Sequential Similarity Detection Algorithm Based on Image Edge Feature

： This paper proposes a new sequential similarity detection algorithm （SSDA）, which can overcome matching error caused by grayscale distortion; meanwhile, time consumption is much less than that of regular algorithms based on image feature. The algorithm adopts Sobel operator to deal with subgraph and template image, and regards the region which has maximum relevance as final result. In order to solve time-consuming problem existing in original algorithm, a coarse-to-fine matching method is put forward. Besides, the location correlation keeps updating and remains the minimum value in the whole scanning process, which can significantly decrease time consumption. Experiments show that the algorithm proposed in this article can not only overcome gray distortion, but also ensure accuracy. Time consumption is at least one time orders of magnitude shorter than that of primal algorithm.

基于改进SSDA的彩色目标识别方法

提出了基于改进SSDA算法的机器人视觉彩色目标识别方法,利用颜色分量的权重系数对SSDA算法进行了改进,同时,在图像特征提取时引入目标的形状和大小信息。实验表明,这些措施有效地减少了运算量,提高了目标识别的准确性,具有较好的实时性和鲁棒性。

改进的SSDA并行算法及其在TEM中的应用

介绍了一种把图像匹配中的序贯相似性检测算法(SSDA,Sequential Similari-ty Detection Algorithm)应用到地形匹配中的方法,把地形匹配系统中的数字高程模型、高程数据和实时剖面数据分别视为SSDA算法中的搜索图、灰度值和模板,同时提出了动态门限序列和分组选取随机点的方法,最后将改进的SSDA算法进行并行化并用消息传递接口(MPI,Message Passing Interface)实现.实验结果表明,改进的SSDA算法能有效地提高地形匹配的速度和计算精度,而相应的并行程序也能取得较好的加速比,从而一定程度上解决了传统的地形匹配算法时间复杂度高、实时性差的问题.

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。

基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理,直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程,提高处理速度．其基本思想是采用序贯相似性检测算法(SSDA)快速得到候选匹配子图,再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明,该算法简化了处理过程,相对于直接FFT求相关系数法,运算速度提高了近10倍．

基于双阈值SSDA模板匹配的遥感图像道路边缘检测研究

利用遥感图像提取道路边缘信息可以简化常规城市道路的测绘工作。根据一般道路在图像上的影像特征对图像进行模型化处理,提出了基于双阈值的序贯相似性检测算法(sequential similarity detection algorithm,SSDA)的模板匹配算法,并在该算法的基础上,提出了一个基于减小增长误差的算子,用以减少由于样本数过多而产生的增长误差。与其他算法相比,该算法能够更有效地获取道路边缘信息,在准确提取路面边缘信息的同时,能对预处理中难以完全提取的路面部分进行修复,减少处理过程,从而提高处理效率。

基于SSDA的图像匹配跟踪算法

概述了相关匹配跟踪的研究现状,介绍了序贯相似性检测算法(SSDA)流程及存在的问题,提出了基于SSDA的图像匹配跟踪算法。该算法结合运动轨迹模型,预测了目标在下一帧的位置,并对运动目标进行搜索及跟踪状态估计和维护。试验结果表明,该算法可提高恶劣条件下图像跟踪适应能力,提升了整个图像跟踪的稳定性。

角点配准与图像差分的接触网绝缘子故障检测

针对接触网棒式绝缘子分布及故障特点,该文基于Harris角点与图像差分实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测;再利用序贯相似性检测算法SSDA(sequential similarity detection algorithm)对模板图像及待检测图像内角点匹配;接着对匹配后的角点进行模糊聚类,由于匹配会造成有用角点的丢失,故需对角点进行恢复处理;然后利用最小二乘法进行直线拟合;最终根据直线两侧图像的对称特性,差分图像并统计纵向灰度获取故障信息曲线,给出故障判断。实验结果表明:文中方法简单有效、易于实现。

柱面全景图生成技术的研究与实现

在全景图像理论的基础上,对现有的柱面全景图生成技术进行研究和实现。在柱面投影方面,采用基于平面图的柱面正投影和反投影算法。在传统的序列相似性检测算法的基础上,采用一种自适应阈值序列相似性检测算法对图像进行拼接。在与最邻近插值算法进行比较的基础上,使用双线性插值算法进行图像的融合。实验结果表明,生成的全景图视觉效果较好。

基于角点匹配与谱聚类的接触网绝缘子破损/夹杂异物故障检测

立足铁路总公司制定的6C系统标准,基于Harris角点与谱聚类实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测,使用序贯相似性检测算法(SSDA)算法匹配角点;然后对匹配后的角点进行模糊聚类并提取聚类中心,利用CV(Chan_Vese)模型提取绝缘子轮廓;接着利用离散余弦变换对绝缘子图像故障信息增强并对其边缘检测;最终对边缘点进行谱聚类实现绝缘子的破损/夹杂异物故障判断。实验结果表明:该方法能够较好地实现抗旋转匹配,精准提取绝缘子轮廓和诊断故障。

