Efficient normalized cross correlation calculation method for stereo vision based robot navigation

立体声视觉系统广泛地为自治机器人航行被使用。他们中的大多数使用本地窗户为即时目的基于的方法。规范的生气关联(NCC ) 为它的高计算的费用是臭名昭著的，尽管它对在二个照相机之间的不同照明条件柔韧。它很少在即时立体声视觉系统被使用。这份报纸基于不可分的图象技术建议一个有效规范的生气关联计算方法。它的计算复杂性没有关系到匹配的窗户的尺寸。试验性的结果证明我们的算法能产生象与低得多的计算费用的传统的规范的生气关联的一样的结果。我们的算法对行星漫游者航行合适。

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。

基于优化粒子群的NCC模板匹配算法

针对灰度模板匹配中速度慢、抗噪性差的缺陷,基于NCC(Normalized Cross-Correlation)算法,提出一种基于优化粒子群的模板匹配算法——NPSO。该算法加入附属粒子群,引导主粒子群向全局最优解收敛;根据禁忌搜索思想,提出黑名单概念,使粒子群快速跳出局部最优;并引入随机扰动算子,增加粒子群向全局最优解收敛准确性。通过Matlab仿真实验,不同模板尺寸下NPSO精确匹配率比基于标准粒子群模板匹配算法分别提高了45%、79%、36%、2%,且对噪声不敏感。说明NPSO不容易陷入局部最优,且匹配精度高、抗噪能力强。

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。

结合小波金字塔的快速NCC图像匹配算法

针对传统的归一化互相关算法(NCC)计算量庞大、运算速度慢、正确率较低等问题,本文提出一种基于小波金字塔搜索策略的快速NCC图像匹配算法。该算法在归一化互相关算法的基础上,采用和表法分别计算图像均值、图像方差和图像间的互相关来降低运算的复杂度,减少算法的计算量;同时在选择特征点匹配搜索策略时,构造图像小波金字塔结构,利用分层匹配来提高图像匹配的效率。与其他算法进行对比,结果表明该算法获得的匹配点连线效果更好,所用的时间也量化,证明该算法不仅能提高匹配速度,还能改善匹配精度。

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中，归一化互相关（Ncc）匹配算法是常用的匹配算法，但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的NCC匹配算法，根据归一化互相关系数自适应地选择搜索步长，加快了匹配速度；改进归一化互相关系数算子，增加了步长选择阈值的区分度，提高了自适应选取步长的精确度，实现了匹配时间和匹配精度的合理分配。实验表明，该算法在保证匹配精度的同时，匹配时间缩短为传统NCC算法的10％～50％。

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。

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。

基于特征颜色和SNCC的交通标志识别与跟踪

提出了基于特征颜色和SNCC的交通标志识别与跟踪方案,该方案用于智能车辆的交通标志识别与跟踪.在YCbCr色彩空间对交通场景图像进行颜色阈值分割,提取交通标志所在区域.根据标准交通标志的背景和内景特征颜色,设计标准交通标志的背景和内景颜色特征匹配模板.以背景和内景颜色特征匹配模板作为模板,采用模板匹配技术和SNCC计算匹配度,识别潜在交通标志图像和交通标志.在Matlab/Simulink环境下,基于视频与图像处理模块集和用户自定义函数模块构建仿真模型,进行仿真研究,给出了交通场景视频中交通标志的识别和跟踪轨迹仿真结果.结果表明,采用本文的交通标志识别与跟踪方案,计算量少,提高系统的效率,达到了较好的识别效果.

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。

基于NCC的改进立体匹配算法

在双目立体视觉系统中,图像匹配是关键步骤之一。在众多匹配算法中,归一化互相关(NCC)算法由于具有精度高、鲁棒性强等优点得到广泛应用,但其计算量大、运算速度较慢,使其难以在线应用。为此,本文提出一种改进的NCC立体匹配算法,通过引入积分图像和平方积分图像,将矩形窗口区域像素求和运算转化为四个像素点值的简单相加减,同时剔除基准图像中无法匹配区域以减小搜索范围,使计算复杂度得到简化,计算量大为降低。实验证明,改进后的NCC算法在保证匹配质量的基础上,执行速度得到显著提高,利于在线应用。

基于改进归一化互相关配准的口腔头侧序列图像全景图拼接算法

在牙科的头颅侧位成像中,使用小视野探测器经过线性扫描获得序列图像。为了得到头侧全景图,设计一种基于改进归一化互相关配准的拼接算法。该文使用高斯混合模型对图像进行分割预处理;将目标区域内的归一化互相关系数作为测度函数,采用基于小波变换的多分辨率策略与粒子群优化算法提高配准精度;对配准后的图像进行图像融合,经过多轮连续拼接得到口腔头侧全景图。实验结果表明,改进后的算法配准误差波动从[-6,8]缩小到[-1,1],配准结果达到亚像素级。主观和客观分析显示,所提算法得到的拼接全景图无拼接缝隙和重影,且质量评价指标为最优。

频域互相关的间接飞行时间相机深度图配准

由于间接飞行时间(indirect time-of-flight,iTOF)相机存在空间非均匀性照明的问题,在进行深度图平移配准时,会导致像平面外围区域的测量深度误差较大,影响后续深度配准的准确性.为解决该问题导致的错配情况,提出一种加掩码的频域归一化互相关(normalization cross-correlation,NCC)深度配准方法.对和待配准深度图同一帧的灰度图进行加掩码处理,将非均匀区域掩蔽,然后使用频域的NCC方法进行配准,最后用配准得到的平移向量对两幅对应帧的深度图进行叠加,完成深度配准.该方法在4%的尺度缩放范围内,可以实现正确配准,水平方向的像素相对误差可以达到1.97%,垂直方向像素相对误差可以达到1.74%,且误差符合正态分布.该配准方法具有稳定性和可靠性,可以解决由非均匀性照明引起的深度错配问题.

图像匹配中NCC算法的一种快速实现方法

在计算机视觉领域,图像匹配是常见的任务,基于灰度的点的匹配是常见的方法。其中又以抗噪能力强、匹配精度高的归一化互相关(NCC)算法最为常用。然而NCC算法计算量较大,常常难以满足实时处理的要求。通过引入合适的全1矩阵,让其和原图像的数据做卷积,大幅度地降低了NCC的计算量,提高了效率,仿真实验结果也证明了本文方法的有效性。

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NCC的PCB图像配准算法研究

为解决PCB数码喷印中图像数据量大导致传统PCB图像配准时间复杂度高的问题,研究归一化互相关匹配算法(NCC),从候选点集和特征块选取两个角度对算法效率优化。利用统计滤波的方法滤除候选点中的误差点,减少计算量;分析PCB图像中配准点特点,利用动态规划的思路,并基于广度优先搜索方法,对特征块自适应选取,从而减少配准点集的遍历。实验中,利用分割后的基板图像与Gerber图像配准建立空间位置关系,再使用改进的配准算法来配准。实验表明,配准精度在99%左右,效率提高至1.6倍。