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。

基于图像法稳瞄精度的检测方法研究

针对稳瞄惯导一体化系统在动态情况下,用人眼去判读它的稳瞄精度的实时性和准确性都比较差。为了解决此问题,提出了一种基于DSP+FPGA的图像检测技术的检测稳瞄精度的方法,并结合图像处理实现了对目标的高精度判读且可以计算目标在各帧图像中的坐标,从而达到了对稳瞄精度检测的目的。结果表明:检测精度可达到0.05mrad;整个实时检测系统具有良好的稳定性,能同时适用于实验室和靶场环境。

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。

基于边缘特征的多源图像分层匹配算法研究

针对灰度相关的匹配算法不能适用于多源图像的匹配问题,提出了一种基于边缘特征的分层匹配算法.该算法首先提取出两种非同源图像的边缘特征作为匹配的特征空间,并且为了提高匹配算法的速度,主要采取了以下几种措施:采用粗匹配和精匹配相结合的分层序贯相似度检测算法(SSDA)作为搜索策略;在粗匹配阶段运用跳跃式的搜索策略和亚抽样模板.然后在精匹配阶段为了兼顾匹配的精度采用逐点扫描的全像素点匹配.通过对真实合成孔径雷达(SAR)图像和光学图像的仿真,结果表明该算法能够较好地适用于多源图像的匹配,并且大幅提高了匹配算法的速度.

SSDA波形匹配在高频电源开关控制中的应用

针对高频电源开关控制问题,提出改进序贯相似度检测(SSDA)的波形匹配方法来预测一次电流过零点,以控制高频电源开关元件开通和关断来提高高频电源输出功率。通过对SSDA算法阈值设定方法的改进,提高了该算法的匹配速度。首先,对不同条件下的一次电流波形进行取点,考虑波形采集过程的噪声,依次采取低通滤波和算术平均滤波的方法对采样数据进行处理后建立波形库。利用改进SSDA波形匹配的方法,根据匹配相似度较高的库中波形来预测目标波形的过零点时间,从而控制电源开关。实验结果证明,所提方法具有可实施性,且有较快的匹配速度以及较高的匹配精度。

改进的SSDA图像匹配算法

在目前的图像匹配中,SSDA实时性好,但对图像灰度的线性变化非常敏感。鉴于此,提出一种基于SSDA(序贯相似度检测算法)的新算法。新算法提出差值矩阵的概念,消除了灰度线性变化的影响。首先将两幅图像同行的相邻像素进行灰度差值计算,获得差值矩阵,再将差值矩阵的元素按照隔点提取的方式进行序贯相似度计算,阈值自适应更新,获得最小阈值的子图像即为匹配图像。实验结果表明,该方法对图像灰度的线性变化有良好的鲁棒性,便于实时性的实现。

一种新的图像匹配算法的研究

在图像匹配研究中,基于H ausdorff距离的检测(HD)和序贯相似度检测(SSDA)是比较常用的两种方法。介绍了HD和SSDA两种算法并分析了两者各自的优点与不足,在此基础上提出了一种新的图像匹配算法。该算法结合了SSDA和HD的优点,实验证明该算法在实时图像匹配过程中能使模板和图像达到更加快速有效的匹配。