确,具有配准精度高和计算时间短的优点.     

一种医学图像弹性配准方法

针对肝脏和肺部器官在图像配准中特征获取准确度有限性,本文提出了一种机器和人工结合提取特征点的医学图像非刚性配准方法。依据器官中血管形状形成的树状图,使用联合图算法对树状图初步配准后自动提取出特征点,与手工选择的具有解剖意义的点共同构成特征点集。以两幅图像间的互信息作为图像配准测度函数。以确定性退火算法迭代求解最优化配准变换函数。实验证明,该算法能匹配图像的整体结构信息和图像中感兴趣的生理解剖位置,具有很强的鲁棒性。     

一种非刚性医学图像的点配准方法

提出了一种具有鲁棒性的进行非刚性医学图像点配准的新方法。为了更好地处理点配准中的冗余点问题，对冗余点进行了建模，在此基础上对点配准能量函数进行了改进。使用确定性退火优化算法对改进后的能量函数进行最优化从而得到配准的非刚性变换，避免了优化过程中出现的局部极小值解。该方法能有效地处理冗余点。抗噪声能力较强，可以很快地配准带有噪声且有冗余点的非刚性医学图像。使用薄板样条对三维腹部医学图像进行全局弹性配准，实验结果显示配准的精度可以达到亚像素精度。     

点云初始配准的优化求解算法

针对基于对应点匹配的点云配准算法过于依赖点云初始位置并且配准效率较低的问题,提出一种基于序列图像运动法重建的点云初始配准算法。首先,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取将点云变换到对应相机坐标系的变换矩阵;然后,以图像特征点及其对应的匹配点作为同名点,通过重建序列图像对相机外参数进行全局优化;最后,根据推导的初始配准公式快速实现点云初始配准。实例验证结果表明,该初始配准算法对点云的初始位置无严格要求,能以较小的计算量获取近似全局最优的点云初始配准结果;将初始配准参数作为迭代最近点算法的初始值,可有效提高迭代最近点算法配准的稳健性,计算效率提高了30%以上。     

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。     

基于邻域结构和驱动力准则的非刚性点集配准

非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则，而未考虑点集的邻域结构信息，容易产生误匹配，为此，文中提出了一种基于邻域结构和驱动力的非刚性点集配准算法。首先，在一致性点漂移(CPD)算法的基础上，提出了一种局部距离计算方法，并将其与空间距离相结合，有助于提高匹配精度；此外，对传统形状上下文方法进行了改进，构建了一种新的驱动力准则，以在初始配准过程中提高搜索速度，在后期减小配准误差；最后，采用期望最大化(EM)算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明，在非刚性变形、噪声、异常点和遮挡等情况下，文中算法比经典算法具有更高的鲁棒性，匹配准确率也更高，并且对真实图像可以获得比较理想的配准效果。     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上, 提出一种改进的基于点特征的遥感图像配准方法: 首先对参考图像进行分块, 每块提取一定数量的特征点, 以确保各块图像特征点分布均匀; 根据已知的同名点对, 拟合变换方程, 将待配准点代入变换方程得到粗匹配点坐标, 再以粗匹配点为中心在一个较小的范围内搜索, 根据相似性测进行精配准, 确定正确的同名点位置, 在此基础上实现整体遥感图像配准。为了验证该方法的有效性, 针对变大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明, 改进方法能很好地解决光学遥感图像之间的配准问题, 降低特征点提取和同名点匹配的时间复杂度。     

基于Harris—Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H—L特征点,确保特征点分布均匀：然后对H—L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.     

基于模糊数学的对抗网络图像配准建模

为了解决传统方法特征提取结果受外界环境影响大,且没有考虑对抗网络图像中高频信息的特殊作用,影响配准精度的问题,通过模糊数学方法分析对抗网络图像配准建模问题。分析了对抗网络,在生成模型与判别模型中添加条件变量,通过对抗网络,利用表征向量对图像进行重构,生成图像数据。通过变换对图像对比度进行扩展,通过反变换获取原空间域中的边缘增强图像,通过抑制干扰能力强的Susan算子提取对抗网络图像边缘特征。在边缘特征提取的基础上,引入模糊数学中的模糊隶属度,对图像中不同点属于梯度的模糊隶属度进行定义,构造图像的模糊梯度场,通过模糊数学中的贴进度构造模糊梯度相似性测度,将模糊梯度相似性高的图像作为配准图像,实现对抗网络图像配准。结果表明:研究方法配准效果好;针对存在平移、灰度变化、细节变化、区域变化和尺度差异情况下的图像,可保持很高的性能。研究结果应用性强,配准准确性好。     

基于仿射变换特征匹配的虚实注册方法

提出了一种新的基于仿射变换特征匹配的虚实注册方法,以解决基于平面自然特征的三维注册系统中的误差积累问题.该方法分为离线三维重建和在线实时注册两个阶段.离线阶段系统根据双目视觉原理建立平面坐标系,并根据用户指定的三点建立世界坐标系,同时利用仿射变换生成待匹配特征点的样本集合,供后续匹配过程使用.实时注册阶段,系统先将当前图像与样本集合做特征匹配以获取特征点间的对应关系,再利用上述对应关系恢复出当前帧与平面结构间的单应性关系,进而求取三维注册所需的变换矩阵.实验结果表明该方法是有效可行的,而且在克服误差积累方面较传统方法有明显改善.     

一种基于仿射变换的SIFT误匹配剔除方法

针对基于尺度不变特征转换(scale invariant feature transform,SIFT)在配准过程中存在大量误匹配的问题,提出一种基于仿射变换的误匹配剔除方法.该方法首先根据SIFT算法粗匹配后得到的初始匹配点对,利用最小二乘法求解仿射变换的系数,然后通过不断迭代去除均方根误差较大点对的匹配关系.以长汀县不同时相的TM影像配准为案例的实验结果表明,所提出的方法简明高效、配准精度优于目前被广泛使用的RANSAC误匹配对剔除方法.     

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.     

一种基于自然特征点的增强现实注册方法

介绍了一种基于自然特征点的增强现实注册方法．根据计算机视觉的理论，在透视变换的情况下，一个景物平面与一个图像平面之间的变换是平面投影变换．通过这个原理就可以推导出投影矩阵在满足一定条件下可由单应矩阵得到．根据这个原理，首先通过一个景物平面和图像之间的单应得到初始状态相机的投影矩阵，然后对后面每帧图像和前一帧进行自然特征点匹配，通过匹配点对计算出图像之间以及图像与景物平面的单应关系，由此就可以得到每一帧图像对应的相机的投影矩阵，从而完成虚拟物体的注册．     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.