基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

面向芯片引线键合的视觉精确定位方法

为了实现面向芯片封装的视觉精确定位技术,提高芯片引线键合的加工精度和效率,提出了一套结合快速傅里叶变换互相关和不变矩的视觉定位算法,构建了视觉系统实验平台,并进行了实验研究.针对芯片和引线框架图像的特点,分别提出了适合于芯片和引线框架的定位算法.对于芯片图像,采用快速傅里叶变换互相关算法进行匹配定位;对于引线框架图像,采用基于特征的不变矩方法进行匹配定位.使用显微视觉系统和二维运动平台构建了实验平台,进行了视觉定位实验.经过实验验证,定位精度均在亚像素级,芯片图像的定位精度小于0.4,像素（2,μm）,引线框架的位置精度小于0.5像素（2.3,μm）,转角的定位精度小于0.1°,能够满足芯片封装的要求,从而实现引线键合的视觉精确定位.     

基于多尺度的小基高比立体匹配方法

针对小基高比立体匹配中的＂黏合＂现象和深度精度问题,提出一种小基高比立体匹配方法.该方法通过将自适应窗口技术和多窗口策略相结合为参考图像确定匹配窗口;然后根据规范化互相关函数和＂胜者全取＂策略计算整数级视差;再以整数级视差为基础利用基于二分法的亚像素匹配方法计算亚像级视差;最后采用基于图像分割的迭代传播方法以获得稠密视差图.实验结果表明：该立体匹配算法减少了小基高比匹配中的＂黏合＂现象,同时获得了稠密的高精度亚像素级视差,其亚像素精度可优于1/20个像元.     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于切分模板的实时跟踪算法

相关匹配算法是一种经典的匹配算法 ,通过计算模板图像和待匹配图像的互相关值来确定匹配的程度 ,具有很高的准确性和适应性 ,在目标跟踪中得到了广泛应用。但是相关匹配算法计算耗时过于庞大 ,难以达到实时要求 ,并且当目标在模板中所占比例很小时 ,很难确定模板的准确位置 ,使得此算法在实时目标跟踪中难以得到应用。文中在相关匹配的基础上提出了一种基于切分模板的实时跟踪算法。匹配的模板被分为几个部分 ,每个部分均有不同的加权值 ,最后的相关匹配度为各部分匹配度的加权和。算法中还设置了一个不是实时更新的加权模板 ,以提高算法的抗干扰能力 ,并采用金字塔搜索算法进行加速。实验结果显示 ,此算法有效地克服了相关匹配算法的缺点 ,具有较好的匹配精度和实时性     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

基于粒子群的彩色印刷品图像分层搜索定位算法

针对彩色印刷品表面质量在线检测过程中存在目标图像定位精度低、定位速度慢而导致检测误判率高、检测效率低等问题,提出了一种基于粒子群的彩色图像分层搜索定位新算法.首先采用图像金字塔结构在空间域中对彩色图像进行分层,分析尺度因子和层数的选择对提取目标图像关键特征的影响;其次,基于边缘特征建立各层的匹配模型,最后引入粒子群算法(PSO)求解每层的最优匹配参数,实现待匹配对象的快速定位.实验结果分析表明,该方法对宽幅面彩色印刷品像素大小为1024×454的目标图像平均校正偏差不超过0.1°,即水平方向上的定位误差可达0.017个像素;对角度偏移小于6°的图像,分3层搜索校正的最长时间仅为12.6 ms,以上实验结果显示出该定位方法具有较高的精度和较强的实时性.     

基于相位相关和重采样的亚像素图像配准算法

为了实现高精度的图像配准,提出了一种基于相位相关和重采样的亚像素图像配准算法.首先基于相位相关实现像素级的粗定位,然后在粗定位点邻域范围内利用矩阵乘法的离散傅里叶变换(DFT)高倍数重采样,并基于相位相关作重采样区域的像素级定位,实现亚像素级的细定位.文中从理论上证明了基于矩阵乘法的DFT实现部分区域重采样的方法与基于零填充重采样的方法在计算精度上具有等效性.实验结果表明,文中算法的配准精度、计算效率和抗噪性优于基于交互相关和扩展相位相关的亚像素配准算法.     

