多目标快速搜索算法--芯片图像识别中应用

提出一种多搜索结果的三极管芯片图像匹配算法.首先利用金字塔搜索算法对目标图像进行分层搜索匹配,减少了图像的匹配计算量.其次在搜索过程中依次判断搜索目标是否符合要求,并消除重复结果.所提出的算法主要用于三极管芯片的粘片机及焊线机的图像识别系统中,试验证明该算法能满足设备的实时性和精度要求.     

字符识别中两种改进的模板匹配算法

模板匹配算法是字符识别中最常用的一种算法。本文首先介绍了字符识别与模板匹配算法的基本原理,然后在传统模板匹配方法的基础上提出了两种改进的模板匹配算法。一是多模板匹配法,该算法可以对模糊不清、有倾斜的字符进行了有效识别;二是字符区域分割匹配法,该算法使相似度较大的字符可以得到准确的识别,并且大大减少了计算量,加快了识别速度。本文使基于模板匹配的字符识别达到了更有效,更准确的效果。     

一种更高效的尿沉渣自动识别算法

提出了一种综合支持向量机（Support Vector Machine,SVM）和模板匹配的尿沉渣识别算法。首先根据面积特征将有形成分粗分成大目标类和小目标类,然后对小目标类中的草酸钙结晶以模板匹配法识别,而红、白细胞采用SVM的方法进行分类,最后对大目标类中的上皮细胞和管型则根据其狭长度加以区分。实验表明,该算法在将尿沉渣识别率提高到96.7%的同时还节约了22.4%的识别时间。     

基于奇异值特征的目标识别复合算法

提出了一种基于灰度模板匹配与奇异值分解相结合的目标识别复合算法,并在目标搜索过程中采用了先粗匹配后细匹配的匹配方法,使得匹配速度和精确性大幅度提高;同时算法中消除了光线、目标大小变化等对模板匹配的影响;最后通过实验验证了该算法的实用性,取得了比较理想的实验效果。     

序列图像的目标识别方法

针对灰度差绝对平均值算法匹配次数多,不具有旋转不变性等缺点,提出一种新的序列图像目标识别方法。首先,分别在模板图像和目标图像中进行特征点检测,然后将模板图像中检测到的特征点附近区域作为特征模板。利用特征模板与目标图像中的特征点相应区域进行环形模板匹配操作,从而在目标图像中找到与模板图像相匹配的特征点。对于因遮挡而丢失的特征点,可根据已匹配特征点之间的相对关系来重新确定,从而实现目标识别的功能。仿真实验验证了该算法的有效性。     

基于模板匹配的多目标精确粘连分割算法

在提取多运动目标的基础上,利用目标运动的时空连续性,提出一种基于模板匹配的多目标精确分割算法。该算法首先利用混合高斯模型提取视频中的运动目标,然后利用模板匹配算法初步识别出每一个目标的区域,最后利用扩张算法扩充目标的完整边界区域。实验结果表明,与传统的静态粘连分割算法比较,所提出的算法不但能分割同一颜色的多目标视频,而且分割效果更准确更高效。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

基于模板匹配的苹果果实识别

为了实现果蔬收获机器人的果实识别和定位,同时为了消除由于果实大小和生长角度对识别的影响,以自然环境下的果园苹果作为识别对象,采用模板匹配方法,计算目标图与模板图的归一化互相关系数矩阵,通过在空域对模板图像做尺度变换和角度旋转进而对目标图像进行模板匹配,实现对果园苹果的果实识别。实验结果表明,该模板匹配算法能有效识别自然环境下的苹果果实,可以用于机器人视觉系统的识别任务。     

一种改进的模板匹配的数字识别算法

提出了一种改进的模板匹配的数字识别算法,该算法是预先将字符分成若干个集合,经细化得到数字中央的骨骼部分,再对待识别数字提取特征并与训练库中的数字特征加权比较,利用欧式距离最小原则来对数字作出判决,试验结果表明,加权的模板匹配法保证了数字识别的正确率,而对数字进行预分类和细化处理,可以大大缩小模板匹配的识别速度,弥补了模板匹配算法对于大量数字耗时多的缺点,提升了系统速度。     

基于对数极坐标变换和仿射变换的目标识别定位方法

由于传统的模板相关匹配算法在目标图像发生较大旋转和放大时，定位结果可能会发生偏差，因此为了取得精度更高的目标识别结果，提出了一种基于对数极坐标变换粗匹配，结合仿射变换精匹配的目标图像识别定位方法，以用于在视场中自动搜索相对于模板图像有平移、旋转和尺度变化的目标图像。实验结果表明，该算法不仅定位精度高，而且相对于传统的模板匹配算法有更强的鲁棒性。     

自动金丝球引线键合机图像识别系统

自动金丝球焊机是半导体制造后端工序的关键设备之一,图像识别系统是其核心技术.通过直方图均衡、种值滤波实现图像的增强、去噪,采用MPSA算法减少计算量,同时结合计算机并行处理技术,利用MMX指令对图像处理部分进行代码优化.该图像识别系统已成功应用于手动金丝球焊机中,将其改造为自动金丝球焊机.     

