SSDA图像匹配算法的研究及实现

传统的模板图像匹配算法,匹配速度较慢,在实际应用中受到限制．为了加快图像匹配速度,因此人们提出了一种快速高效的图像匹配算法——序贯相似性检测算法(SSDA)．对该算法进行了深入地分析,并在此基础上,采用Visual C 6．0对该算法进行了编程实现．     

基于序贯相似性检测的NCC目标跟踪快速匹配方法

基于特征点的图像匹配方法的关键是准确快速地将可靠的特征点提取出来。经典归一化互相关匹配法属于基于特征点匹配方法中的一种,归一化互相关匹配法具有操作简单,匹配精度高等优点,但其计算量庞大,难以满足实时跟踪的要求。提出了一种基于序贯相似性检测的归一化互相关快速匹配方法,并对提出的改进方法进行实验验证。实验表明,该方法可以准确快速的进行特征点匹配,减少了算法的计算时间,有效地减少了发生误匹配的概率。     

自适应阈值SSDA图像匹配拼接算法的研究

传统的模板匹配算法计算量大,匹配速度慢。序贯相似性检测算法SSDA虽可以减少计算量,但其固定阈值的合适选取存在很大的困难。针对这种情况,提出了一种自适应阈值的序贯相似性检测图像匹配拼接算法。选定阈值初值后,在后续匹配计算中不断自适应更新,遵循超过当前阈值就不再匹配计算的原则,寻尽可能的减少计算量,找最佳匹配点的位置。实例表明,这种算法速度快,匹配准确,图像匹配拼接效果好。     

一种图像相关匹配算法的改进及实现

序贯相似性检测算法(SSDA)是针对传统模板匹配算法提出的一种高效的图像匹配算法,对SSDA算法进行改进,利用序列来代替固定阈值,采用隔点采样以及粗匹配和精匹配相结合,进一步提高了计算效率。并在此基础上,采用Visual C++6.0对该算法进行了编程实现。实验证明,该算法比传统的SSDA算法计算速度更快、匹配误差更小。     

基于梯度图像的改进SSDA方法

介绍梯度图像匹配相关的基本原理，针对传统匹配相关算法的不足，提出了基于梯度图像的匹配相关的设计思想，并给出了获得梯度图像的方法。为了提高图像匹配相关的定位精度和实时性，在序贯相似性检测(SSDA)算法的基础上，提出了一种基于梯度图像的改进的序贯相似性检测方法。实验结果表明，该方法具有较高的定位精度和实时性。     

基于序贯相似性与光源自动调节的芯片表面缺陷检测算法

为了解决当前缺陷检查算法在保护罩反光环境下易导致采集芯片连接器图像光照不均,使其缺陷检测精度较低,无法精确定位出浅插与破损的不足,设计了基于序贯相似性检测匹配与光源自动调节的芯片连接器表面缺陷检测识别算法。首先,基于序贯相似性检测匹配,定位出连接器位置,提取出连接器不良常发区域;然后设计了光源自动调节机制,视觉软件通过光源数字控制器SDK与网线触发光源关闭或调暗,消除保护罩反光对图像质量的影响;最后采用线检测,统计缺陷区域二值图特征,完成缺陷检查。实验数据显示,与当前缺陷检查技术相比,在面对保护罩反光严重环境下的芯片连接器缺陷检查时,该算法具有更高的检查精度。     

机器人数字路标识别中SSDA增强算法研究

针对移动机器人数字路标的识别提出一种增强的序贯相似性检测算法（SSDA,sequence similar detectiona—rithmetic）,算法中的阈值采用单调递减的阈值序列,阈值逐渐逼近最佳阈值,从而使非匹配区域经过尽量少的计算超过阂值而被丢弃,有效改善识别的实时性。通过实验表明该算法能够快速准确地完成数字路标识别。     

SSDA的改进算法

针对传统相关匹配算法不能满足实时性的缺点,通过分析红外图像目标的特点,提出一种改进的SSDA算法,充分利用图像的边缘特征和灰度信息,在没有降低匹配精度的情况下减少了计算量,单调递减阈值序列的使用,进一步提高了算法的速度.     

