基于模糊圆周模板匹配方法的钢材数量自动计数系统

向传统的模板匹配方法中引入几何和模糊数学的思想,提出了模糊圆周模板匹配方法,该方法中的模糊圆周模板是由一个隶属函数确定的具有一定半径和线宽的圆周数据,匹配时判断待匹配位图中的物体与模板中的模糊圆周的相似程度。该方法充分利用待匹配物体的几何形状,并且能有效克服待匹配位图噪音大,待匹配物体形状不完全规则等因素对模板匹配效果的不利影响,本文基于此方法设计与实现了钢材数量自动计数系统。     

面向工业零件的机器人单目立体匹配与抓取

为实现通用性强、快速、准确的工业机器人6自由度零件抓取,提出了一种基于单目视觉引导的零件3维抓取方法．首先,采用按倾角分层的Chamfer距离匹配算法建立图像与待匹配模板的相似度函数,并运用爬山法局部优化的遗传算法搜索最优匹配结果;然后,通过CAD（计算机辅助设计）模型建立离线3D模板库,将匹配算法拓展到适用于复杂结构零件的空间6自由度位姿检测;最后,由各坐标系间的矩阵转换和系统标定得到机器人的抓取信息,从而实现零件的3维抓取．实验结果表明,优化后的位姿检测算法在匹配速度和准确性上均有所提升,且基于该检测算法的机器人3维抓取实验的位置误差在2 mm以内、转角误差在2°以内,可用于工业智能机器人的零件抓取．     

改进迭代最近点法的亚像素级零件图像配准

针对模板匹配方法用于非结构化环境下的杂乱零件识别与定位精度低的问题,提出了亚像素级的配准算法.首先提出亚像素级的配准问题可视为计算模板图像与待配准图像的边缘点集的最优几何变换;然后提出了改进迭代最近点法来估计几何变换,包括使用动态邻域搜索策略快速搜索匹配点、利用匹配点的方向一致性约束和距离约束来移除误匹配点、用光照不变的点到曲线的距离来构造误差度量函数,再用线性最小二乘法给出误差函数的封闭解;最后使用自制零件和MPEG-7 shape B数据集进行实验,结果表明该算法配准正确率、实时性和精度均明显优于传统算法,能够满足非结构化环境下的杂乱零件亚像素配准精度和鲁棒性要求.     

运动模糊图像的恢复方法研究

分析了运动模糊图像的退化模型和恢复过程，改进了一种运动模糊图像的恢复方法。先通过图像系统辨识方法求解PSF函数，进而在频域和时域完成运动模糊图像的恢复，并就运动模糊图像进行逆滤波恢复、维纳滤波恢复和时域反卷积恢复进行了理论说明，比较了各自的优缺点。最后给出了几种恢复效果的对比实验结果。     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

一种有效的运动模糊图像恢复算法

探讨了任意方向的匀速直线运动模糊图像的恢复问题。证明了对任意方向的商线运动模糊图像只能直接设置二维点扩展函数进行二维恢复，不可先进行x方向的一维恢复再进行y方向的一维恢复。给出了估计PSF的方向和模糊范围D的频谱方法。并用实验验证了PSF谱估计方法的有效性，以及带窗的维纳滤波方法相比于标准维纳滤波方法的优越性。     

粗糙自适应遗传算法在图像恢复中的应用

针对简单遗传算法(SGA)在图像恢复应用中寻求匹配近似解时,存在匹配度低及匹配值差异较大,导致很难得到所需近似解的问题,设计了一种新的图像恢复方法。该方法采用的方案是将简单遗传算法与粗糙自适应算法相结合,按照匹配数值对SGA在其搜索解空间所得匹配近似解进行明暗标记分类,然后按照粗糙自适应模型进行相应地分类处理,以增强图像恢复算法的鲁棒性。通过与逆滤波、维纳滤波和简单遗传算法的对比实验表明,粗糙自适应遗传算法(RAGA)能更好地保留图像边缘及提高峰值信噪比值。     

基于差分矩阵的KMP图像快速匹配算法

针对KMP图像匹配方法应用于带噪声或子图与模板灰度非一致时的图像匹配中存在效率较低,匹配成功率很低的问题,提出了一种基于差分二值矩阵的KMP图像快速匹配算法。该算法先对图像矩阵进行差分求值,利用二值矩阵再进行KMP图像行匹配的方法搜索可能的匹配位置,比较这些位置的整个图像的匹配情况,从中筛选出正确的匹配位置。同时,在行匹配过程中通过记录开始的匹配位置来减少搜索空间,提高效率。实验表明,该方法有效提高了匹配速度,保证了匹配正确率。     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

图像模糊度参数估计与图像复原的实验及分析

由于成像系统与运动物体之间存在相对运动，摄像机在成象过程中经常会产生运动模糊。为了有效复原退化图像，需要从模糊图像中估计模糊函数的某些参数、噪声统计量等相关信息。在运动模糊中，模糊函数中最重要的参数是模糊度参数。模糊图像的模糊度内的像素点存在着相关性，利用其相关性可估计模糊度参数。根据运动模糊图像中沿着运动模糊方向与其他方向有不同图像特性的特点，估计水平直线运动图像模糊度参数并采用维纳滤波方法复原模糊图像，取得了较好的恢复效果。     

Nonorthogonal Image Expansion Related to Optimal Template Matching in Complex Images

