运动背景下多目标跟踪的小波方法

为了能从运动背景中检测其中的运动目标,并进行跟踪,提出一种基于小波变换的分层匹配跟踪算法。利用小波分解的多层子图进行分层匹配,估计整个背景的运动矢量;利用差分算法从运动背景中检测出多个运动目标,计算出多个动目标的形心坐标,绘出各动目标的运动轨迹。该算法与传统的块匹配算法相比,滤除了原图像的高频噪声,防止了在含噪原图像上进行块匹配不准确的缺点;另外,在低频分量图像上N×N范围进行块匹配,相当于在原图像上2nN×2nN的范围进行匹配搜索,搜索速度快。当相邻两帧背景运动向量小于10个像素,运动目标相对背景的运动向量小于5个像素时,实验结果证明了此算法的有效性和可行性。     

互相关 DPIV 技术及其在氧化沟模型中的应用

重点研究二维DPIV技术的速度信息提取方法并进行算法实现。该技术基于灰度图像互相关法,在相邻时刻的序列图像中,灰度分布最相似的子窗口即是最佳匹配,粒子在像平面上的运动位移由两个子窗口中心距离确定。通过对互相关测度的优选既能兼顾粒子匹配成功率也能降低匹配算法的时间开销,通过优化算法的搜索空间极大地减少了互相关运算量。给出了标准图像仿真结果及其在氧化沟模型流速测试中的成功应用。实验结果表明,该算法适合于氧化沟模型流场及类似场合的测速。     

基于改进 SIFT的图像快速自适应匹配算法

目的分析SIFT算法特征点描述子生成比较缓慢和匹配过程距离比阈值无法自适应调节的问题,探索一种改进SIFT的图像快速自适应匹配算法。方法通过简化特征点描述子的生成过程,提高算法效率,并通过自适应地调节距离比阈值参数,提高算法的鲁棒性。结果与原算法相比,图像快速自适应匹配算法的匹配点数减少,匹配准确度高,计算时间缩短。结论该算法在匹配效率和准确度方面具有明显优势,能够将计算机视觉用于工业无损检测、印品图像检测、印刷网点图像检测和包装图像检测中,具有较好的推广价值。     

一种改进的快速归一化积相关图像匹配算法

归一化积相关算法是一种经典的图像匹配算法,具有操作简单、匹配概率高等优点,其不足之处主要在于计算量大,难以满足实时性要求。为此,本文首先提出了一种减少归一化积相关算法计算量的方法,通过从基准图像中构造出两个搜索矩阵,来简化实时图像的搜索路径,使其只需沿一个方向平移就可以完成匹配,并且可以很容易地通过相邻两个基准子图之间的迭代来避免图像能量的重复计算;接着将该方法与BPC算法的思想相结合提出本文的快速匹配算法,从两个方面来减少传统算法的计算量,进一步提高了算法的运算速度;最后通过实验仿真验证了本文算法的优越性。     

一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。     

顺序形态变换的图像增强算法

根据顺序形态变换的相关概念和性质,提出了一种新的图像增强算法。该算法通过对图像做局部加权均值滤波,得到图像增强的基值分量;采用多方位结构元素与图像边缘匹配,计算图像关于各个方位结构元素的加权均值并选取其中的最大值来确定边缘;将此最大值与基值分量之差作为增强分量来扩大图像灰度梯度的动态范围;针对图像中的高灰度区和灰度剧变区,应用图像局部均值和方差自适应调节增强系数。因此,算法在抑制图像中的高频噪声的同时,能有效提升图像中的边缘和目标。实验结果表明,增强前后图像标准差由41.1515,36.9133提高到62.0535,52.8331;图像熵由15.8463,16.8998减少到15.8156,16.8324。     

哈特曼波前传感器的自动孔径搜索与匹配方法

为了使夏克-哈特曼波前传感器(SHWFS)能保证精度的同时又能获得更大的动态范围,介绍了一种用于SHWFS的自动子孔径搜索与匹配算法。该方法在实施时,先根据待测量图像计算背景阈值,然后以减阈值后的图像中心位置的一个光斑为参考光斑的参考中心,按图像的横、纵方向依次搜索其它光斑点,接着将搜索的结果拼接起来得到所有孔径的分布,最后根据两幅图像得到的各自的子孔径分布按横、纵方向平移进行配准,以达到最优的匹配结果。文中利用实验对本论文提出的方法进行了验证。结果表明,本文提出的方法能够实现SHWFS的子孔径搜索与匹配,提高哈特曼的动态范围。     

