基于ORB算法的象棋快速识别和定位系统研究

以象棋装配为研究背景,利用ORB算法实现棋子的识别,提出根据最佳匹配特征点的像素坐标,利用几何平均坐标法求出目标棋子的坐标,利用特征点构造的向量计算目标棋子相对于模板的旋转角度,实现棋子的定位,并利用工业机器人完成象棋的装配。实验结果表明:计算出的旋转角度可以保证摆放棋子时与模板为同一方向。ORB算法的运行时间均在0.2 s以内,快于SIFT和SURF算法,可以保证系统能准确地识别和定位出目标棋子,并满足象棋装配过程中的实时性要求。     

基于多视角特征点匹配的室外目标定位

受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.     

基于局部SURF与Kalman滤波的多机器人识别与跟踪

针对SURF匹配算法,提出一种局部特征匹配的思想,对场景中多个目标机器人进行识别与跟踪。在静态场景中,利用背景差法检测出场景中所有运动机器人,提取各个机器人的轮廓,通过轮廓获得每个机器人在图像中的区域,对每个小区域提取SURF特征点并与模板图像进行匹配,得到想要跟踪机器人的位置信息,最后通过Kalman滤波对机器人位置进行修正并跟踪。实验证明本算法在不降低匹配的准确性上有效提高了识别与跟踪的效率。     

一种基于改进的SURF算法的静态手语字母识别方法

结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。     

基于改进的加速鲁棒特征算法的工件定位方法

为了解决传统的图像处理算法识别现场获得的工件图像速度慢且匹配效果较差等问题,通过对工件图像的识别方法进行研究,提出了一种改进的加速鲁棒特征(SURF)算法可以实现工件准确、实时的定位。该算法基于加速分割测试特征检测器(FAST)对SURF算法的特征提取方式进行改进,首先利用FAST提取特征点,然后通过SURF算法生成特征点描述子,使用主成分分析算法(PCA)对描述子进行降维。随后以欧式距离作为相似性度量进行粗匹配,再采用随机抽样一致算法(RANSAC)剔除误匹配点。最后结合双目视觉技术得到工件空间位置坐标。实验结果表明：本文提出的算法在运行时间上相比传统SURF算法减少80%,同时提高了匹配的精度。可见达到了准确、实时的工件定位目的。     

复杂背景下目标树叶自动分割的Grabcut算法

针对传统GrabCut算法需要人机交互且难以在复杂背景或光照不均匀时准确分割目标树叶的缺点,提出一种基于GrabCut算法的复杂背景下或光照不均匀时目标树叶的自动分割算法。本算法利用模糊高斯混合模型(FGMM)和图像的颜色信息对原始图像进行标记实现自动分割。首先选取合适的模糊因子利用模糊高斯混合模型对图像像素进行一次标记;在一次标记的基础上再结合超绿算法(EXG)选取合适的阈值对图像像素进行二次标记;最后将二次标记图像初始化GrabCut算法实现目标树叶的自动分割。利用几种不同的样本对提出算法的有效性和错分率进行探讨。结果表明,所提出的算法可以实现复杂背景下或光照不均匀时目标树叶的自动分割,且平均错分率达到1.625。     

基于双目视觉的物体识别定位与抓取

为解决目标识别精度低、定位与抓取配合困难问题,通过对算法的改进研究了物体的识别定位与抓取,包括识别目标物体、对于目标物体形心的位置三维重建、对于目标物体的姿态估计、对于手眼标定后的抓取4个方面。在目标识别中,首先通过快速鲁棒特征(speeded up robust features,SURF)算法结合Grabcut算法提取出目标。在位置求解中,利用模板匹配求取目标物体形心的世界坐标。在姿态估计中,算法的流程为:利用匹配点对求取左图中物体母线斜率,再随机取斜率等于左图母线斜率的两点,通过两点的世界坐标求出目标物体的姿态。在抓取中,采用的眼在手上,先建立工件坐标系,再进行坐标转换,通过机器人参数求得逆解。研究结果表明:误差均在较小范围内且机器人可在有效工作范围实现抓取。可见算法可靠以及整体实验的正确性。     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

基于电视末制导技术的舰船目标分割与匹配方法在复杂背景下的应用

针对电视末制导炮弹在复杂背景下对多目标舰船识别精度不高的问题,提出一种结合经典阈值分割和Prewitt边缘梯度算子的方法,对图像中存在的多个舰船轮廓实现清晰的分割,利用模板匹配,选用加速稳健特征(Speed-up robust features, SURF)算法检测特征点,将处理后的舰船图像与弹载图像进行匹配;针对匹配过程中的错误匹配问题,采用M估计采样一致性算法,有效提升了匹配正确率。数值仿真表明,弹上图像处理器在进行单帧图像处理时,通过与传统图像分割技术如坎尼梯度算子、高斯拉普拉斯(Laplacian-of-Gaussian, LoG)梯度算子和最大类间方差法对比,该文提出的算法可以清晰地将视场内的多只舰船进行有效分割,并显著减少了错误匹配。     

