图像特征点集匹配的稳健非线性投影NMF方法

包含相同目标的图像由于可能存在结构差异而导致特征匹配困难、不精确,针对该问题提出了一种新的匹配方法.首先,提出一种稳健的非线性投影非负矩阵分解方法(RNPNMF),利用RNPNMF得到特征点集的共同投影空间;然后,计算特征点集在共同投影空间的投影,利用特征点集在共同投影空间上的投影实现点集的精确匹配.最后,为验证本文方法的有效性,分别对光学图像和SAR图像进行了实验,实验结果表明:和现有方法相比,本文所提方法能更精确有效的实现特征点集的匹配,同时,应用于图像配准也得到了很好的结果.     

基于类语义结构表示的文本分类

目的:针对文本分类任务,在综合考虑语义和结构信息的基础上,提出基于类语义结构的表示模型。方法:该模型先把词嵌入空间划分成不同的类子空间,在每个类子空间中选择对类别有代表性的特征词,再将特征词对应的词嵌入进行组合得到类特征向量,最后将所有的类特征向量进行级联形成文本的向量表示。结果:与其他加权词嵌入表示方法在多个数据集上进行实验比较,分类精度提高了5%～15%。结论:表明该模型在文本分类任务中具有更好的性能。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法.该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用x2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配.实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率.     

基于图非负矩阵分解的图像配准

本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法.首先利用图像特征构造了无向权图的非负权矩阵,通过非负矩阵分解得到了包含原始图像全部特征的特征基图像;然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代,既能反映图的结构特征信息,又能提高图像的匹配率;最后在特征基向量空间找到了两图...     

基于空时相关阵联合对角化的子空间DOA估计

为提高空间相关噪声场中的目标方位估计性能,提出一种基于空时相关阵联合块对角化的子空间方位估计算法.具体利用Jacobi旋转矩阵法对一组空时相关阵联合近似对角化,用联合对角化特征向量矩阵和特征值修正MUSIC(Multiple Signal Classification)等子空间算法.理论和仿真结果表明,在非相关噪声场中,基于联合对角化的子空间算法性能与常规子空间算法基本一致;而在相关噪声场中,联合对角化特征向量法能显著减小方位估计方差,提高估计性能.     

基于新的梯度特征相似度量的目标跟踪算法

为了稳定跟踪空中具有强机动特点的战斗机目标,提出了一种图像梯度特征相似性度量算法,并利用空中目标梯度空间分布特点构造了一种自适应调整模板尺寸的方法.在传统MAD相关匹配算法的基础上,通过引入梯度匹配权值模板,实现了对梯度特征的相似性度量.在跟踪过程中利用目标梯度空间分布局部占优的特点,构造能够反映目标尺寸的特征分布曲线来估计目标大小,调整匹配定位时的目标模板尺寸.仿真结果表明,跟踪算法能够适应飞机在做强机动时产生的快速形变,以及由形变带来的目标自身灰度的剧烈变化,实现了对目标的稳定跟踪.     

余弦约束法则耦合改进RANSAC策略的图像匹配算法

目的提高当前图像匹配算法的匹配精度与鲁棒性。方法引入Forstner算子,精确提取图像特征点;采用一阶Haar小波来生成特征点主方向,并通过求取Haar小波响应来生成特征描述子;利用特征向量构建余弦约束模型,联合特征向量的距离度量方法构成双重匹配约束,从而完成特征点之间的匹配;引入投票机制对RANSAC方法进行改进,制定多重筛选方法对伪匹配点进行剔除,完成图像匹配。结果与目前图像匹配方法相比,文中提出的算法具有更强的鲁棒性与匹配精度,在特征总数为200个时,所提算法的匹配正确数量达到196个。结论所提匹配技术具有较好的匹配正确率,对包装印刷产品的识别以及信息安全检测等领域具有较好的应用价值。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题，本文提出了一种新的基于形状内容描述子的点特征匹配方法．该方法首先利用基于曲率尺度空间（CSS）的角点检测技术获得两幅图像中的角点及其所在的曲线；然后，计算两幅图像中每个角点的形状内容描述子，运用Z统计检验函数得到描述子的匹配度，对该匹配度进行评估，如果高于某一个闽值，则认为初始匹配成功；最后对初始匹配成功的点对，利用半局域限制完成点集之间的最终匹配。实验结果表明，本文所提出的匹配算法具有较高的点特征匹配准确率。     

支持向量像素抽样的快速图像匹配方法

提出了一种新的支持向量(SupportVectorMachines,SVM)回归的快速图像匹配方法。该方法将匹配模板图像中每个像素的位置坐标和灰度信息作为训练样本,通过选择合适的模型参数,进行SVM回归训练,获得少量的支持向量。依据SVM位置坐标对模板图像进行像素抽样,实现匹配数据的有效压缩。定义了图像支持特征向量,用少量的特征数据描述整幅图像变化的结构信息,保证了匹配数据的置信度。采用相关系数作为相似性测度,实现互相关匹配。实验结果显示,在一幅100×100的光学图像中提取85个支持特征向量点作为匹配数据,匹配概率可达到100%,匹配速度比传统相关匹配方法快近四倍。     

基于几何特征点的扩展目标跟踪方法

提出了一种基于几何特征点的扩展目标跟踪方法,该方法借鉴模板匹配跟踪的思想,以目标的几何特征点作为模板进行目标跟踪.把多尺度Harris特征点检测与SIFT描述子相结合,用于几何特征点的提取和描述,接着引入加权相似性度量公式和更新策略以提高特征点的匹配精度,从而实现更加稳定的跟踪.试验表明,该算法可以稳定地跟踪姿态剧烈变化的扩展目标.     