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中,归一化互相关(NCC)匹配算法是常用的匹配算法,但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的 NCC 匹配算法,根据归一化互相关系数自适应地选择搜索步长,加快了匹配速度;改进归一化互相关系数算子,增加了步长选择阈值的区分度,提高了自适应选取步长的精确度,实现了匹配时间和匹配精度的合理分配。实验表明,该算法在保证匹配精度的同时,匹配时间缩短为传统NCC算法的10%~50%。     

印品检测过程中基于SIFT 算法缩小匹配范围的方法

针对多个CCD 采集多幅图像会产生一定的重叠区域,为了实现印品在线检测的要求,提出了一种结合SIFT 和缩小匹配范围的图像检测方法。该方法基于SIFT 提取特征点,改进了局部搜索范围,利用RANSAC 算法计算图像坐标变换矩阵,采用多分辨率融合方法对拼接图像进行融合处理。结果表明,采用该方法可以减少匹配和图像检验时间,降低估算概率,完成检测图像拼接。     

基于改进Census变换的鲁棒立体匹配算法

针对局部立体匹配算法对噪声与光照变化敏感及在弱纹理区域匹配效果不佳的情况，提出一种基于改进Census变换与自适应参数引导滤波的立体匹配算法。该算法融合HSV通道值计算代价，对噪声与光照变化有较好的鲁棒性；在支持窗口内分别使用欧式距离加权与颜色加权获得Census变换参考值；集成AD与Census代价提高了单像素匹配代价的稳定性，降低了原Census变换对中心像素的依赖程度。在代价聚合过程中使用峰度系数对正则化参数进行自适应处理，通过视差计算获得视差图。在VS2017平台上对Middlebury数据库提供的图像对进行匹配实验，该算法在标准图像、加噪声图像及光照变化图像的各区域平均误匹配率分别是7.80%、10.72%和9.89%。结果表明：该算法可以降低误匹配率，同时能更好地适应噪声与光照变化。     

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。     

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%。     

Efficient architecture for global elimination algorithm for H.264 motion estimation

This paper presents a fast block matching motion esti mation algorithm and its architecture. The proposed architecture is based on Global Elimination (GE) Algorithm, which uses pixel averaging to reduce complexity of motion search while keeping performance close to that of full search. GE uses a preprocessing stage which can skip unnecessary Sum Absolute Difference (SAD) calculations by comparing minimum SAD with sub-sampled SAD (SSAD). In the second stage SAD is computed at roughly matched candidate positions. GE algorithm uses fixed sub-block sizes and shapes to compute SSAD values in preprocessing stage. Complexity of this GE algorithm is further reduced by adaptively changing the sub-block sizes depending on the macro-block features. In this paper adaptive Global Elimination algorithm has been implemented which reduces the computational complexity of motion estimation algorithm and thus resulted in low power dissipation. Proposed architecture achieved 60% less number of computations compared to existing full search architecture and 50% high throughput compared to existing fixed Global Elimination Architecture.     

A new fast block matching algorithm based on complexity‐distortion optimization

Most fast block matching algorithms ignore the efficiency in motion compensation within each checking step. In order to achieve better‐compensated performance, the limited computational complexity should be allocated more carefully into each block. It means that the fast block matching algorithm can be viewed as a kind of rate‐distortion optimization problem. The complexity‐distortion optimal fast block matching algorithm should find the maximized quality of the compensated image under a target computational complexity. In order to approach the optimal complexity‐distortion solution, some strategies are developed. For example, a domination‐based motion vector prediction technique is developed to set the initial motion vector for each block. A predictive complexity‐distortion benefit list is established to predict the compensated benefit for each block. Also, a three‐level pattern searching is employed to check the candidate motion vector. Experimental results show that our proposed algorithm outperforms significantly the three‐step search. For example, in “Salesman,” the average checkpoints for one block is 33 by using the three‐step search. The average checkpoint is 1.75 by using our proposal algorithm under the same average PSNR condition. © 2002 Wiley Periodicals, Inc. Int J Imaging Syst Technol 12, 63–67, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/ima.10012     

