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。

基于自适应序贯相似性检测波形匹配延拓的EMD端点效应抑制

针对经验模态分解过程中信号两端出现的严重失真问题,在波形匹配延拓的基础上,提出了一种基于自适应序贯相似性检测波形匹配延拓的端点效应抑制方法。该算法引入基于精度的截止阈值,使算法有了很好的直观性和快速性。再通过对折自适应调节阈值,进一步减少遍历所需时间。通过对模拟信号和实际工程信号分别进行仿真分析,结果表明该算法能够有效的抑制在经验模态分解过程中出现的端点效应问题,改善分解效果。

基于序贯相似度的AGV图像配准方法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。

基于序贯相似性检测算法的彩色印品套准精度检测方法

在印刷工业生产中,套准是影响彩色印品质量的决定性因素。本研究针对印刷生产过程中人工检测套准效率低、精度不高等问题,建立了一种基于序贯相似性检测算法(SSDA)的印刷套准精度快速检测方法。针对常用的叠印型套准标记,首先将采集到的标记图像通过分色得到CMYK四色图像,然后基于SSDA算法对套准标记进行准确定位并实现套准误差的自动检测。实验表明:该方法检测精度和效率较高,能够满足实际工业生产需求。

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。

基于序贯相似度法的多CCD在线检测的研究

为满足在线检测实时性的要求,提出了一种新的图像拼接方法,通过对图像RGB三通道分别计算,并运用序贯相似度找出了匹配图像的对应位置和偏移距离。实验结果表明,该方法检测速度快,精度高,可以满足在线检测的要求。

基于序贯相似性测算法的图像模板配准算法

图像配准是很多图像处理应用中非常重要的一个环节.针对烟标印刷缺陷检测系统的模板配准算法在此得到了较深入的研究.在传统的序贯相似性检测算法(SSDA)基础上,提出一种新的配准算法.实验证明,该算法比传统的SSDA算法在速度上有较大提高,能满足在线烟标检测系统中图像处理算法的实时性要求.

一种基于序贯相似性检测算法(SSDA)的加速算法

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,在该算法中引进了阈值,即模板与其覆盖下的搜索子图的像素差值的上限值.提出的基于SSDA的加速算法,是在此基础上,引入了模板与其覆盖下的搜索子图的像素差值的最低门限值,如果该最低门限值超过了阈值,则可以跳过该搜索子图.实验证明:该算法比传统的SSDA算法在速度上有所提高.

基于序贯相似性与光源自动调节的芯片表面缺陷检测算法

为了解决当前缺陷检查算法在保护罩反光环境下易导致采集芯片连接器图像光照不均,使其缺陷检测精度较低,无法精确定位出浅插与破损的不足,设计了基于序贯相似性检测匹配与光源自动调节的芯片连接器表面缺陷检测识别算法。首先,基于序贯相似性检测匹配,定位出连接器位置,提取出连接器不良常发区域;然后设计了光源自动调节机制,视觉软件通过光源数字控制器SDK与网线触发光源关闭或调暗,消除保护罩反光对图像质量的影响;最后采用线检测,统计缺陷区域二值图特征,完成缺陷检查。实验数据显示,与当前缺陷检查技术相比,在面对保护罩反光严重环境下的芯片连接器缺陷检查时,该算法具有更高的检查精度。

用于目标跟踪的双阈值快速序贯相似性检测算法

为降低序贯相似性检测算法(SSDA)的计算量,提出了一种双阈值快速SSDA算法(DTSSDA)。DTSSDA增加了误差累积速度阈值,当误差累积速度超过速度阈值时可提前终止本次匹配计算,而速度阈值可利用帧间相关性信息自动地选取。另外算法中还引入了积分图的概念并采用了从粗到精的搜索策略。实验表明DTSSDA能在保证匹配精度基本不变的前提下使单帧计算量大幅减少,因此更适合于实时目标跟踪。

序贯相似性检测算法在图像匹配中的应用研究

随着计算理论的发展,图像匹配技术已成为计算机视觉领域中一项极为基本和重要的内容。本文采用序贯相似性检测算法对图像进行匹配,通过对误差的积累进行分析,从而实现图像匹配。实验表明,采用序贯相似性检测算法的图像匹配能够有效提高运算时间,匹配效果良好。

