基于NCC的快速匹配算法

景象匹配在地形辅助导航中具有十分重要的地位,归一化互相关(NCC)技术是一种相对抗噪声能力强、匹配准确的匹配算法,因此,在导航制导中广泛应用。但由于其运算量比较大,对于要求实时匹配的地形辅助导航系统来说,其运算速度需要进一步提高。在NCC方法的基础上,把卷积用于景象匹配,大大简化并提高了NCC的匹配速度。仿真实验证明了此方法的快速性和有效性。

基于NCC-P-S优化算法的断路器机械特性测试方法研究

机械特性参数是评价断路器动作性能的有效依据,传统测试方法不能在线测试,且传感器安装复杂。该文提出一种基于计算机视觉技术的非接触测试方法:在断路器操动过程中捕捉高速图像序列,运用归一化互相关匹配算法(normalized cross correlation,NCC)对图像运动目标进行逐帧搜索,获得绝缘连杆或主轴的运动轨迹,由其与动触头的关联关系计算断路器的机械特性参数。在图像序列目标跟踪的NCC匹配算法中,结合降分辨率金字塔快速搜索法,并对后续帧图像的扇形识别区域进行有向动态调整,这种优化方法称之为归一化互相关图像金字塔扇形快速匹配算法(normalized cross correlation-pyramid-sector,NCC-P-S)。通过实验证明:降分辨率分层匹配和有向搜索优化大大提高了目标的搜索速度和精度。

基于NCC的存在旋转的图像匹配方法

图像匹配在导航制导、医学等领域具有十分重要的意义。由于实时图和参考图拍摄的时间不一样,容易存在旋转等现象,给图像的匹配带来很大难度。传统的归一化互相关(NCC)匹配算法是一种简单有效的匹配算法,但不适合存在旋转这种情况。在NCC匹配方法的基础上,利用参考图的多个角度的旋转达到匹配的目的,从而找出准确的匹配位置,并利用所得控制点和坐标转换模型找出参考图与实时图之间的相对位置关系,包括旋转角度与相对位移。仿真实验表明:此方法可较好地解决存在旋转的图像匹配问题。

基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关(NCC)匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。

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。

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配(NCC)算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测(SSDA)算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。

基于识别区域估计优化NCC-P算法的断路器储能弹簧形变特性研究

储能弹簧作为断路器分合闸动力元件,其可靠性对断路器运动过程的驱动和控制至关重要。提出一种基于图像匹配跟踪技术的非接触式弹簧形变特征测试方法:由高速相机捕捉储能弹簧伸缩过程高速图像序列,以弹簧活动端首圈为形变检测匹配目标,采用归一化互相关图像金字塔匹配(normalized cross-correlation-pyramid,NCC-P)算法对目标进行逐帧搜索,并获得各关键帧目标的坐标以及弹簧形变相关特征参数。提出基于识别区域估计优化归一化互相关图像金字塔匹配(normalizedcrosscorrelation-pyramid-estimation,NCC-P-E)算法。根据前后帧位置关联预测后续帧目标位置,并根据该预测动态调整识别区,消除相似结构对匹配结果的干扰,提高匹配速度和准确率。通过实验验证可知,该方法可在断路器带电的情况下有效检测断路器弹簧释能过程中的伸缩形变特征。

NCC正火控冷工艺的应用实践研究

通过试验对比研究了正火控冷（NCC）工艺对厚规格EH36高强海工钢板性能、微观组织及冷弯性能的影响。试验结果表明：应用正火控冷（NCC）工艺后,钢板的强度性能损失减少明显,断后伸长率略有降低,-40℃低温冲击稳定性改善明显,冷弯性能良好。

基于改进NCC算法的东南极极记录冰川流速提取研究

南极冰川的流速在南极物质平衡研究中有着重要的作用。将SIFT算子的旋转参数引入传统的基于归一化互相关(NCC)的冰川流速提取方法,使其拥有旋转不变的特性。利用此方法,基于Landsat 8 OLI数据对东南极的极记录冰川流速进行了提取,并通过利用模拟影像和NASA发布的MEa SUREs冰川流速结果对该方法的精度进行了验证。结果表明,改进的NCC算法能够在冰川流速方向改变区域提取更多的流速信息,极记录冰川流速最大可达870m·a^(-1),提取结果与MEa SUREs结果相比,平均偏差为23.9 m·a^(-1)。

