模板图像匹配中的亚像元定位新方法

研究了模板与图像匹配中元定位的方法．分析了在亚像元定位中的重采样和曲面拟合方法,对重采样方法进行如下改进：仅对模板进行ｎ 倍重采样,产生（２ｎ－ １）个子模板,计算每个子模板与图像的归一化相关系数（ＮＣ值）,则ＮＣ最大值的子模板所对应的偏移即为要求取的亚像元偏移．并提出了一种导数求取曲面拟合系数的方法;融合重采样和曲面拟合提出了一种新的亚像元定位方法,实验结果表明了此算法的有效性．     

基于相位相关和模板匹配的亚像素图像配准参数估计

针对图像配准中的亚像素参数估计问题,提出了一种相位相关和模板匹配相结合的方法。该方法先采用相位相关法进行粗配准,找到整像素平移;然后运用模板(窗口)匹配和基于最小二乘的曲面拟合法实现亚像素图像配准参数估计。通过实验表明该方法可以充分利用FFT的高效运算,达到亚像素精度。     

星图像的亚像元细分定位方法研究

介绍了常用的亚像元细分定位算法,即质心法、高斯曲面拟合算法和抛物面拟合算法。理论上高斯曲面拟合算法具有最好的精度,然而通过对实际星图的实验,发现其与实际情况符合的并不好,定位误差超出了允许的范围。因此本文选用质心法计算星体的坐标,并经过仿真实验证明了质心算法达到了亚像元的精度,完全满足后续应用的要求。     

基于扩展相位相关的小基高比立体匹配方法

为获得高精度亚像素级视差以满足小基高比摄影测量需求,提出一种基于扩展相位相关的小基高比立体匹配方法.该方法采用分步式策略,首先利用自适应窗口匹配法计算整像素级视差,然后在整像素级视差的指导下建立同名像点之间的对应关系,再分别以左右同名像点为中心截取子图像,最后利用扩展相位相关匹配法对子图像进行亚像素级匹配,获得亚像素级视差.采用小基高比立体像对和带有亚像素级视差的模拟立体像对进行实验,结果表明基于扩展相位相关的小基高比立体匹配方法在精度和效率方面具有优越性能.     

基于混沌优化和二值互信息的快速模板匹配

针对模板匹配方法中速度、精度和鲁棒性不能兼顾这一问题,提出一种新的模板匹配方法。新方法使用互信息作为图像的相似性测度,并通过图像的二值化,理论上将互信息的计算速度提高到原来的约14.7倍;新方法对改进的变尺度混沌优化算法(EMSCOA)进一步改进。大量模板匹配实验表明新改进的EMSCOA算法(称为EEMSCOA),在模板匹配领域比原算法(EMSCOA)提高了约9倍的速度;同时焊缝焊接及其他实验也表明,所提的基于混沌优化和二值互信息的快速模板匹配方法,能够克服倾斜、遮挡、形变等干扰,快速、准确地找到最优匹配点,因此所提算法是实用有效的。     

基于曲面拟合的红外图像盲元检测方法

针对传统红外图像盲元检测方法采用固定检测阈值和不能兼顾全局非均匀性的问题,提出了一种基于曲面拟合的盲元检测方法。首先分析了有效像元和盲元在灰度分布三维图上的显著差别,进而提出整幅本底图像的曲面拟合方法,然后用拟合后的曲面值作为比较基准运用3σ原则进行盲元检测。使用拟合后的曲面值替代固定基准能够消除探测器响应非均匀性对盲元检测的影响,提高盲元检测的准确性和有效性。进一步开展了验证实验和比较实验,实验结果表明该方法比直接运用3σ原则法检测精度更高、更有效。     

基于光斑高斯拟合的大视场星相机定焦方法

针对高精度立体测绘任务对星相机的使用要求,提出了一种基于光斑高斯拟合的星相机焦面定焦方法。首先,搭建了基于星点靶标和平行光管的定焦系统,通过移动靶标在中心和边缘视场获取多幅不同程度的离焦图像;其次,采用基于平方加权的质心定位算法计算各视场靶标点像的精确位置用于像面拟合;然后,采用Gibbs采样/马尔可夫蒙特卡洛法对每个光斑进行高斯曲面拟合,获取星点的高斯半径,通过对各视场的最佳焦面位置进行最小二乘拟合,得到最佳像面。对上述定焦方法进行了试验验证,结果表明星相机在各视场的能量集中度测量值与设计值符合,星相机在轨拍摄的星点图像满足要求。     

结合模板与互信息的全景图拼接技术研究与实现

针对传统互信息图像配准拼接算法计算量大、效率低等问题,本文结合模板匹配,提出基于模板与互信息的全景图拼接技术。首先将误差法和二次匹配误差法相结合,对待拼接图像进行初次模板匹配,划定大致重叠区域;接着从互信息量的角度比较相邻重叠的两幅图像的相似性,通过建立两幅图像之间的互信息量,计算最大互信息,获得匹配区域;然后再次利用模板匹配,设定最佳匹配区域,最终实现图像配准拼接。在VS2010+Opencv环境中编程实现重叠图像的拼接,并验证了算法的正确性。实验表明,本文算法具有计算量相对小,自动化程度高,配准拼接精度高等优点。     