基于投影特征的图像匹配的快速算法

目的　研究了图像匹配的快速算法 .方法　利用图像的投影特征 ,进行一维相关快速匹配 .结果　快速地找到了图像的匹配位置 .结论　与传统的模板匹配法相比 ,该方法在保证匹配精度的情况下 ,大大提高了匹配的速度     

一种新颖的基于像素跳跃加速的匹配算法

提出了一种新颖的基于像素跳跃加速的匹配算法,并给出了算法中所涉及到的跳跃像素数N(动态N值和静态N值)选取的一般原则和方法.算法针对相关峰阳面的情况,为防止跳过相关峰峰值点,模板根据相关峰面所呈现出的特性,实时动态调整N值大小进行精细跳跃搜索,而针对相关峰阴面此时模板已经划过相关峰峰值点的情况,模板根据所给出的固定N值进行跳跃搜索.从而使模板搜索具有粗中有细的人眼搜索策略,集中搜索相关峰区域,极大地减少了不必要的冗余运算.通过大量的仿真实验结果表明,在保证匹配概率相近的前提条件下,本算法较未加速的互相关算法,可以将匹配时间减少至10倍以上;而且在基准图大小固定时,随着实时图尺寸的增大,算法消耗匹配时间少的优势会越明显,甚至优于二层金字塔分解加速方法.     

车载图像配准稳定算法中的关键技术

提出一种有效的车载图像配准稳定算法,这种算法的关键技术包括：一是采用由粗到精、由局部匹配到全局配准的两级配准策略,即在粗配准阶段,利用基于灰度投影均值的SSDA改进算法进行快速模板匹配;精配准时,借鉴联合直方图区域记数法的思路,在灰度信息的统计特性空间上巧妙定义一种全局准则函数,既能保证精度又摆脱了大量的浮点运算。二是在运动滤波时通过自适应选取滑动窗口的长度,降低了图像序列的抖动,同时防止过稳现象的发生。实验结果表明,该算法的平移配准误差( 0．254, 0．083)远远小于1个像素,且在一定硬件平台上稳定单帧图像需要14．7ms,仅为同精度其它算法的1／3,从而满足了车载图像系统的实时性和精度要求。     

基于频域互相关的LED晶粒阵列快速视觉检测

为了满足LED晶粒视觉检测的实时性要求,提出了一种频域互相关的快速模板匹配方法。首先通过一种递推求和算法将LED晶粒阵列图像的灰度在空间域进行归一化处理,然后利用快速傅里叶变换到频率域进行模板与LED晶粒阵列图像的互相关运算,快速定位所有LED晶粒的像素坐标。对于清晰的二值晶粒图像,可以省去归一化处理,检测效率更高。实验结果表明:对于复杂结构的LED晶粒,检测效率远高于传统的NCC模板匹配,比常用的序贯相似检测（SSDA）算法效率提高1倍以上。该方法能够用于各种LED分选或固晶系统中的晶粒检测。     

基于平滑度测量与互相关制约的图像修复算法

目的为了解决当前较多图像修复算法在对损坏区域实施填充修复时没有考虑图像块之间的相关性,导致修复图像中存在振铃以及连接间断等不足,拟设计平滑度测量因子耦合互相关制约的图像修复算法。方法将图像的Laplace算子引入到优先权的计算过程中,以增加图像的边缘信息,优化数据项的成分,并利用置信度、图像的Laplace算子和数据项构造优先权计算模型,以获取优先修复块。利用等照度线的二阶导数,构造平滑度测量因子获取图像的平滑度,并以图像的平滑度为导向,对最优匹配块的搜索区域进行定位。通过误差平方和函数(SumofSquaredDifferences,SSD)在定位的搜索区域中搜寻最优匹配块,并采用互相关系数函数对最优匹配块的唯一性进行制约,以提高所获最优匹配块的准确性。结果实验结果显示,与当前修复技术相比,所提方法具有更高的连接完整性和清晰度。结论所提方案可对损坏图像完成较好的视觉复原,在图像信息处理领域具有一定的参考价值。