基于NCC改进算法的SMT电路器件定位

随着电子产品的微型化发展,对表面贴装技术(SMT)中电路器件的定位精度和速度提出了越来越高的要求。针对SMT贴合工艺中标记点匹配速度慢、边缘检测精度差的问题,为了提高模板匹配效率,在经典NCC算法的基础上提出了一种缩小搜索区域的NCC算法(RSR-NCC),通过提取模板图像中关键信息与搜索图像进行匹配,实现电路器件的定位。在保证匹配准确性的情况下,该算法可减少计算量,同时增加关键信息的权重。分别采用传统NCC算法、SSDA算法、NCC+粗搜索算法与RSR-NCC算法对SMT贴合过程中随机采集的图像进行匹配定位,结果显示RSR-NCC算法在保证匹配结果准确的基础上,匹配时间分别为NCC算法、SSDA算法、NCC+粗搜索算法的1%、2.8%、8.5%,明显提高了匹配速度,证明了该算法的优越性。

基于比例特征的区域分割算法在药板缺陷检测中的研究

目的为解决铝塑泡罩药板图像ROI区域定位慢、精度差等问题,本文提出一种基于比例特征的泡罩区域分割算法,该算法可以快速定位并分割泡罩ROI区域,结合图像相关性特征算法对铝塑泡罩药板进行缺陷检测。方法首先通过工业相机采集药品包装生产线上的药板原始图像,接着使用Blob分析从原始图片中分离出铝塑泡罩主体部分,然后通过仿射变换将图像放置在中心区域,并使用比例特征分割算法对泡罩区域进行分割,最后通过金字塔加速的NCC算法完成缺陷检测。结果实验结果表明,基于比例特征分割后的图像平均NCC匹配时间为9 ms,在缺陷样本占比20%的实验中误检率为0.167%,漏检率为0.556%。结论通过比例特征分割出精准的泡罩ROI区域结合改进的NCC算法,在拥有较高准确率的同时大幅减少了缺陷检测时图像匹配的时间,能较好地完成铝塑泡罩药板的缺陷检测任务。

归一化互相关灰度图像匹配的多核信号处理器实现

为了满足图像处理对处理器性能的高要求,以基于灰度的归一化互相关(NCC)匹配算法为例,采用高性能、低功耗的多核数字信号处理器(DSP)系统,根据归一化互相关算法中模板图像在源图像中逐个像素搜索并计算相关性的特点,将搜索区域分成六个部分并使TMS320C6472的六个核并行搜索计算这六个区域,并在不同图像存储位置采用不同图像和模板大小实现了多核DSP归一化互相关图像匹配算法。实验结果表明,多核DSP具有作为数字信号处理器的高速信号和图像处理的特点,同时可以根据不同算法通过核间任务分配实现多核并行处理。对于归一化互相关灰度图像匹配算法,TMS320C6472六核DSP和单核DSP比较获得接近单核DSP六倍的性能,对于较大尺寸的图像和PC相比也具有一定的性能加速。

SAR和光学图像精配准技术的研究

光学图像和SAR图像的配准是实现多源图像融合和复合分析的基础,该文介绍了一种光学图像和SAR图像精配准的方法。首先采用人工的方式选择3～4个同名控制点,在此基础上实现图像的粗略配准,保证SAR与光学图像尺度和旋转的归一化;然后在粗配准的光学图像上提取特征点,并分别采用不同的梯度算子提取SAR和光学图像的梯度强度,基于梯度强度进行归一化互相关,从而得到不同图像上的同名特征点;最后根据提取的同名特征点构建不规则三角网,并对每个三角网构成的小面元进行图像的精确配准,最终实现SAR和光学图像的精配准。通过采用星载图像的精配准处理和检验,证明了该方法的可行性,能获得较好的配准效果。

