一种快速的加权矢量图像匹配方法

为了解决工业生产中产品的快速定位,提出了一种快速的图像匹配方法。首先运用Surf算法提取出图像的特征点,然后运用形状上下文特征进行匹配,得到图像的大致位置,最后依据特征点描述子及其位置特征,通过加权矢量匹配的方式得到图像的精确位置,实现产品的快速定位。该算法稳定性高,计算速度快。实验结果表明,该算法能满足实时的工业生产要求。

稀疏编码改进方法及其在缺陷检测中的应用研究

为了提高图像缺陷检测算法的快速性和通用性,在图像稀疏表示模型的基础上,提出一种新的缺陷检测算法,该算法改进了经典字典学习算法-K-SVD,从字典更新和稀疏编码两个阶段进行优化.首先,该算法用凸优化方法计算测试图像在字典下的表示系数,再根据系数的稀疏度来判断该图像是否为缺陷图像.最后,使用图像数据集对算法进行验证,结果表明,改进的新方法具有更快的字典训练速度,检测性能也更好.