基于序贯相似性算法的快速车牌识别

提出了一种基于序贯相似性算法的快速车牌识别方法。采用改进的倾斜较正和字符分割方法对定位好的车牌进行处理,并采用基于序贯相似性检测的模板匹配算法进行车牌识别。实验结果表明,该算法具有良好的鲁棒性和实时性。

序贯相似度检测法在实时跟踪中的改进方法

对序贯相似度检测算法(SSDA)进行了重要改进,提出了新的搜索域确定方法。其结果是减小了算法的计算时间,改善了跟踪系统的快速实时性能;同时还剔除了原算法中可能产生的伪匹配位置。

改进序贯相似性检测算法的遥感图像匹配

为了克服传统的遥感图像匹配算法低鲁棒性的缺陷,本文对传统序贯相似性检测算法进行改进.首先,定义噪声敏感度,自适应判定像素点是否为噪声,并对噪声点进行预处理;其次,计算每个像素点的梯度方向,与初始设定的梯度方向阀值对比,离散待取样像素,减少非匹配区域的计算量;最后,对经过预处理的图像进行图像匹配.实验结果表明,经过改进的算法具有较强的抗噪能力和较快的运算速度.

基于序贯相似性和布谷鸟寻优的敦煌壁画修复算法

针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题;其次引入动态阈值序贯相似性检测算法进行匹配块的搜索,提高了壁画修复效率;为了使匹配块选择更加合理,再利用布谷鸟寻优算法确定最佳匹配块;最后通过迭代更新完成壁画修复。通过对敦煌壁画的修复实验表明,本文方法相比于同类比较算法,取得了较好的主客观修复效果,并且修复效率也得到了进一步提升。

图像匹配中的相似性度量比较与分析

图像匹配作为一种重要的图像处理技术是图像信息融合、目标定位、变化检测、图像重建等后续工作的重要基础。选择合适的相似性度量对于图像匹配的结果至关重要。分析和讨论了图像匹配中常用的相似性度量;针对典型的基于灰度统计的图像匹配方法SSDA,实验比较了采用不同相似性度量对匹配结果的不同影响;对实验结果进行了分析和讨论,并得出了结论。

融合相似性检测的抗遮挡粒子滤波跟踪算法

在粒子滤波跟踪算法运行过程中,由于目标遮挡导致丢失目标,将严重地降低跟踪精度与鲁棒性。为了解决此问题,提出了目标丢失状态判定方法和基于改进序贯相似性检测的目标位置重建方法,当检测到目标丢失时,重启跟踪算法。改进序贯相似性检测使用Bhattacharyya距离代替像素累积误差,更好地适应检测目标发生旋转、形变、缩放等情况。使用OTB-100标准数据集,将该算法和传统粒子滤波跟踪算法、SCM等经典算法比较。实验结果表明,对于含遮挡特性视频序列,本文算法比传统粒子滤波跟踪算法和OTB-100抗遮挡最优算法跟踪成功率分别提高36.6%和3.2%,提升了跟踪过程的稳定性。此外,还将实验结果与最新粒子滤波跟踪研究成果作对比分析。

相关地磁匹配定位技术

地磁匹配定位算法的本质是数字地图匹配,相关匹配算法是数字地图匹配的有效算法。在地磁导航中该匹配算法自适应实时构造基准数据序列,并以Hausdorff距离作为相关判断准则。为了提高了算法实时性,提出了预匹配和精匹配相结合的改进措施优化了运算过程。在预匹配过程中,由于地磁数据的离散性,搜索步长定为一个基本网格单元,并与序贯相似检测原则相结合,这样可快速排除非匹配区,筛选得到精匹配所需要的可行区域。在精匹配中,引入了双线性插值法对地磁场原始数据进行加密内插以提高匹配精度。最后利用地磁场数据进行了仿真试验,结果表明在一定条件下该相关匹配算法对地磁导航具有适用性。

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。

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。