基于Camshift和Particle Filter的小目标跟踪算法

Particle Filter算法有较好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以都无法有效避免复杂背景的干扰。为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法。该算法首先利用Particle Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标。利用复杂背景下的飞行小目标图像序列,与序贯相似性检测算法(SSDA)、Camshift和Particle Filter做对比实验。结果表明算法不仅能实现小目标的全自动跟踪,而且还降低了跟踪效果受目标形变和部分遮挡的影响,对小目标跟踪具有较高的鲁棒性和实时性。

改进的全景图拼接融合算法

在全景图像理论的基础上,对现有的拼接算法进行研究和改进,采用基于像素点颜色变化特征和序列相似性检测拼接算法相结合的图像拼接融合方法对柱面全景图进行拼接。实验表明,与原有的算法相比,采用改进后算法的全景图拼接效果得到了改进,对柱面全景图像的拼接融合能取得满意的视觉效果。

应用序贯相似检测的基本矩阵快速鲁棒估计

提出了一种基于序贯相似检测(SSDA)的快速鲁棒基本矩阵估计算法来估计基本矩阵。在最大后验一致性(MAPSAC)算法中引入SSDA搜索最优模型参数,通过及时剔除错误模型减少计算成本函数的累加次数,不仅保持了MAPSAC的良好鲁棒性,而且有效减少了算法的计算量。用M估计算法对改进的MAPSAC算法获得的初始内点集进行优化,剔除估计余差较大的内点,并用优化的内点集求解基本矩阵,进一步提高算法的估计精度和鲁棒性。实验结果表明,该算法不仅估计精度较高,鲁棒性较好,而且平均处理速度比MAPSAC算法提高了30%以上,基本满足三维重建、匹配和跟踪、相机自标定等应用领域对实时性、鲁棒性和精度的要求。

模板图像尺寸可变的相关跟踪方法

相关跟踪过程中,序列图像中的实时图像与模板图像间存在灰度差异和几何形变,当前工程中采用相关匹配算法中的模板图像为矩形结构,为了在模板中尽可能的包含目标,模板中就不可避免的含有背景数据,但传统相关匹配算法中模板图像中的每一个像素都要参与计算,而且模板尺寸是固定的,这样就使得算法跟踪不稳定、容易丢失目标。为此提出一种变模板图像尺寸的相关跟踪方法,该方法实现了对模板图像尺寸的实时修正和非矩形模板相关匹配,试验证明此方法具有较强的抗几何变形的能力以及对复杂背景环境的适应能力。

数字图像相关技术的综合算法及其在断裂力学中的应用

鉴于散斑图的随机噪声和相关搜索运算过程仍是当今影响相关图像技术所获结果精度与计算速度两大有待研究解决的主要问题,提出一种基于小波变换、序惯相似度检测和统计相关算法三者相结合的新算法。其基本原理是应用小波变换对变形前后的散斑图进行滤波平滑处理;利用序惯相似度检测算法进行粗搜索,找到可能的匹配点;在可能的匹配点应用统计相关法进行细搜索,最终找到匹配点的位置。基本实验、计算和应用表明,这种算法在消除噪声和提高运算速度等方面,取得了良好的效果。

卫星云图预测的运动矢量方法

现有的云迹风提取方法只提供了对云覆盖的简单二值灰度估计 .该文利用运动矢量估计的思想提出了一种云覆盖 (云图 )预测的新方法 ,这种方法可实现对卫星云图的灰度预测 .这种新的方法是通过将一幅 GMS云图分割成为许多大小相同的小块 ,并将它们分别匹配到一幅参考云图中以获取云的运动矢量 ,进而实现对卫星云图云覆盖的量化预测 .进而还对该方法进行了优化 ,从而提高了算法运行速度 .并对算法实现中出现的“马赛克”问题提出了解决方法 ,获得了令人满意的效果 .

基于VFW的滚动按捺指纹拼接系统的设计

提出了一个基于VFW的滚动按捺指纹拼接系统的实现方案,通过自适应背景减除法实现了手指按下及抬起的自动检测,改进的序贯相似性检测法(SSDA)实现了指纹图像的配准。试验结果表明所述指纹采集方法优于平面按捺采集,对外界光照的变化、图像噪声具有很好的鲁棒性,在实验室的指纹建库中得到了很好的应用,有一定的实用价值。

自动焊机中芯片识别技术的研究

针对我国半导体生产后工序设备中的焊机一人一机手动的现状,本文提出手动焊机自动化改造的软件设计思想。讨论分析目前常用的基于灰度的快速模板匹配技术,着重研究芯片识别中所采用的关键技术———模板匹配。经实验对比发现,序贯相似检测算法(SSDA)具有较高的计算速度和定位精度,比较适合于高要求的工业应用。为进一步满足系统的要求,本文改进了自适应门限序列的SSDA,将匹配过程分为两步进行,第一步为粗匹配,第二为精匹配,大大提高了识别的精度与速度。

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。