一种快速匹配算法在遥感图像中的应用

针对相关匹配法计算量大的缺点提出了一种快速匹配算法。该算法采用由粗到精的匹配策略,对匹配区域先用环形模板进行粗匹配以确定待匹配窗口,再用全模板进行精匹配以确定正确匹配窗口。将该算法用于遥感图像匹配,仿真结果表明,该算法不仅能够实现正确匹配,而且计算量只有相关匹配法的10%。     

一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。     

空间目标序列图像相关跟踪算法

提出一种用于跟踪空间目标的相关匹配算法。它先对匹配像素用动态阈值分类,若灰度绝对差大于阈值,再使用最小绝对差平方累加和作为相似性度量。同时提出一种新的模板修正策略,即每隔一定帧后对模板求质心,调整质心在模板上的位置。仿真实验结果表明,该算法可以克服图像噪声、局部突变、目标变光对匹配的影响,对目标与背景灰度差在20个灰度级以内的低对比度目标跟踪也有较高的精度和可靠性。实验中可以持续几千帧稳定地跟踪空间目标。结合快速搜索和粗精匹配方式,处理一帧时间在20ms以内。     

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理，直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程，提高处理速度．其基本思想是采用序贯相似性检测算法（SSDA）快速得到候选匹配子图，再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明，该算法简化了处理过程，相对于直接FFT求相关系数法，运算速度提高了近10倍．     

一种新的遥感图像智能匹配方法

遥感图像中目标的空间定位问题一般是通过模板匹配或者特征匹配的方法来实现的。当给定的目标模板与遥感影像中候选识别的目标存在着空间角度、缩放比例和背景噪声较强等问题时，采取模板匹配方法就很难实现对目标的快速准确定位。遗传算法是一种自适应的迭代寻优搜寻和直接对参数对象进行操作的智能算法。利用这种算法优势可以屏蔽掉模板匹配目标的过程中对复杂参数的确定过程。本文将遗传算法与模板匹配方法密切结合，选取一幅北京奥运规划区遥感影像进行了方法实验，结果表明该方法除具有遗传算法智能快速化的效果，还具有实际操作简便的优点。     

基于半八边形模板的运动估计算法?

H.264视频编码标准中,运动估计占用了编码器极大的运算量.针对 H.264快速块匹配,本文提出了一种基于半八边形搜索模板的运动估计算法.该方法使用一个十字形模板来预测搜索方向,依据绝对差和(Sum of Absolute Differences, SAD)分布的方向性自适应地选取半八边形模板进行搜索,在搜索过程中,判断 SAD 值下降最快的方向精确定位匹配点,减少搜索点之间的冗余,提高搜索速度.理论分析表明该算法同经典六边形算法相比可以减少搜索点数.实验结果显示,在重建图像质量接近全搜索的同时,新算法减少了运动估计20%–30%的运算量.     

基于先验知识模板更新的头部跟踪算法

针对被跟踪头部目标特征状态随时间变化而与参考模板不匹配的问题,本文提出一种利用先验知识来指导Mean Shift算法中参考模板更新的策略.该方法根据被跟踪目标不同状态下所呈现出颜色的统计特征信息,采用辅助模板对候选模板中的不同颜色特征进行指导性更新,从而形成一个具有目标先验知识的参考模板,解决了模板更新时机选择的难题.实验结果表明,该算法有效解决了因头部旋转而导致模板不匹配的问题,实现了头部的连续跟踪,取得了很好的跟踪效果,并且提高了跟踪算法的自适应能力.     

基于图像的水表抄表技术

介绍基于图像处理的多指针水表抄表技术的系统组成、工作原理和指针读数自动识别方法.对指针示数的判读算法进行了分析,提出了基于指针面积特征的阈值分割法和基于多特征的模板匹配法来自动识别指针的读数.本系统应用于某自来水公司,取得较好的经济效益.     

多重约束下由粗到精的多源图像自适应配准算法

本文提出了一种多重约束下由粗到精的多源图像自适应子像素级配准算法.该算法采用影像特征点作为匹配基元,利用具有不同精度等级的组合判据法、整体松弛法、最小二乘法实现由粗到精的匹配,同时在匹配过程中加入了多重约束,如定位点控制约束、交叉匹配约束、连续控制约束,以保证获取的配准控制点的可靠性和剔除粗差点.此外,该算法利用配准控制点自适应地构建整个图像的三角网,最后依据改进的三角形填充算法对目标图像进行逐像点纠正.对同源和非同源的遥感图像的实验证明,SPOT4全色图像(10m/pixel)和SPOT5多光谱图像(10m/pixel)的配准精度分别达到6～7m和5～6m.     

