基于SURF算法的电路板元件定位及检测

为解决人工电子元件检测日益困难的问题,提出了一种基于加速鲁棒特性(speed-up robust features,SURF)算法的电路板元器件的定位及检测方法.针对SURF算法在实际图像匹配应用中会发生较大概率误匹配的问题,提出了一种提高匹配概率的算法.首先用最近邻方法进行粗匹配,然后利用曲线拟合剔除错误匹配点对,最后利用匹配点对的坐标位置关系找出元件的位置,用改进的7个不变矩方法进行产品检测.实验证明了此方法的有效性和可行性,提高了特征点匹配的精度,实现了电路板元件的精确定位和检测.

基于欧氏距离变换的无人机图像拼接

针对无人机航拍图像线性拼接算法不适用于不规则融合区域的问题,提出了一种基于欧氏距离变换的无人机航拍图像融合算法。先通过加速鲁棒特性(Speeded-Up Robust Features,SURF)算法进行图像匹配,再采用欧式距离变换法来实现在重叠区域的加权融合。实验结果表明,相对于传统的线性加权融合算法,该方法显著消除了融合过程中出现的拼接痕迹和鬼影问题。对于航拍图像拼接等重叠区域不规则、重叠位置多变的多图像拼接问题,该算法拥有良好的拼接效果。

基于SURF和TPS的立体影像密集匹配方法

利用加速鲁棒特性(SURF)算法搜索影像的特征点,基于薄板样条(TPS)建立对应域之间连续和光滑形变变换,用于影像视差的估计,在此基础上提出一种新的立体影像密集匹配方法.首先,基于SURF算法进行特征匹配;然后,利用极线和TPS变换约束选择稳定可靠的同名点,计算影像之间的TPS变换矩阵,估计对应点的位置;最后,基于影像灰度进行密集匹配,并利用极线约束和TPS矩阵删除误匹配点.为保证视差估计的可靠性,利用种子点的外接凸边形对匹配区域进行限定.以人脸三维重建中的影像匹配为例,得到了稳定可靠且密集的同名点.