基于区域分块与尺度不变特征变换的图像拼接算法

针对图像匹配算法计算量大,实时性差的问题,提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域,利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后,通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明,该算法减少了传统SIFT算法的大量无用搜索,改善了图像的几何失真,降低了算法复杂度,提高了图像匹配的速度,在保证90%以上的匹配准确率的基础上,计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。     

一种用于工件视觉测量的图像拼接方法的研究

在工件的生产制造过程中,视觉测量技术以其具有的快速、准确的特点发挥着越来越重要的作用,针对大尺寸物体的视觉测量,提出了图像拼接技术。该方法基于视觉图像处理软件HALCON,利用经过标定的摄像机采集带有一定特征信息的零件的序列图像,对图像进行坐标变换、高斯滤波等预处理,在相邻图像之间的重叠区域使用Harris角点检测算法进行特征点提取,将提取出的特征点进行匹配,根据特征点之间的匹配关系完成图像配准,实现由多幅图像拼接成为一幅图像。阐述了相关理论并进行了实验,验证了该方法的可行性。     

基于机器视觉的齿轮图像拼接方法研究

基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少。应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量。在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,提高了拼接速度;使用两次BFMatcher(暴力匹配)及对称性验证,提高了特征匹配点的质量;对特征匹配点进行多次筛选,保证了变换矩阵的准确性;去除变换矩阵中的缩放和剪切动作,保证了图像只进行刚性变换;采用加权图像融合方法,保证了图像的无缝拼接。经实验和误差分析,结果表明该齿轮拼接技术方法速度快、精度高。     

图像拼接中相机镜头非线性畸变的校正

为满足大尺寸图像无缝拼接的需要,提出了数字相机镜头非线性畸变的高精度校正方法.分析了现有棋盘格图像特征点检测算法的不足,提出了一种新的基于棋盘格图像结构特征的特征点检测算法.该算法巧妙地利用棋盘格图像的像素点相对于方格交点对称、相对于方格交线反对称这一特点,计算交点附近区域每一像素点的对称度和反对称度,并以此为依据来判定特征点的准确位置.将该算法与多项式变换技术以及双线性插值技术相结合,提出了数字相机图像非线性畸变的精确校正方法.实验结果表明,校正后图像的横向误差均值为0.43个像素,纵向坐标误差均值为0.36个像素.该方法精度高、计算简单,对噪声、透视、畸变等鲁棒性强,便于特征点检测的自动化处理.通过对实际地图图像的校正和拼接处理,证明了该方法的有效性.     

大尺寸铸件视觉测量拼接技术

针对大尺寸铝合金铸件的视觉测量,研究了图像拼接方法。首先利用经过标定的摄像机采集多幅具有重叠区域的序列图像,然后使用Harris和RANSAC算法提取精确特征点,并进行相邻图像重叠区域的特征点匹配,生成了完整的工件图像,最后,通过实验验证了该方法的可行性。     

基于深度学习特征匹配的铸件微小缺陷自动定位方法

针对射线实时成像检测中精密铸件微小缺陷自动定位的需要,提出一种基于深度学习特征匹配的铸件缺陷三维定位方法。模拟选择注意机制的中央-周边差算法,提出以视觉显著度为尺度,从射线图像复杂背景中检测出微小缺陷及其区域,以定义的区域中央点为待匹配点;然后,提出构造深度卷积神经网络自动提取微小缺陷区域的深度学习特征,通过深度学习特征矢量的相似度,实现在不同视角下投影图像中的同一微小缺陷点的自动匹配;最后,基于平移视差测距原理计算缺陷匹配点的三维空间坐标。实验表明,基于深度学习特征匹配的方法能够正确搜索平移前后投影图像中的同一缺陷点,以此为基础,利用视差测距原理实现了微小缺陷匹配点的自动准确定位,深度定位误差小于5.52%,能够满足对精密铸件微小缺陷智能评判的需要。     

在线检测系统中的图像快速拼接技术

针对汽车车架纵梁在线检测系统中序列图像的自动拼接问题,提出了一种稳健、快速、精确的自动拼接算法.利用基于特征的算法提取特征区域,并在待匹配模板中确定候选模块,考察序列图像间的运动特点,将搜索限制在一个小范围内,利用基于像素的方法在此范围内确定候选模块中的真实匹配块.此方法在满足图像拼接精度的前提下,大幅度提高了拼接速度.     