基于小基高比的快速立体匹配方法

为了提高立体匹配效率和获得高精度的亚像素级视差,该文提出一种快速的小基高比立体匹配方法。该方法首先利用积分图像加速自适应窗口和规范互相关度量的计算,然后根据可靠性约束进一步拒绝错误匹配,再采用基于迭代二倍重采样的亚像素级匹配方法为可信点计算亚像素级视差,最后利用基于图分割的视差平面拟合方法获得稠密的亚像素级视差图。实验结果表明该方法不但可获得高精度的亚像素级视差而且还提高了算法的匹配效率,满足了小基高比立体重建的需求。     

基于自适应模板匹配的帧间全局运动估计算法

针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一,由此影响到红外图像帧间全局运动估计和补偿问题,提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取,提高匹配的精度;然后提出自适应模板匹配准则,以达到较好的匹配效果,克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略,以便搜索到最佳匹配点,使搜索不至于陷入局部最优,并提高了搜索速度。仿真实验结果表明,在红外图像背景变化较为缓慢的情况下,所提算法降低了帧间全局运动估计计算复杂度,同时具有很好的匹配精度和准确性。     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

一种基于改进ORB算法的双目视觉测距方法

针对传统基于特征点图像匹配算法误匹配率高和 双目视觉系统测量精度低问题,提 出一种基于改进ORB 算法的双目视觉测距方法。首先采用引导滤波对图像进行预处理,然 后将FAST 检测得到的特征点作为中心,得到围绕该特征点的区域,将该区域进行分割, 分别求出左右区域的质心坐标,根据两质心坐标进行主方向的确定;再采用Sobel 算子计 算出像素点水平和垂直梯度,比较每个像素点对之间水平与垂直梯度中的较大值,把比较 结果串成一个二值位字符串的形式,从而形成描述符,采用汉明距离进行匹配;最后在测 量阶段用二维二次函数拟合的方法获得特征点的亚像素坐标,通过三角测量原理获得对应 特征点的空间三维坐标,从而得到被测物体的尺寸。实验结果表明,本文改进算法的匹配精度较 传统ORB算法提高35.25%,同时测量的最低相对误差达到0.428%,满足测量要求。     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法。首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对;最后,采用随机采样一致算法进一步剔除冗余匹配点,获取更为精准的匹配对。实验结果表明,本文优化的ORB算法可以很好地满足实时性和精度的要求,特征匹配的平均耗时为原ORB算法的87%左右,且平均匹配率达98%以上。     

一种改进的快速鲁棒性特征匹配算法

针对光照变化、噪声、局部遮挡等在图像配准技术中对配准精度有重要影响,提出了一种在多尺度空间下点预测快速鲁棒性不变特征的匹配算法。针对在探测对图像的尺度、旋转,仿射具有不变性的斑状特征极值点过程中计算复杂度较高的问题,提出一种特征点预测方法降低了描述子提取的复杂度,增强了对外部环境光照变化、噪声以及局部遮挡的适应能力;并在KD(KD Tree)树基础上,提出了一种动态平衡KD树(DBKD-Tree)快速搜索匹配算法,有效克服了KD树可能存在的病态划分,采用条件约束最邻近搜索,提升匹配效率,实现特征点高精度匹配。通过对在不同光照条件、噪声环境的仿射变换图像特征匹配测试,在加入20%的高斯噪声后,均能100%地完成重复特征检测,达到亚像素定位精度,误配率降低为零。     

基于亚像素运动矢量的AVS编码快速搜索算法

针对AVS视频编码系统中运动搜索模块运算量较大的问题,提出一种基于亚像素运动矢量的快速搜索算法.该算法利用整像素点进行分区域预测,并采用二步搜索法快速定位出最匹配亚像素点.实验结果表明,与传统方法相比,在峰值信噪比下降不足0.1 dB的情况下,该算法减少超过50%的亚像素搜索次数,视频编码时间缩短18%～30%.     

基于SIFT算法的PCB板基准点匹配

当PCB板上载到夹具过程中,由于夹具精度,人为等N素的影响,对基板坐标产生一定偏移及旋转的影响,从而对元器件装贴精度产生影响,N此对基准点进行特征提取,但具有比较大的局限性。由此提出一种基于尺度空间的SIFT算法的Mark点匹配方法,将图像上特征转化为尺度空间特征,可以只对一个Mark点进行匹配校正,消除电路板平面上平移误差和旋转误差,通过实验证明其精度能达到0．6个像素以下的亚像素级别的精度要求。     

基于图像处理的建筑物振动位移测量算法

针对地震后高层建筑物结构损伤监测问题,该文提出一种基于方向码匹配(OCM)和边缘增强匹配(EEM)算法的微小位移测量算法。该算法先将原始图像梯度信息与像素强度融合,增强图像信息;采用相位相关法进行匹配运算,匹配速度比归一化互相关法提升了96.1%;最后使用亚像素插值法,使测量结果达到亚像素精度。实验结果表明,该文算法避免了OCM和EEM算法量化过程中图像梯度信息的损失,大大提高了模板匹配精度,匹配速度比OCM提升了43.3%,比EEM提升了19.6%。     

一种山体图像边缘快速立体匹配方法

该文提出了一种新的针对山体图像边缘的立体匹配算法。为了保证匹配的准确性,首先引入极线方向上的视差梯度约束,然后在考察唯一性的基础上,通过搜索并考察边缘端点周围的角点信息来引导边缘的匹配,并且限定边缘端点的角点搜索范围,最终匹配结果保证了两幅图像中的匹配对是一对一的唯一对应。实验结果表明,不同约束方法的融合在很大程度上提高了匹配速度和匹配精度。