基于ROI模板的印刷品图像配准方法

针对印刷品质量检测中图像配准问题,提出了一种基于ROI(region of interest)模板的印刷图像配准算法.该方法以Canny算子获取的图像梯度向量为基础,定义相似性度量,同时结合阈值终止条件和矩阵搜索策略提高算法效率,并利用最小二乘法调整配准参数,最终实现彩色印刷图像高效配准.试验结果表明,相对于传统的图像配准算法,该方法配准精度高、速度快,而且鲁棒性强,能够为印刷品质量检测提供一种高效的图像配准算法.     

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．     

空间加权互信息图像配准算法

提出了一种基于互信息扩展的新测度空间加权互信息(SWMI)配准算法.首先使用Harris角点检测对参考图像进行特征区域标记;然后根据对图像配准贡献的不同,对不同特征区域赋予相应权重得到用于计算SWMI的Harris权重函数.实验结果表明:与SWMI配准算法相比,本文算法不需要人工直接干预,有利于实现自动化配准,具有良好...     

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%.     

基于平行直线组的可见光与红外图像配准算法

为实现可见光与红外图像配准,方便维修人员辨识电路板红外图像中的器件,提出一种新型的基于平行线组的可见光与红外图像的自动配准算法。首先,使用Canny算法提取图像边缘,并使用8邻域链码对其进行编码;然后,利用Freeman准则进行直线检测并提取平行线组;最后,利用图像中的平行线经仿射变换后仍为平行线的约束特性,将直线配准转换为点配准,利用鲁棒点匹配算法实现平行线间的配准。实验表明,当2幅配准图像中包含丰富的平行线时,算法能够充分利用图像中平行线在仿射变换时的平行约束性,实现可见光与红外图像的快速自动配准,且算法具有较好配准精度。     

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。     

一种仿射变换的印刷品缺陷检测方法

针对传统印刷品缺陷检测方法速度慢、检出率低的问题,提出一种仿射变换的快速检测方法.首先利用SURF(speeded-up robust feature)算法进行特征点匹配,并采用RANSAC(random sample consensus)算法剔除误配点后得到高纯度的匹配点对,然后利用最小二乘法拟合得到变换参数,最后通过图像差分和后处理,识别并标记出缺陷所在位置.经过试验验证,相对模板匹配和分层检测算法,该方法无论在算法速度还是缺陷检出率上都有很大提高.     

基于小波变换的多光谱图像和全色图像配准算法

研究一种快速、准确的适用于大角度旋转的多光谱图像和全色图像自适应配准方法.该算法首先基于小波变换提取图像的角点作为特征点,然后提出利用基于区域带旋转角度估算的相似度最大和三角形相似的方法确定最佳的配准参数,最后采用迭代算法优化配准参数.实验结果表明:该方法可以准确、自动地获得不同的多光谱图像和全色图像之间的配准参数.     

基于样条小波和混合遗传算法的多源图像自动配准算法

为实现图像自动配准,需要确定初始变换参数,为此提出图像特征线和图像特征圆的概念,基于仿射变换模型,推导了确定图像自动配准初始参数的算法,并基于B样条小波和混合遗传算法求取最终的多源图像配准参数.实验结果表明,该算法可实现图像的自动配准,证明了该算法的有效性.     

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FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.     

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。     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。     

基于机器人视觉的汽车零配件表面缺陷检测算法研究与实现

对机器人视觉进行研究,建立检测算法模型.通过分析图像相减匹配算法工作机理,结合汽车零配件生产系统,建立一种基于Siemens PLC的表面缺陷检测仿真平台,以验证该算法的可靠性.实验结果表明,该算法模型可以稳定地检测到缺陷目标.     

基于统计阈值法的印品缺陷检测

针对印刷品的缺陷检测问题,在传统模板匹配法的基础上,根据统计过程控制原理,提出利用统计阈值法代替传统的固定阈值法,以自动确定图像上各个像素点的灰度阈值,解决了传统固定阈值法在边缘纹理区域容易产生轮廓误检和漏检的问题。实验结果表明,改进算法相对于传统算法在检测精度和检测速度上都有明显提高。     

一种基于互相关的图像定位匹配算法研究及应用

提出了一种基于互相关的图像定位匹配算法.该算法利用互相关实现图像定位匹配,同时采用了金字塔分层来弥补互相关匹配带来的大运算量的不足,克服了以往图像匹配中精度低的缺点,匹配精度可以达到亚像素甚至1/100像素级;通过在印刷质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性.     

不同分辨率图像的角点匹配方法

针对不同分辨率图像的匹配问题,提出了一种利用高斯金字塔的一对多角点匹配方法.采用一种变形的特征描述算子(SIFT)对角点附近的图像区域进行特征提取,根据提取出的特征向量进行角点匹配,并提出一种简单有效的抽样一致性算法以剔除错误匹配点对,最后在一对多角点的匹配结果中选出最佳的匹配作为最终的角点匹配结果.实验结果表明,该算法能有效地克服分辨率的差异给匹配带来的困难,算法简单,可靠性好.     

A flower image retrieval method based on ROI feature

Flower image retrieval is a very important step for computer-aided plant species recognition. In this paper, we propose an efficient segmentation method based on color clustering and domain knowledge to extract flower regions from flower images. For flower retrieval, we use the color histogram of a flower region to characterize the color features of flower and two shape-based features sets, Centroid-Contour Distance (CCD) and Angle Code Histogram (ACH), to characterize the shape features of a flower contour. Experimental results showed that our flower region extraction method based on color clustering and domain knowledge can produce accurate flower regions. Flower retrieval results on a database of 885 flower images collected from 14 plant species showed that our Region-of-Interest (ROI) based retrieval approach using both color and shape features can perform better than a method based on the global color histogram proposed by Swain and Ballard (1991) and a method based on domain knowledge-driven segmentation and color names proposed by Das et al.(1999).