基于多方向角Gabor与RBF神经网络结合的目标识别算法

针对导弹末端制导过程中CCD摄像头抓捕目标的背景、光照及相对旋转角度变化和噪声等因素造成目标识别率降低问题,在结合多方向角Gabor滤波器和RBF神经网络的基础上,提出了一种基于特征匹配的目标识别算法。该算法采用Gabor滤波器对待匹配图像进行预处理,通过将多个不同方向角Gabor滤波器的结果进行叠加和归一化处理的方法,突出了目标轮廓特征,然后提取纹理图像的4类Haar-like特征,再利用训练完成的RBF网络模型进行识别。实验结果表明,算法在保证实时性的基础上提高了目标识别率。     

一种用于CT片层间轮廓线插值的算法

提出一种基于角度建立断层之间匹配点对的线性插值算法。与以往方法相比，该方法简单易行，计算速度快，可实现序列图像的自动插值。通过对人类下肢长骨CT(Compterized tomography)片数据进行实验的结果表明，它是一种可行的层间轮廓线插值方法，不仅对原本相似轮廓的插值效果良好，而且对形状差异大的轮廓线也能得到令人满意的结果。     

火星探测器着陆过程中图像匹配的性能研究

以火星探测器着陆过程中通过图像匹配估计位置参数为背景,针对探测器拍摄的实时图旋转以及尺度变化等对图像匹配算法的影响做一系列研究,寻找适当的旋转角度以及尺度大小来获得较高的匹配精度.以SURF算法为研究对象,结合RANSAC算法对误匹配点进行剔除,提纯匹配点,综合定义了正确率的概念,方便对匹配结果进行判断.实验结果表明,实时图旋转角度以及尺度大小和匹配的正确率呈一定的规律在变化,在应用到火星探测器着陆过程中实时图的选取时,相对于参考图选取适当旋转角度和尺度的实时图能在一定程度上提高图像匹配的准确率.     

一种基于算法融合的运动目标跟踪算法

为了提高目标跟踪算法在复杂环境下的稳健性,提出了一种将基于颜色特征的均值漂移算法和SURF(Speeded UpRobust Features)特征匹配算法相融合的目标跟踪方法。该算法首先采用颜色特征和SURF特征分别描述目标模板,利用均值漂移算法快速估计目标局部最优解。但仅采用单一颜色特征来估计目标位置,跟踪误差逐渐累积;采用SURF算法精确估算目标位置和尺度,及时修正累积误差。最后根据相似性度量Bhattacharyya系数选择较优的结果作为当前帧跟踪结果,且更新目标模板。实验结果表明,算法在目标发生较大形变、尺度变化、周边具有表观相似目标时具有很强的稳健性,且满足跟踪实时性要求。     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

一种基于粗糙度估计的红外小目标检测算法

根据红外图像的特点，提出了一种基于红外图像背景粗糙度的自适应小目标检测快速算法，该算法首先通过对背景的粗糙度的估计来自适应调节LOG算子的两个关键参数；高斯分布因子σ及强度因子k的值，用经过参数调整后的LOG算子进行边缘检测，检测出目标的大致轮廓，根据目标轮廓定出目标的中心点（即种子点），然后由中心点开始进行区域生长，最后得到比较理想的目标分割图像，实验结果表明了该算法的有效性及实用性。     

连续断层图象计算机三维重建轮廓点匹配插补算法的研究

提出了一种连续断层图计算机三维重建轮廓点匹配插补算法。该算法对连续断层图象相邻轮廓进行轮廓点匹配，继而插补出中间轮廓，形成被重建物体的三维形貌。     

改进的SURF算法在彩色车载影像匹配中的应用

在分析了具有尺度不变特征的鲁棒特征加速算法(SURF算法)的基础上,提出了一种基于高斯颜色模型的增维彩色SURF算法.该算法将RGB颜色模型转换到高斯颜色模型,使用SURF算法(增加了48维颜色特征描述向量)进行匹配,再使用核线约束剔除误匹配.结果表明:尽管相对于原有的SURF算法略微增加了计算量,但是在匹配点对数、匹配正确率、匹配点分布均匀性上都具有明显的优势.     

基于SURF特征的篮球特征匹配

体育视频中目标标识在机器视觉等领域有广泛的应用而基于传统特征的目标标识运算量大、鲁棒性差,无法满足视频标注的实时性的要求。本文基于SURF特征对篮球视频中的目标进行标识,首先利用SURF算法获取特征点,然后利用最近邻匹配法找到匹配点对,最后利用所求值得到标识后的图像。实验表明该算法能满足准确性和实时性的要求,在目标出现一定的旋转状况下仍能实现准确的标识目标。