一种超视场零件影像测量仪的研制

针对超过摄像机视场范围的待测零件,必须进行多次拍摄,然后对系列图像进行拼接以形成完整的零件图像。为了实现图像获取和拼接的自动化,设计了X-Y-Z三轴运动控制平台对定焦相机进行精确定位,讨论了仪器的配置、基于归一互相关测度的模板匹配算法的图像拼接技术以及算法优化策略。

SAR立体影像匹配的视差图融合方法

提出了一种基于视差图融合的匹配方法。首先,基于归一化互相关系数(normalized cross correlation,NCC),利用多个不同尺寸的匹配窗口分别进行匹配,获取相应的视差图;然后,提出了一种左右一致性(left right consistency,LRC)和信噪比(signal to noise ratio,SNR)相结合的置信测度,用来评价视差图中每个视差的置信水平;在此基础上,提出了一种视差图融合策略,该策略对上述多个匹配窗口获取的视差图进行加权融合,融合时既考虑了视差本身的置信水平,也兼顾了其邻域视差的影响。采用TanDEM-X的聚束立体影像进行试验,结果表明,本文方法能有效减少DEM粗差点,DEM高程精度由11.28 m提高到8.41 m。

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。

基于灰度图像的阴影检测算法

基于灰度图像的阴影检测算法,通过快速归一化互相关函数计算方法其复杂度,并采用背景减法与帧差法相结合方法提取运动前景。其步骤包括提取运动前景及检测运动目标的阴影。该方法与基于HSV模型的阴影检测算法相比,实验表明:在不需要任何的颜色信息的情况下,基于灰度图像的阴影检测算法能较好检测出阴影。

灰度序列图像中结合互相关法与梯度特征的阴影去除算法

在视频监控场景下的目标检测中,运动的阴影会对所检测目标的准确性造成不利影响.为了去除运动阴影的干扰,提出了一种结合灰度比值的四方向梯度与归一化互相关(NCC)特征的阴影去除算法.首先在灰度序列图像中计算前景与其对应背景灰度的比值;其次根据阴影区域的相邻像素灰度比值变化改变很小,通过计算灰度比值的四方向梯度均值来判断阴影并加以去除;最后为了避免运动目标被误去除,考虑到运动目标与背景的相关性差异远远大于阴影与背景之间的相关性差异,结合归一化互相关特征来保留目标,以确保运动目标的完整性.定性和定量的实验结果分析表明,该算法在阴影去除率和保持目标完整性方面优于其他阴影去除算法.

多视角约束级联回归的视频人脸特征点跟踪

近年来,静态图像中人脸特征点检测算法得到了极大的改进,然而,由于真实视频中头部姿态、遮挡和光照等因素的变化,人脸特征点检测和跟踪仍然具有挑战性。为了解决这一问题,提出一种多视角约束级联回归的视频人脸特征点跟踪算法。首先,利用三维和二维稀疏点集建立变换关系,并估计初始形状;其次,由于人脸图像存在较大的姿态差异,使用仿射变换对人脸图像进行姿态矫正;在构造形状回归模型时,采用多视角约束级联回归模型减小形状方差,从而使学习到的回归模型对形状方差具有更强的鲁棒性;最后,采用重新初始化机制,并在特征点正确定位时使用归一化互相关(NCC)模板匹配跟踪算法建立连续帧之间的形状关系。在公共数据集上的实验结果表明:该算法的平均误差小于眼间距离的10%。

核磁共振图像归一化互相关非局部自适应去噪

为了更好地去除核磁共振(MR)图像中莱斯(Rician)分布的噪声,首先提出使用图像局部归一化互相关(NCC)作为几何结构相似性的一个表征,对传统非局部算法中使用灰度计算像素相似性权值的方法进行有效补充;然后,将改进方法分别应用于非局部均值算法和非局部最小线性均方误差估计算法,并根据局部信噪比(SNR)动态自适应地计算非局部算法中待滤波像素自身的加权值或者像素之间相似性阈值,达到对核磁图像自适应降噪的目的。实验结果表明,该算法可以更好地抑制核磁图像中的莱斯噪声,有效保留图像中细节信息,对核磁共振图像进一步的分析研究以及应用于临床诊断等具有非常重要的应用价值。