利用分形维数实现亚像素图像匹配

图像匹配是图像分析领域中的一个很重要的研究内容.图像相关性的研究是提高图像匹配精度的关键,分形由于具有自相似这一重要特征在充分利用图像相关性方面独具潜力.本文提出了一种基于分形维数的亚像素图像匹配算法,该方法通过在被匹配图中遍历搜索模板子区和对子区进行次子区划分,采用最优盒计数法求取模板子区和搜索子区中次子区的分形维数,根据统计相关性原理找到相似性最大位置,然后利用分形插值法将匹配点定位到亚像素级,实现高精度的图像匹配.实验证明,该方法具有良好的匹配效果.     

基于openCV的互相关图像测速方法研究

通过对比互相关技术和多普勒技术的差别,从一个新的角度把互相关技术应用于微小气泡测试的研究中.利用高速CCD相机拍摄微小气泡运动图像,利用快速傅里叶变换实现互相关算法,为提高计算准确度采用高斯曲线拟合互相关函数的峰值并给出拟合公式,得到了亚像素级的运动速度.为标定互相关算法的准确度,采用图像平移的方法验证算法的可行性和可靠性.该算法具有潜在的广泛应用价值.     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

基于双三次插值算法的集成电路在线检测快速模板匹配

为了解决目前电路板缺陷检测视觉识别系统对多目标识别检测过程实时性差、识别效率低,甚至出现无法识别等问题,首先对集成电路板图像按一定比例进行双三次插值算法处理,并在该基础上创建模板图像,然后进行归一化积相关匹配快速地识别检测出目标的大概位置,最后以双三次插值算法缩放比例值还原目标在原图像中的位置,从而精确识别检测出的目标。实验结果表明:该算法能达到100%识别,运算时间比传统算法快2～11倍,可见该技术提高了检测效率,具有很好的实用性。     

基于边缘信息的SIFT 图像匹配算法

李岩(1978-), 男, 长春人, 长春工业大学副教授, 主要从事智能机械与机器人、机器视觉研究, (Tel)86-13069046655(E-mail)liyan_dianqi@ ccut. edu. cn。     

基于改进演化算法的快速图像相关匹配

提出了一种基于演化算法的快速图像相关匹配的新方法,详细介绍了染色体编码的编码方法选取、适应度函数设计及演化算子设计,并对演化算子设计做出了部分改进．实验结果表明：与传统的遗传算法相比较,改进的演化算法能够更快而且有效地实现灰度图像的相关匹配．     

基于模板匹配和光流法的图像配准方法

光流法是一种广泛应用的像素级非刚性图像配准方法。该方法对发生平移、旋转以及放缩变换的图像能够很好地配准,但是光流法在待配准图像比较大且初始位置远离目标位置时,配准速度及位置较差。文章提出了结合模板匹配和光流法的改进算法,首先通过模板匹配算法进行粗定位,再使用光流法进行精确定位。实验表明,该方法大大提高了原算法的配准能力。     

基于相关系数的快速图像匹配研究

针对传统图像相关匹配算法计算量较大的问题,研究图像库中相关图像搜索方法.提出一种改进的相关匹配算法,该方法通过对相关系数公式进行简化和迭代运算,减少了重复运算.通过设定参考图像与目标图像的相关系数阈值,只需计算方差相差较小的点的相关系数,提高了运算速度,计算时间减少到原来的14%,甚至更短.在文件夹的图像搜索中实现了图像的快速匹配.     

基于局部锐度分布耦合核典型相关分析的图像匹配算法

提出了基于局部锐度分布耦合核典型相关分析的图像匹配算法.首先引入Forstner算子对特征点进行精确提取;随后计算每个特征点对应的锐度值,从而构造局部锐度分布模型,生成低维度的特征描述子;接着引入归一化互相匹配策略(Normalized Cross Correlation,NCC),完成特征点的匹配,增强算法的鲁棒性;最后基于核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)技术,建立归一化距离函数,对匹配特征点进行提纯,剔除误匹配点.仿真实验结果表明:与当前图像匹配算法相比,本文算法不仅具有较高的匹配精度及较强的鲁棒性,而且还具有较高的匹配效率.     

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.     

变形系数相关的最小二乘匹配算法

对在图像匹配中被广泛使用的最小二乘算法进行了改进．最小二乘算法精度高,但收敛速度很慢．根据图像中除少数高度变化不连续的区域外,大多数区域的变形参数都是连续变化且平缓这一特点,在最小二乘算法的迭代过程中,变形参数初始值视情况取前面的结果．实验表明,这一改进大大提高了最小二乘匹配算法的计算速度,同时保持了其精度和匹配率