自适应阈值SSDA图像匹配拼接算法的研究

传统的模板匹配算法计算量大，匹配速度慢。序贯相似性检测算法SSDA虽可以减少计算量，但其固定阈值的合适选取存在很大的困难。针对这种情况，提出了一种自适应阈值的序贯相似性检测图像匹配拼接算法。选定阈值初值后，在后续匹配计算中不断自适应更新，遵循超过当前阈值就不再匹配计算的原则，寻尽可能的减少计算量，找最佳匹配点的位置。实例表明，这种算法速度快，匹配准确，图像匹配拼接效果好。     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

一种图像相关匹配算法的改进及实现

序贯相似性检测算法(SSDA)是针对传统模板匹配算法提出的一种高效的图像匹配算法,对SSDA算法进行改进,利用序列来代替固定阈值,采用隔点采样以及粗匹配和精匹配相结合,进一步提高了计算效率。并在此基础上,采用Visual C++6.0对该算法进行了编程实现。实验证明,该算法比传统的SSDA算法计算速度更快、匹配误差更小。     

基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

基于视觉传达技术的激光遥感图像匹配研究

为提升匹配精度,减少消耗的时空资源,研究基于视觉传达技术的激光遥感图像匹配方法.采用优化的Otsu自适应阈值算法对去噪图像实施边缘检测,提取共有特征,消除图像灰度差异性.采用傅里叶域检测的匹配方法得出匹配结果.实验结果表明:与传统图像匹配方法相比,新方法特征点分布均匀密集,匹配正确率可达98％,可实现图像去噪与高精度边...     

SSDA波形匹配在高频电源开关控制中的应用

针对高频电源开关控制问题,提出改进序贯相似度检测(SSDA)的波形匹配方法来预测一次电流过零点,以控制高频电源开关元件开通和关断来提高高频电源输出功率。通过对SSDA算法阈值设定方法的改进,提高了该算法的匹配速度。首先,对不同条件下的一次电流波形进行取点,考虑波形采集过程的噪声,依次采取低通滤波和算术平均滤波的方法对采样数据进行处理后建立波形库。利用改进SSDA波形匹配的方法,根据匹配相似度较高的库中波形来预测目标波形的过零点时间,从而控制电源开关。实验结果证明,所提方法具有可实施性,且有较快的匹配速度以及较高的匹配精度。     

遥感图像匹配算法比较研究及实验仿真

文中简要介绍了遥感图像的匹配原理,然后分别介绍了基于灰度和特征的图像匹配算法在遥感图像匹配不同场景中的应用。最后,用C++实现了4种遥感数字图像匹配算法的仿真实验,并进行了对比研究,综合评价得出,基于序贯性相似检测匹配(SSDA)的改进方法是一种适合广泛应用的方法。     

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其它两种误匹配点剔除算法,且时效性也较RANSAC算法好。      

应用于图像匹配的实时自适应RANSAC算法研究

随机抽样一致性(RANSAC)算法广泛应用于图像匹配领域,帮助图像匹配算法筛选并剔除误匹配点对,提高图像匹配的精度。经典的RANSAC算法存在计算数据量大、运算速度慢、样本适应性差等问题,无法满足图像匹配实时性和样本多变性的需求。针对以上问题,提出了一种基于自适应预检验和迭代阈值自适应相结合的改进RANSAC算法,并给出了具体的设计思路和工作原理。通过实验验证发现,该算法相比于经典的RANSAC算法,运算速度和样本适应性方面都有大幅提升。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

改进匹配算法在LED粘片设备图像识别中的应用

在全自动LED粘片设备中,为了实时快速精确地识别出LED芯片,提出了一种新的金字塔-序贯相似性检测匹配算法,有机地结合了金字塔算法的快速性和序贯相似性检测匹配算法精确性的优点.该算法先采用金字塔算法对目标图像进行分层搜索,呈几何级的减少匹配次数,提高效率,然后用序贯相似性检测匹配算法在很小的区域内进行精匹配,达到准确定位的目的.目前,该算法已在VC 编程环境中编程实现,并在样机上得到应用,达到了工业应用的目的.     