基于改进的快速Shi-Tomasi特征点检测算法的图像拼接算法

针对Shi-Tomasi算法计算量大导致的特征点提取速度慢的问题,利用FAST算法对Shi-Tomasi算法进行加速,提出基于此改进算法的快速图像拼接算法。该算法首先应用FAST算法对整幅图像进行处理,基于筛选点邻域再采用Shi-Tomasi算法获取特征点,接着用NCC法进行特征点匹配,然后用RANSAC法剔除错误匹配并完成图像配准,最后用渐入渐出法进行图像融合。对比实验结果表明,改进算法相对基于ShiTomasi的图像拼接算法速度大幅提升,特征点匹配的正确率有所提高,拼接完成后图像的视觉效果也得到保持。     

图像自动拼接融合的优化设计

为了扩大摄像机拍摄图片的视场范围,提出了一种结合频域和空域进行图像序列自动拼接融合的优化算法。基于频域相位相关方法改进排序并确定重叠区域,使用改进的Harris算子在空间域提取图像角点(无需人工设定阈值),并通过双向最大互相关系数匹配获得初始特征点对;然后,用RANSAC法实现精确匹配;最后,利用图像均值结合线性加权函数实现图像的整体亮度调整和融合拼接。实验结果表明,该优化算法排序过程简单有效,特征提取匹配过程不仅提高了拼接成功率,其单次拼接时间较现有算法也提高了40%左右;另外,该算法较好地解决了图像间对应点难以确定的问题,对光照变化图像的拼接融合取得了满意的效果。     

一种基于区域匹配的图像拼接算法

本文提出了一种基于区域匹配的图像拼接算法,将一幅图像分别从左上、左下、右上、右下四个方位逼近另一幅图像,并在其上作水平平移,对两幅图像的重叠区域进行相关度计算,以获得最佳匹配点,实现拼接操作.该算法的有效性及精准性得到验证,结果令人满意.     

基于共线特征点的摄像机镜头畸变校正

提出一种基于未知世界坐标共线特征点的未标定摄像机畸变校正算法以及基于预计算模板的快速实现方法。利用直线的透视投影不变性来估计镜头的畸变参数,不需要知道摄像机的内外部参数,也不需要知道任何空间特征点的世界坐标,简化了镜头畸变校正的过程。该方法的特点是需要的已知条件少,算法简单,易于实施,算法的计算速度快。试验结果表明,该方法能准确快速校正由摄像机镜头畸变引起的图像几何畸变,对机器视觉系统是可行的,预计算模板实现方法大大地降低了计算量,为镜头畸变校正实时应用奠定了基础。     

体视显微镜视频的快速校正算法

立体校正是双目视觉系统中必不可少的环节,这一环节包括了对特征点的提取和图像的校正。提出了一种针对十字标尺的校正方法,对于给定一幅图像中的一点,寻找另一幅图像中的对应点,这两点为空间同一场景坐标的投影;考虑了由于校正板直线不光滑而导致的特征点错误提取的问题,首先找到十字线上四个点,再间接找到实验需要的特征点。实验结果表明,该算法需要的参数数量少,实现速度快,最终实现的误匹配率低。适用于利用十字标尺求取参数的立体校正。     

基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

红外焦平面阵列的盲元自适应快速校正

为实现红外焦平面阵列(IRFPA)盲元的自适应快速校正,本文设计了一种基于三梯度阈值检测的快速盲元校正方法。先通过优化L0范式的约束方程消除图中的非均匀条纹,排除干扰,再对水平、竖直和对角3个方向进行梯度阈值检测,找到盲元位置点,并与中值滤波结果进行点对点匹配,剔除误检测点,最后通过局部中值滤波完成盲元校正。依据盲元的缓变特性,通过合理更新盲元模板实现了单帧和序列图像的快速盲元校正。实验结果表明:相比于传统方法,本文方法的信噪比(SNR)和峰值信噪比(PSNR)提高了10~14dB,结构相似度指标(SSIM)提高了0.01~0.02,对图像中的随机和连续盲元的校正效果都很好,同时运算速度得到了大大提升,在保证图像质量指标的情况下速度提升了3~10倍,可以在到实际红外系统中实现动态检测和实时处理。     

基于特征的包含大运动物体的图像拼接

针对传统的基于特征的图像拼接算法不能很好地解决大运动物体造成的场景误匹配问题,提出了一种基于特征的包含大运动物体的图像拼接算法。在SIFT提取特征点并匹配的基础上,通过随机采样一致性算法去除误匹配点,并通过观察特征连接线角度的波动值,自适应判断场景中是否出现大运动物体以及场景匹配是否出现错误,最后通过改进的加权方法实现图像融合,很好地解决了运动物体的干扰。试验表明,该方法有良好的效果和鲁棒性。     

移动高光对三维场景重建的影响与消除

针对制造车间光滑地面在阳光或灯光照射下的扫描图像往往存在反射光斑,且随相机位置变化而变化,会严重干扰图像处理和利用的问题,提出了一种识别和去除高光的方法,用于改善图像处理效果和三维重建精度。基于扫描序列图像的三维场景重建流程和SURF特征原理,分析移动的高亮反光斑对图像特征点提取和匹配的影响;对于缺乏表面纹理的灰度图像,提出一种基于逐行多级阈值和动态模板高光识别与去除方法,保留非高光点的特征信息,识别与修复同步完成。实验结果表明,无高反光的前后两帧图像的匹配特征点对比有高光情况下至少高出8%,优化后的余留匹配特征点更多;扫描一段30m长的车间场景序列图像,用提出的方法修复高光后进行三维重建,点云拼接误差减小了10cm。表明移动高光对图像序列三维重建有不可忽视的影响,本文提出的方法能有效地去除高光。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。