基于改进Lucas-Kanade的亚像素级零件图像配准*

针对工业应用中零件图像配准存在的光照变化和缺少纹理信息的难题,提出了改进Lucas-Kanade的亚像素级零件图像配准算法。首先根据光照变化和几何变换模型构建了模板与待配准图像间的非线性最小二乘函数;然后依据两幅图像的方向向量一致性和边缘特征为函数添加权重,以减少冗余像素点;最后应用Levenberg-Marquardt(LM)算法解算函数最优解,以实现精确图像配准。使用500幅待配准图像进行实验,结果表明该算法对缺少纹理的零件具备光照不变性,配准正确率高且达到亚像素级精度,能够满足工业应用的鲁棒性和精度要求。     

一种改进的病理显微图像亚像素快速配准方法

针对病理显微图像的快速高精度配准的应用需求,提出了一种改进的亚像素快速配准方法。通过采用对数差值函数对显微图像重叠区域进行信息量评估,由H型对数差值模板配准获取两幅图像像素级的粗定位和有效子图,继而在两幅子图上采用局部上采样相位相关法来获取亚像素级别的配准估计值。该方法利用H型对数差值模板简洁、配准速度快的优点规避了相位相关法计算量随着图像尺寸增大而急剧增长的缺陷,并能够对显微图像进行信息量评估以避免空白图像造成的误配。经实验表明,改进的显微图像配准方法配准精度可达0.01像素,速度为相位相关法的3.7倍（图像大小为2448×2048）,更适合应用于病理显微图像的快速高精度配准。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

一种序列图像配准的计算框架

提出了一种对来自多传感器的序列图像进行时间．空间配准的计算框架。该框架适用于摄像机静止的场合，而且所拍摄的图像序列中有运动目标存在，但在图像序列的开始阶段为静止背景。首先对静止背景进行配准，得到空间变换的初始估计；然后，利用运动目标质心间的对应关系得到时间变换的初始估计；最后，结合共同信息计算出最终结果。本框架的空间配准精度可得到亚像素级，时间配准精度可达到亚帧级。本框架已成功应用于可见光／红外图像序列的配准实验。     

细粒度动态单像素模板算法

针对高斯模板用于图像旋转时,使图像产生模糊的问题,提出细粒度动态单像素模板算法.根据图像小邻域局部相关性原理,将当前像素分割为5×5的子像素,对每一个子像素求得一个模板.用当前像素的这25个模板之一代替高斯模板进行图像旋转,消除了高斯模板旋转图像时产生模糊的问题.该算法旋转图像的质量与双线性插值算法相近,且具有更高的计算性能.     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

一种基于外形区域的图像配准方法与实现

医学图像配准是医学图像处理与分析的重要组成部分.但由于医学图像的复杂性,在配准精度和配准速度两方面均优的算法很少.提出了一种基于分割所得二值图像的配准算法,并提出了一种适合二值图像配准的相似化测度,最后详细讨论了此算法的实现问题.与现今最流行的基于互信息的配准方法相比,文中的算法更易于实现,且具有良好的特性:适用于单模和多模图像配准;亚像素级精度;快速的配准速度.     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

改进的基于纹理特征的图像配准算法

针对图像纹理规则性与重复性及图像起始纹理分布的不一致性,依据VE4000检测系统的纹理特征配准算法达到配准目的。该算法自行设计标准单一模板,对单一模板进行裁剪与拼接技术达到了图像配准的目的,但是配准效果较差,在此基础上提出了改进的纹理特征配准算法,重新设计模板,拼接生成标准的参考图像,对参考图像进行匹配与裁剪以获取不同配准图像。实验结果证明,改进的基于纹理特征的配准算法运行时间短,配准误差小,能够很好满足缺陷检测的配准需求。     

采用轮廓向量特征的嵌入式图像匹配方法

为实现工业流水线快速、准确目标定位,提出一种采用轮廓向量特征的实时图像匹配方法。以[X、][Y]方向向量为描述的关键轮廓点集为匹配特征,根据模板具体信息,计算最佳金字塔分层数、模板旋转角度步长和缩放步长,图像金字塔最高层则利用二级筛选策略,依据待测图优先剔除大量目标非潜在位置区域,仅对剩余少量区域进行计算,非最高层则进行同步局部搜索图像区域构建及匹配。实际测试表明：对目标遮挡,光照变化,聚焦不准,对比度低等鲁棒性强,耗时为毫秒级,识别率达97%以上,可实现任意坐标、角度和缩放情况下的目标定位,可满足工业现场要求。     

仿真图像作为模板的遥感影像小目标检测方法

随着传感器技术和航空遥感技术的不断进步,遥感影像的质量和数量也得到了极大的提高,而遥感影像中的目标检测是理解和分析遥感影像所面临的一个基本问题。针对神经网络在遥感影像小目标检测任务中难以提取足够多的有效特征、遥感小目标易受云雾遮挡等问题,提出了一种基于仿真图像模板匹配的方法,通过特征融合的方式成功地将该方法应用于遥感影像小目标检测任务。成像仿真技术生成的仿真图像包含了更多的遥感小目标特征,如几何形状、材质等。在与深度学习结合之后,更多的特征可以提升神经网络检测遥感影像小目标的准确率。实验结果表明将基于仿真图像的模板匹配方法应用于深度学习之后,对于遥感影像小目标检测取得了较好的效果,尤其是针对受到云雾等天气干扰的小目标。     

