基于混沌优化和二值互信息的快速模板匹配

针对模板匹配方法中速度、精度和鲁棒性不能兼顾这一问题,提出一种新的模板匹配方法。新方法使用互信息作为图像的相似性测度,并通过图像的二值化,理论上将互信息的计算速度提高到原来的约14.7倍;新方法对改进的变尺度混沌优化算法(EMSCOA)进一步改进。大量模板匹配实验表明新改进的EMSCOA算法(称为EEMSCOA),在模板匹配领域比原算法(EMSCOA)提高了约9倍的速度;同时焊缝焊接及其他实验也表明,所提的基于混沌优化和二值互信息的快速模板匹配方法,能够克服倾斜、遮挡、形变等干扰,快速、准确地找到最优匹配点,因此所提算法是实用有效的。

基于特征点聚类的立井井壁图像匹配算法

由于井壁图像光照差干扰多,图像匹配存在极大困难。为提高立井井壁匹配准确度,本文提出一种基于特征点聚类的立井井壁匹配算法。算法综合了待匹配区域选取、特征点提取、聚类分组、基于多参数的粗匹配以及精匹配等方法,获得了很好的匹配效果。从实验结果看,无需提取很多特征点,匹配结果准确度高,可清晰地体现出所拍摄图像的移动方向。