自适应选取阈值的三层快速匹配算法

提出一种自适应选取阈值的三层快速匹配算法。采用了由粗到精的匹配策略,先分别用环形模板和十字形模板进行粗匹配来淘汰大量非匹配点,再用全模板进行精匹配确定匹配位置以减小计算量。以模板和实测图的平均灰度差来自适应选取阈值,增强了算法的稳定性,从而弥补了环形法的模板信息单一且阈值固定的缺点。实验结果表明,该算法的匹配位置准确,匹配速度比相关法提高5倍,比环形法提高10倍,且在目标发生明显运动变化时仍具有很强的可靠性。     

视觉匹配技术的药片颗粒计数算法研究

目的通过机器视觉技术解决当前医药产业迅猛发展带来的批量生产药粒无法高效、精确计数等难题,提出基于视觉技术的药片特征二次匹配算法。方法药粒预处理后分割为多连通域,采用面积特征选择形状特征差异较大的2颗药粒为感兴趣区域,待膨胀后作为目标的先验模型,Canny算子提取边缘轮廓,同时计算轮廓点的方向向量。采用3层图像金字塔搜索算法加快匹配效率,并用最小二乘法调整模板的匹配精度,使匹配精度达到亚像素级别。结果通过对不同的椭圆形药粒进行实验分析,将匹配模板1和模板2(缩放比为1∶1)的最小匹配分数阈值分别设为0.63和0.59,采用3层图像金字塔搜索算法,从创建模板到匹配计数只需要0.11 s,相较于3层金字塔(缩放比为0.7~1.0,最小匹配分数为0.6)的单模板匹配算法速度快0.07 s,且对部分重叠的药片仍能有效计数,匹配准确率达100%。结论采用药片颗粒二次匹配技术可实现检测速度上的扩增;采用图像金字塔搜索算法可大幅度缩减匹配时间;采用最小二乘法可提高模板的匹配精度,增大药粒匹配的正确率。     

深度神经网络在螺旋桨叶片数识别中的应用

从调制(Demodulation on Noise, DEMON)谱谐波簇中提取的结构特征可以建立用于螺旋桨叶片数识别的模板。使用模板匹配算法进行螺旋桨叶片数识别时,存在依赖模板库和置信度准则、算法约束条件多、无法发现缺失模板等问题。本文提出了一种将深度神经网络(Deep Neural Network, DNN)应用于螺旋桨叶片数识别的方法,该方法仅在训练深度神经网络时使用模板库,克服了识别过程中对模板库和置信度准则的依赖。此外,通过提取识别错误项,可以找到缺失模板,实现了对模板库数据的补充。使用该算法对大量实测数据进行检测,发现深度神经网络具有更高的识别正确率,而且识别过程更加简单可靠。     

复杂场景下的变形目标跟踪

提出一种新的针对目标变形的模板匹配跟踪方法。对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算 Hausdorff 距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在 8 邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移。实验结果表明,该方法能以高达 98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪。     

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。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

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%。     

车灯模组的照度检测研究

针对在车灯模组的照度检测过程中,车灯模组照度图像采集时由于摄像系统安装位置产生的畸变问题,采用平面模板法,通过畸变校正算法对系统进行畸变校正,减小因图像坐标位置失真造成的测量误差;针对摄像系统像面照度不均匀性对图像灰度值的影响,通过照度均匀度校正实验获取摄像系统的校正系数后,采用基于麦夸特法与通用全局优化算法结合的曲面拟合法对校正系数进行处理,得到像素坐标与校正系数的函数模型,实现图像灰度值的校正。对校正后的摄像系统进行灰度-照度标定,建立灰度-照度关系,提高车灯模组照度检测的精度。实验结果表明:车灯模组照度检测的误差基本控制在10%以内,重复性误差小于1%,具有较高的准确性和可靠性。     

蜂窝纸芯成形质量在线检测系统的开发

基于MATLAB 开发软件,对蜂窝纸板生产过程中蜂窝纸芯的成形质量进行了在线自动检测。将生产线上获得的蜂窝纸芯实际图像进行处理后,与标准模板图像进行比对运算,得出蜂窝纸芯的实际生产质量情况。比对算法的关键有2 个:在图像中寻找匹配目标;将实际图像与模板图像的匹配部分进行相似度计算。采用相关模板匹配的方法进行目标匹配,采用逐个像素点比较的方法进行相似度的比对计算,通过该算法可以高效快速地将实际图像与模板图像中提取的匹配部分进行运算,得到其相似度,获得产品的生产质量。     

手机玻璃屏表面缺陷视觉检测方法研究

目的针对手机玻璃屏表面缺陷人工检测存在的准确率低、稳定性差等问题,提出一种基于机器视觉技术的手机玻璃屏表面缺陷检测方法。方法采用统计平均法建立模板图像,以减少外界光照对模板图像的灰度影响。采用基于互信息的配准方法实现模板图像和待测图像的像素对齐,将配准后的待测图像与模板图像进行差分运算,获取残差图像,并采用Niblack方法实现残差图像上的缺陷判断。通过搭建的实验平台获取了300幅手机玻璃屏图像,并采用文中提出的方法、模板匹配法和人工检测法对300幅图像实施缺陷检测。结果实验结果显示,文中方法的真正率为92%,真负率为96.5%和准确率为95%。与模板匹配法和人工检测法相比,文中方法在真正率、真负率和准确率上分别至少提高了5%,4%和4.3%。结论文中方法与人工检测方法相比,提高了手机玻璃屏表面缺陷检测的准确率和稳定性。