基于奇异值分解的图像匹配和目标跟踪研究

在目标跟踪过程中，由于存在目标姿态变化和背景干扰，在跟踪过程中必须要对模板进行必要的修正，应该在获取目标模板后有一个可靠的模板更新策略．本文探讨了奇异值分解及其在图像匹配和目标跟踪中的应用，定义了一种近似奇异值向量并提出了一种基于图像奇异值特征向量数据特点的跟踪策略并作了大量试验，试验结果表明所提出的图像匹配方法和目标跟踪策略的有效性．     

避免完美分割的图像识别方法

在目标大小已知、视点相同的情况下,通过对输入图像中各个与目标大小相同的子窗口进行局部分割,并确定每一子窗口局部分割结果与目标模板间的公共区域,分别提取两者在极坐标下的特征,根据两者特征的相似性,在一定的相似性门限下,实现对子窗口的识别。实验证明,该方法在背景复杂、目标分割质量较差的情况下,仍能取得较好的识别效果。     

基于全色航空影像的机场目标自动提取研究

图像分割可以快速准确地检测出目标的基本特征。但由于边缘点不连续和难以把存在大量碎边缘点的高细节区提取出来这两个原因,而不能直接实现完整意义上的目标自动提取。本文对模板匹配方法和特征提取进行了研究,提出了一种基于全色航空影像的MF算法来实现对机场目标的自动提取。     

一种新的视频图像分割算法

针对传统水平集需要不断重新初始化,不能直接应用到视频图像分割中的问题,提出一种新的视频图像分割算法。该算法根据图像序列中相邻的2帧,利用帧差法进行前期处理,并经过二元休憩和数学形态学的处理得到一个运动目标的模板,将该模板作为新的初始水平集进行演化,可以得到图像序列中的运动目标。实验结果表明,该算法能够得到运动目标的准确位置,避免传统水平集需要不断重新初始化的问题,减少计算复杂度。     

融合图像显著性与特征点匹配的形变目标跟踪

目的 针对目标在跟踪过程中出现剧烈形变,特别是剧烈尺度变化的而导致跟踪失败情况,提出融合图像显著性与特征点匹配的目标跟踪算法。方法 首先利用改进的BRISK（binary robust invariant scalable keypoints）特征点检测算法,对视频序列中的初始帧提取特征点,确定跟踪算法中的目标模板和目标模板特征点集合;接着对当前帧进行特征点检测,并与目标模板特征点集合利用FLANN（fast approximate nearest neighbor search library）方法进行匹配得到匹配特征点子集;然后融合匹配特征点和光流特征点确定可靠特征点集;再后基于可靠特征点集和目标模板特征点集计算单应性变换矩阵粗确定目标跟踪框,继而基于LC（local contrast）图像显著性精确定目标跟踪框;最后融合图像显著性和可靠特征点自适应确定目标跟踪框。当连续三帧目标发生剧烈形变时,更新目标模板和目标模板特征点集。结果 为了验证算法性能,在OTB2013数据集中挑选出具有形变特性的8个视频序列,共2214帧图像作为实验数据集。在重合度实验中,本文算法能够达到0.567 1的平均重合度,优于当前先进的跟踪算法;在重合度成功率实验中,本文算法也比当前先进的跟踪算法具有更好的跟踪效果。最后利用Vega Prime仿真了无人机快速抵近飞行下目标出现剧烈形变的航拍视频序列,序列中目标的最大形变量超过14,帧间最大形变量达到1.72,实验表明本文算法在该视频序列上具有更好的跟踪效果。本文算法具有较好的实时性,平均帧率48.6帧/s。结论 本文算法能够实时准确的跟踪剧烈形变的目标,特别是剧烈尺度变化的目标。     

快速线结构光中心提取算法

在线结构光三维测量系统中,结构光中心提取的速度和精度直接影响到系统的整体性能。基于几何中心法、方向模板法和灰度重心法,提出了一种快速提取结构光中心的算法。首先,先对图像进行预处理,通过几何中心法快速提取结构光中心作为骨架;然后,提出了一种基于位置的法线判断法求取骨架法线方向,与常用的方向模板法比较,在速度上有了大幅度提升;最后,对骨架法线方向上像素进行灰度加权,从而精确提取结构光中心。实验结果表明,该算法不仅在速度上有很大提升,而且精度也达到了亚像素级别。     

基于可变形样板的图像分割在医学影像上的应用

介绍了一种利用可变形的样板对图片进行分割的方法。方法的基本原理是通过对一个样板图像进行变形，使其能在最大程度上接近于目标图像来对目标图像分割的目的。使用样板变形进行图像分割的方法，可应用于医学影像中的器官分离等方面。     

基于LOG算子的小信息量图像匹配算法

为了提高远距离图像导航精度,解决小信息量、小模板及噪声条件下图像匹配的难点,针对传统相位相关的图像匹配算法对图像高频信息利用不足、匹配精度受模板尺寸影响及抗噪声干扰性能差的缺点,提出了基于改进LOG边缘检测算子的图像匹配新算法,采用新的LOG算子对参考图像和模板进行边缘检测,并利用相位相关在整幅图像内对模板进行配准。通过实拍图像对新算法进行了验证,实验结果表明,与传统图像匹配算法相比,新算法匹配精度高、抗噪声能力强,目标定位稳定、可靠。