Advanced pellet recognition system for die bonder

This paper describes a Pellet Recognition System developed for a fully automated die bonder. In this system, a newly developed pellet corner recognition method is adopted. Using this method, the center position and inclination of each pellet can be calculated from the image of the pellet corner. In addition, it is possible to recognize various sizes of pellets with the same high resolution (8 μm/Pixel).     

基于改进区域分割遥感图像的航天器目标自动识别方法

：传统的航天器目标自动识别方法识别精准度差,为了解决这一问题,基于改进区域分割遥感图像研究了一种新的航天器目标自动识别方法,通过人工排查的方式来追踪航天器所提供的位置信息,并建立三角形立体体系,提取出航天器所追踪的目标和航天器之间的位置关系,实现航天器目标检测,分别针对复杂场景和运动场景对目标进行识别,引用击穿识别方法,基于遗传算法以及变换算法,实现了在复杂的自然遥感图像中能够识别多种目标,但是对于残缺和不完整的目标识别性差,因此又在方法中引入了自动学习智能识别算法,解决了在遥感图像中残缺不完整的目标识别效果差的问题。设定对比实验,结果表明,相较于传统方法,基于改进区域分割遥感图像的航天器目标自动识别方法识别准确率提高了15.23%。     

结合纹理和分布特征的遥感图像群目标识别方法

针对航空图像中的群目标提出结合纹理和分布特征的目标识别方法。该方法可以分为两步: 首先选取一组纹理特征,采用最大似然分类算法完成子目标区域的分割;然后基于分布特征从子目标区域中快速定位和识别群目标。实验表明,所选的纹理特征可以有效区分防护掩体与各种自然背景;提出的基于分布特征定位和识别目标的剪枝算法,与同类算法相比速度获得较大提高。对于多幅航空图像进行识别实验均得到满意的结果,表明这种方法可以有效的从复杂自然场景中快速识别出感兴趣的群目标。     

基于Linux的全自动上芯机实时多任务结构与实现

分析了Linux的多任务并行处理和可裁剪性等方面的特点,结合全自动上芯机控制系统的要求,提出了基于Linux平台上芯机控制系统的实时多任务管理结构及其实现的方法。     

全自动引线键合机

本文介绍了一台自动引线键合装置,用模式识别技术完成位置检测,系统中采用高稳定 ITV和视频信息实时输入的DMA通道,键合机具有键合工艺所需的识别率、对准精度和速度.     

高精度二极管粘片机控制系统的设计与实现

本文介绍了一种高精度二极管粘片机控制系统的设计方案,并具体阐述了其设计思想。在分析系统结构及工作原理的基础上,提出了视觉定位系统、上位控制系统、执行机构等各分系统的设计。研制的高精度二极管粘片机已应用于具体项目中,实验表明其具有结构合理、速度快、精度高、界面直观等优点。     

结合YOLO的ORB双目图像匹配方法研究

针对双目视觉中ORB(Oriented Fast and Rotated Brief)图像匹配算法准确率不高以及会出现不同物体之间特征点错误匹配的问题,提出一种将YOLO(You Only Look Once)目标检测算法和ORB算法结合的双目图像匹配方法.该方法首先使用YOLO的卷积网络提取图像特征,并采用多尺度预测目标区域坐标和类别信息,以解决小目标与多目标识别不准的问题;接着,使用FAST(Features from Accelerated Segment Test)算子检测特征点和BRIEF(Binary Robust Independent Elementary Features)算子描述特征点,并利用ORB算法进行粗匹配;最后用去误匹配算法判断并去除不同类别和位置信息目标框中的匹配点.实验结果表明,该方法在单目标、双目标和多目标双目图像中的匹配准确率相较传统ORB匹配算法精度都有所提升.     

基于单目视觉的移动机器人导航算法研究进展

基于单目视觉的移动机器人导航的研究,涵盖了机器视觉、模式识别和多目标跟踪多个领域．其算法框架不仅成功应用于移动机器人导航,还为目标检测、识别与跟踪领域的研究提供了可供参考的模型．该综述将以算法发展历史为脉络,结合一些典型系统,通过对关键技术和算法结构的分析比较,总结算法本身的发展前景和由此发展起来的可供相关研究参考的算法框架．