多尺度模板匹配算法

研究图像模板匹配问题。对于大尺度图像,采取多尺度方法进行全角度匹配。首先构筑图像的多尺度金字塔,在最小尺度图像上找到可能的模板匹配位置和角度,然后再依次在更大尺度的图像上精细定位,最终找到模板的匹配位置和角度。配合多尺度的算法框架,同时在不同尺度模版匹配时采用不同测度的相似度,求得了精确性和效率的平衡。通过大量的模板匹配实验说明,该方法是一个快速稳定的算法。     

基于改进模板匹配算法的物料计数方法研究

针对生产过程中物料计数方法存在的缺陷,研究了一种改进的模板匹配算法进行物料数量检测。通过基于双模板搜索方式和位置约束系数r改进传统模板匹配算法(template matching algorithm,TMA),优化寻找最佳匹配图像的过程获得最优解,并以此进行图像拼接,完成物料计数。与传统模板匹配算法(TMA)和高斯金字塔优化的模板匹配算法(Gaussian pyramid transformation,GPT)进行实验对比,证明所提算法较其他2种算法在处理每一张样本图片的时间上分别由0.013s、0.011s缩短到0.008s,在计数准确度上分别由77.32%、84.94%提高到97.36%以上,并且在拼接精度上也优于其他2种算法,实验结果验证了所提算法的有效性。     

基于机器视觉的丝网印刷样板尺寸测量方法

丝网印刷样板种类和样式多,每片样板上待测目标也较多,不宜采用一致的梯度阈值参数定位边缘实施测量;此外,传统视觉检测采用定位矩形框建立测量坐标系的方式会引入测量误差,因此,提出一种基于机器视觉的丝网印刷样板的尺寸测量方法。采用一种由粗到细的测量策略,借助每一类待测目标的模板进行信息统计,针对性地设置阈值参数,改善测量精度。在测量阶段,利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位,再使用由模板信息统计获取的阈值参数进行边缘精细定位,建立局部坐标系,完成测量。实验结果表明:在同等实验条件下,此方法能够有效提高测量精度,算法改进后测量结果的平均相对误差由原来的4.02%降到1.47%,并且无需用户介入调整测量参数,适用于不同种类丝网印刷样板的灵活测量。     

一种包装卷材快速在线检测算法

目的提高包装卷材图像的检测速度与精度,以实现快速在线检测。方法预先对几副标准样本图像进行拼接,将得到拓展的样板图像作为动态模板的母版。检测过程中,首先计算待测图样中心区域经简化的图像几何矩,并在前述样板中的一段区间内搜寻最佳匹配位置。再以该位置为中心,在样板图像上划分出与待测图样相同大小的区域作为动态模板,最后利用图像差影法实现缺陷检测与识别。结果二阶简化几何矩能有效减少运算量,动态模板可显著提高卷材图像检测速度,以电子元器件包装卷材载料带为检测对象对所提出的方法进行了测试,在较高分辨率条件下检测速度不低于2 m/s。结论该算法可满足包装卷材快速在线检测需求,对提高相位不确定性图像检测速度有一定参考意义。     

适应不完整目标的快速模板匹配

针对不完整目标的查找,提出一种基于分块统计的快速模板匹配算法.将模板和待匹配图像区域划分成尺寸相同的若干方块,首先采用绝对距离度量分块中对应像素的像素匹配度,接着运用统计的方法依次确定块匹配度和目标匹配度.为加快算法运算速度,在图像遍历过程中构建金字塔结构进行分层搜索.实验结果表明,该算法可准确定位完整和不完整目标,运算时间保持在毫秒级,并具有很强的抗噪声能力.     

烫印在线检测图像识别算法的研究

应用中值滤波法对采集的烫印图像进行了噪声消除,根据烫印图案亮度值较高的特性,将彩色图像从RGB 空间转换到了 HSV 空间,然后经过 H 通道阈值分割,结合差分求和定理以及模板分块匹配,改进了 NCC算法,实现了烫印区域识别提取。 通过大量实例对算法进行了验证,结果证明此算法能够快速、有效识别烫印区域,对机器视觉在烫印质量检测中的应用具有一定的指导意义。     

改进NCC算法在铝塑药板包装缺陷检测中的应用

目的 鉴于传统归一化互相关算法（Normalized cross correlation, NCC）存在计算量大及无法适应图像旋转的缺陷,提出一种改进算法,能快速完成对泡罩区域的提取,以及对铝塑药板缺损、漏装等缺陷的识别。方法 首先对原始图像进行预处理,然后通过仿射变换使其变换至指定位置,接着提取其单个泡罩区域作为模板并构建积分图,最后获取待测图像,变换至相同位置后进行查表式匹配。结果 与传统方法相比,改进后算法速度得到极大提升,对为1920×1200图片的匹配时间仅为21 ms,对实验样品的检测误检率为0,漏检率为3.5%。结论 改进后的NCC匹配算法在满足精度要求的同时具有较快的速度优势,能较好地适用于铝塑泡罩包装缺陷检测中对泡罩区域的快速提取,药粒缺损10%以上缺陷及漏装缺陷的识别。     

采用邻域差值特征模板的立体匹配方法

提出了一种基于邻域差值特征模板的立体匹配方法。该方法通过计算一幅图像中间隔一定距离的两点的像素邻域差值作为特征模板,再计算另一幅图像中在同一扫描线上间隔同样距离的像素邻域的差值,将它与特征模板的偏差作为匹配标准,偏差最小的点就认为是匹配点。在同等条件下,与区域相关法相比,该方法能够将运算的速度提高3倍,且同样能够得到精确浓密的视差图。实验证明,该算法结构简单,易于实现,能够处理复杂的场景,具有良好的实验效果和实用价值。     

多模板检测算法在印刷品缺陷检测中的应用

提出了一种新的模板匹配方法,能够有效的去除剪影图像中的轮廓伪影,保存真正的印刷缺陷.其模板制作过程简单,匹配算法高效,能够满足在印刷品线检测的实时性要求.