基于序贯相似度的AGV图像配准方法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

一种改进的自适应阈值SSDA的视频拼接算法——在交通场景中的研究与应用

研究并实现了一种改进的自适应阈值SSDA的视频拼接算法,并将其应用在交通领域。主要从倾斜校正,帧图像配准,无缝拼接三个方面进行了研究与论证,实验结果表明,这种改进的自适应阈值SSDA的图像配准方法,减少了计算量并提高了视频拼接的效率,有利于交管部门对路况信息数据的回放和存储,减少数据量。     

基于序贯相似度的AGV图像配准算法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于Mallat分解的SSDA算法在检测织口位置变化中的应用

利用Mallat塔式分解的优点，提出一种基于Mallat分解的序贯相似性检测算法（SSDA），这种算法在保证匹配准确性的基础上，大大缩短了匹配时间。实验证实，本匹配方法具有一定抗几何失真的能力，优于常规的匹配方法，能够快速准确地检测出织口的位移变化，解决了应用图像处理方法消除织机开车稀密路系统中匹配时间过长的难题。     

SSDA并行算法在无纸化阅卷中空白题识别的应用

图像匹配是图像处理领域的一项重要技术。针对无纸化阅卷系统的主观题评阅,提出了一种结合自适应阈值SSDA(序贯相似性检测算法)和多核多线程并行技术的图像匹配方法,由电脑自动完成主观题空白题的评阅,以提高评阅工作效率。通过螺旋分配多核处理器资源,在多核处理器的每个核心上并行运行SSDA图像匹配,按行列顺序处理待匹配区域,每个核心的匹配结果不断更新阈值,达到提高匹配速度的目的。最后进行实验仿真,可见,与传统的串行算法相比较,本算法能够满足空白题识别中图像匹配的实时性要求,并且有较好的识别效果。     

改进序贯相似性检测算法的遥感图像匹配

为了克服传统的遥感图像匹配算法低鲁棒性的缺陷,本文对传统序贯相似性检测算法进行改进.首先,定义噪声敏感度,自适应判定像素点是否为噪声,并对噪声点进行预处理;其次,计算每个像素点的梯度方向,与初始设定的梯度方向阀值对比,离散待取样像素,减少非匹配区域的计算量;最后,对经过预处理的图像进行图像匹配.实验结果表明,经过改进的算法具有较强的抗噪能力和较快的运算速度.     

基于SSDA匹配的车牌字符识别中问题的研究

SSDA算法（序贯相似性检测）是针对一般模板匹配算法计算量大而提出的减少计算量的误差累计算法．但它同样需要依据图像之间的像素点对进行计算，从而对字符图像的变形敏感．在从事车牌自动识别课题研究中应用SSDA算法进行字符识别过程中，为了减小字符图像变形，在字符倾斜校正、字符二值化、字符切分和字符归一化过程中都围绕其加以改进或提出新算法．     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

一种优化的图像拼接方法

针对目前图像拼接过程中特征点提取速度慢和特征点匹配精度不高的问题,提出了一种图像拼接的优化算法,即首先对待拼接图像进行降采样处理、然后根据半图像区域提取特征点并采用SSDA(Sequential Similarity Detection Algorithm)算法进行特征点提纯,最后进行图像拼接;拼接结果表明:与传统的图像拼接方法相比,新的优化算法大大地降低了计算数据量,在图像拼接时间方面具有明显的优势.     

微小目标的视觉信息获取及系统设计

提出了一种专门针对微小目标(如芯片焊线、绑定等)的视觉系统设计方案。针对传统视觉系统对于观测分析微小物体的缺陷,提出了一系列改进方法,提高了视觉系统的精确性和处理的实时性;最后在搭建的实验平台上完成了LED焊点检测实验,并给出了实验结果。