图像拼接质量评价方法

在现有图像质量评价方法相关原理基础上,提出了一种基于图像边缘信息的拼接质量评价新方法。该方法针对图像拼接结果的特点,先对待评价图像进行边缘提取,然后利用拼接前后图像的边缘轮廓信息,综合图像像素误差信息和结构信息,根据其均值和方差等统计信息与影响图像拼接质量的主要因素(拼接错位和亮度突变)之间的关系,对拼接图像进行评价。该评价方法得出的评价结果更加符合人眼视觉对图像拼接质量的主观评价感受,较准确地反映了拼接图像的真实质量和所使用图像拼接算法的性能。

一种区间限定预检测的误配点剔除算法

在图像拼接中,误配点剔除是关键的一步.为了提高误匹配点的剔除效率,提出了一种快速的误配点剔除算法.算法针对图像序列特点,在随机抽样一致算法的基础上,首先对匹配点进行排序,采用分段随机法选点以及建立变换矩阵;其次运用区间限定的预检测模型,对通过检测的变换矩阵进行全局检验得到内点集;最后使用最小二乘法修正变换矩阵.与传统算法相比,该算法具有更低的时间复杂度、更高的计算精度和更好的稳定性,在数据质量较差情况下效果更加明显.

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法.用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象.新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重.实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性.

基于SIFT算法的图像匹配方法

依据Brown的理论,并基于SIFT算法提出了一种有效的图像匹配方法。首先对图像进行高斯和Wallis滤波处理,然后采用简化SIFT算法进行特征点提取,最后通过特征点双向匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量多、准确率高、无重复点等优点。将该方法应用于优化线网的自动检测方面得到较好的效果,并为版图的优化打下了基础。