Expansion matching (EXM) is a novel method for template matching that optimizes a new similarity measure called discriminative signal-to-noise ratio (DSNR). Since EXM is designed to minimize off-center response, it yields results with very sharp matching peaks. EXM yields superior performance to the widely used correlation matching (also known as matched filtering), especially in conditions of noise, superposition, and severe occlusion. This paper presents an extended EXM formulation that matches multiple templates in the complex image domain. Complex template matching is useful in matching frequency domain templates and edge gradient images, and can be extended to multispectral images as well. Here, a single filter is designed to simultaneously match a set of given complex templates with optimal DSNR, while eliciting user-defined center responses for each template. It is shown that when the complex case is simplified to the case of matching a single real template, the result reduces exactly to the minimum squared error (MSE) restoration filter assuming the template as the blurring function. Here, we introduce a new generalized MSE restoration paradigm based on the analogy to multiple-template EXM. Furthermore, the output of the single-template EXM filter is also shown to be equivalent to a nonorthogonal expansion of the image with basis functions that are all shifted versions of the template. Experimental results prove that EXM is robust to minor rotation and scale distortions.     

利用Harris特征点和环形均值描述的图像区域复制篡改的被动取证

提出一种利用Harris特征点和环形均值描述的图像区域复制篡改检测算法。首先对图像进行自适应维纳滤波,并利用Harris算子提取图像的特征点,然后通过对每个特征点的环形邻域进行均值描述生成特征向量矩阵,并采用字典排序和阈值化处理进行相似性匹配,从而确定候选匹配点,最后利用RANSAC算法剔除错误的匹配点,实现复制和篡改区域的标识定位。实验结果表明,算法对于复制区域的旋转和翻转变换具有较强的鲁棒性,并且可以有效抵抗常见的后处理攻击,包括高斯模糊、加性高斯白噪声、JPEG压缩以及它们的混合操作,尤其能够抵抗非显著视觉结构的平坦区域和小区域的复制、粘贴、篡改操作。     

基于模板匹配法的散焦图像模糊度估计

提出一种新的散焦图像模糊度估计方法。由图像中的阶跃型边缘提取线扩展函数。根据匹配滤波可实现最优信噪比信号检测的思想,引入模板匹配的方法计算线扩展函数的标准差。由点扩展函数的圆周对称性从线扩展函数的标准差得到高斯型点扩展函数的标准差。实验结果表明,该方法能够准确地估计散焦模糊图像点扩展函数的标准差。将点扩展函数的标准差作为一种评价图像模糊度的测度。实验表明该测度符合人眼的视觉特性,可以很好地判定散焦模糊图像的模糊度。     

运动模糊图像的维纳滤波复原研究

根据运动造成图像模糊的特点详细分析了匀速直线运动模糊图像的退化模型和恢复模型,提出直接在运动方向上建立点扩展函数的算法,并利用改进的霍夫变换检测点扩散参数,再利用二次维纳滤波的方法复原图像。通过实验表明在图像先验条件的要求没有增加的情况下,该方法提高图了像复原的抗噪性和稳定性,并且有效的保持图像细节。     

一种基于模板匹配的电路照片拼接方法

鉴于实际工作中,经常需要将多幅图象拼成一大幅大图象的问题,提出了一种针对显微照片的新拼接方法。该方法是应用模板匹配技术来实现图象的自动拼接,由于是通过利用图象信息来选择模板,从而为模板匹配的定位创造了条件,该方法分为模板选择、模板匹配和图象拼接3步。实际运用结果表明,该方法简单易行,在电路照片的拼接中,定位较准确,且拼接效果好。     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

基于解析形式的二维参数可变形模板匹配算法

为了更好地进行图像轮廓提取，对基于解析形式的二维参数可变形模板匹配方法中的模板结构、形变方式、离散化方案、内外部能量函数及优化算法等方面进行了研究与改进，并以生物体为原型，提出了一种具有3种生物组织结构的、形变方式可通过模板结构加以明确控制的、新的参数可变形模板匹配算法，该新算法是利用Gaussian函数来扩展外部力的作用域，并采用贪心优化快速算法进行能量函数优化。实验结果表明，这一新的模板匹配算法具有良好的轮廓提取速度、提取精度及稳定性。     

Image restoration with shifting reflective boundary conditions

In signal and image processing,we want to recover a faithful representation of an original scene from blurred,noisy image data.This process can be transformed mathematically into solving a linear system with a blurring matrix.Particularly,the blurring matrix is determined from not only a point spread function(PSF),which defines how each pixel is blurred,but also boundary conditions(BCs),which specify our assumptions on the data outside the domain of consideration.In this paper,we first propose shifting reflective BCs which preserve the continuity at the boundaries and,therefore,reduce ringing effects in the restored image.A Kronecker product approximation of the corresponding blurring matrix is then provided,regardless of symmetry requirement of the PSF.Finally,we demonstrate the efficiency of our approximation in an SVD-based regularization method by several numerical examples.     

基于移位反射边界条件的图像复原

在信号和图像处理中,期望将原始场景从观测到的降质数据中恢复出来.在数学上,这个过程就转化成为求解一个系数矩阵为模糊矩阵的线性系统.该模糊矩阵是由刻画模糊的点扩散函数和假设原始图像外部数据的边界条件所决定的.为了更好地保留边界连续性以及减少复原图像中的振铃效应,本文提出移位反射边界条件,并在不依赖于点扩散函数对称性的情形下,给出了对该边界条件下的模糊矩阵的Kronecker积逼近和相应的SVD型正则化算法.实验结果表明,基于移位反射边界条件的SVD型正则化算法效果很好.