一种序贯学习神经网络及其应用

本语文提出了一种序贯学习神经网络,它主要由有界权值调整规则和网络结构自适应调整规则所组成。该网络具有在保持旧知识的前提下有效地序贯学习新输入样本知识人优点。文中给出这种网络的一种序贯学习算法,详细分析了其学习特性和识别性能。大量的理论分析和实验都证明了网络的有效性。     

基于图像边缘特征的SSDA算法

从红外图像的特点出发,通过对SSDA算法(序列相似性检测算法)的分析研究,以及对图像边缘检测算子-Canny算子的研究,提出了一种基于图像边缘特征的快速SSDA算法.该算法充分利用了图像的边缘特征和灰度信息,实验证明该算法有很好的实时性和精确度.     

SSDA波形匹配在高频电源开关控制中的应用

针对高频电源开关控制问题,提出改进序贯相似度检测(SSDA)的波形匹配方法来预测一次电流过零点,以控制高频电源开关元件开通和关断来提高高频电源输出功率。通过对SSDA算法阈值设定方法的改进,提高了该算法的匹配速度。首先,对不同条件下的一次电流波形进行取点,考虑波形采集过程的噪声,依次采取低通滤波和算术平均滤波的方法对采样数据进行处理后建立波形库。利用改进SSDA波形匹配的方法,根据匹配相似度较高的库中波形来预测目标波形的过零点时间,从而控制电源开关。实验结果证明,所提方法具有可实施性,且有较快的匹配速度以及较高的匹配精度。     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

基于模板匹配的快速少纹理目标识别算法

针对传统的基于模板匹配算法通常考虑模板的整体性往往遇到计算性能复杂的问题。文中提出一种基于二进制方向压缩映射和局部特征加权的快速少纹理目标识别方法。根据目标边缘点的量化梯度方向,利用二进制方向压缩映射方法对目标模型进行特征描述,快速提取出目标候选位置及其对应的尺度、角度信息;在检测出目标候选位置后,再利用局部特征加权方法建立新的模板特征,对目标候选位置计算新的相似度从而确定目标最终姿态。实验结果表明,文中算法与其他具有代表性的算法相比具有更好的识别率,并且识别时间大幅降低。     

一种基于曲线拟合预测的红外目标的跟踪算法

给出了一种将曲线拟合和相关跟踪相结合的红外目标跟踪算法.该算法以目标质心作为匹配模板的中心,采用SSDA进行相关运算,以图像相关匹配的输出值更新所拟合的曲线,并以曲线的预测值作为下帧图像匹配搜索的初始值,使相关运算仅在很小的窗口内进行.该算法还定义了跟踪的帧内置信度和帧间置信度信号,实时智能的更新模板.实验表明,该算法能有效减少相关匹配的计算量,保证跟踪精度.     

改进匹配算法在LED粘片设备图像识别中的应用

在全自动LED粘片设备中,为了实时快速精确地识别出LED芯片,提出了一种新的金字塔-序贯相似性检测匹配算法,有机地结合了金字塔算法的快速性和序贯相似性检测匹配算法精确性的优点.该算法先采用金字塔算法对目标图像进行分层搜索,呈几何级的减少匹配次数,提高效率,然后用序贯相似性检测匹配算法在很小的区域内进行精匹配,达到准确定位的目的.目前,该算法已在VC 编程环境中编程实现,并在样机上得到应用,达到了工业应用的目的.     

基于总线功能模型的SoC仿真加速技术

SoC是IC设计的发展趋势,而随着SoC的日趋复杂,对系统仿真带来了越来越艰巨的挑战,基于EDA厂商提供的传统仿真环境已经不能充分满足SoC的开发需求,针对此问题提出了基于总线功能模型的仿真加速策略,测试结果表明,提出的技术策略可获得45%的仿真性能提升。