基于改进Canny算子的垃圾图像边缘检测

为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算子的垃圾图像边缘检测方法。该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化。针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波。针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化。同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应。实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障。     

遥感图像的亚像元匹配方法研究

为了在一定亚像元匹配精度下提高亚像元匹配速度、研究传统的模板匹配亚像元方法,提出将图像重采样法和曲面拟合法结合起来用于亚像元匹配。先利用序贯相似性检测法,找到像元级的最佳匹配点,然后对模板n倍重采样,计算每个子模板与最佳匹配点的归一化相似性度量值,并计算当归一化相似性度量值最大时所对应的子模板在图像中的位置,再在绝对误差值最小的3×3区域内应用曲面拟合法,从而得到亚像元定位坐标。结果表明,采用图像重采样法和曲面拟合法相结合的新方法,在10倍重采样的前提下,匹配精度高于0.04像元的亚像元精度。     

基于自适应调制的改进型VBLAST检测算法研究

根据检测顺序不同,贝尔实验室垂直分层空时(V-BLAST)检测算法分为正序和逆序检测。本文针对自适应调制的特点首次将两种检测算法结合,提出一种新的混合检测顺序。首先检测调制尺寸已达最大的饱和信道,然后检测信噪比不能满足最低门限的无效信道,最后按检测后信噪比距离门限值最近者优先的原则检测剩余子信道。仿真结果表明,在平均信噪比较高或较低时,混合检测的频谱效率分别趋于正序或逆序检测,当信噪比适中时,新算法的频谱效率优于其它两种算法。     

Shack-Hartmann 波前传感器质心探测的优化方法

为提高Shack-Hartmann(S-H)波前传感器的光斑质心探测精度,在分析质心探测误差来源的基础上,提出基于模板匹配的探测窗口选取方法和基于单个光斑的自适应阈值选取方法,将这两种方法与加权质心算法相结合求取质心,提高了质心探测精度。与固定阈值和传统质心算法相比较,当SNR 大于3 时,质心探测精度平均提高了约40%。将文中的方法应用于可见光波段的商品S-H 波前传感器,实验表明:文中方法得到的质心偏离度由传统方法的0.83 pixel 的最大值减小至0.15 pixel。该工作有重要的应用价值。     

基于动态自适应双门限能量检测的序贯协作频谱感知算法

针对在一般高斯白噪声环境中,传统的双门限能量检测频谱感知算法忽略确定两门限之间的感知信息的问题,该文提出一种基于动态自适应双门限能量检测的序贯协作频谱感知算法。新算法以最优化检测概率为目标,采用序贯方式对协作用户进行动态自适应双门限建模,并对处于两门限之间的接收能量值进行软判决。进一步地,新算法能自适应动态调整门限大小和各判决区域协作用户数,以达到最大化检测概率和最优化受试工作特征曲线的目的。理论分析和仿真结果表明,与经典的双门限能量检测算法相比,提出算法具有更优的检测概率。     

一种基于序贯相似性检测算法(SSDA)的加速算法

序贯相似性检测算法（SSDA）是针对传统模板匹配算法提出的一种高效的图像匹配算法．在该算法中引进了阈值，即模板与其覆盖下的搜索子图的像素差值的上限值．提出的基于SSDA的加速算法，是在此基础上．引入了模板与其覆盖下的搜索子图的像素差值的最低门限值．如果该最低门限值超过了阈值．则可以跳过该搜索子图．实验证明：该算法比传统的SSDA算法在速度上有所提高．     

一种快速自适应的Harris角点检测方法研究

Harris角点检测算法在图像处理中使用非常广泛,有着较高检测率,但算法运算量比较大,实时性不高.同时,该算法无法设置通用阈值处理不同图像.针对这些问题,提出一种快速自适应Harris角点检测算法.该算法先使用Fast算法,对图像进行预筛选,再使用Harris算法,并构造自适应阈值.实验结果表明,该算法可以有效克服阈值选择不当造成的角点冗余或丢失,并可大幅减少运算量.     

基于自适应门限MDL方法的TDMA突发特征码检测

阐述了基于最小描述长度(MDL)方法来进行特征码检测,根据检测量分布的推导结果,提出了检测门限对检测性能、特征码位置不确定性和信噪比变化自适应的MDL特征码检测方法。当基于特征码进行通信信号分选时,新方法具有更好的应用灵活性,且检测性能对频偏具备鲁棒性。