一种改进的快速归一化积相关图像匹配算法

归一化积相关算法是一种经典的图像匹配算法,具有操作简单、匹配概率高等优点,其不足之处主要在于计算量大,难以满足实时性要求。为此,本文首先提出了一种减少归一化积相关算法计算量的方法,通过从基准图像中构造出两个搜索矩阵,来简化实时图像的搜索路径,使其只需沿一个方向平移就可以完成匹配,并且可以很容易地通过相邻两个基准子图之间的迭代来避免图像能量的重复计算;接着将该方法与BPC算法的思想相结合提出本文的快速匹配算法,从两个方面来减少传统算法的计算量,进一步提高了算法的运算速度;最后通过实验仿真验证了本文算法的优越性。

一种基于积分图像的快速归一化积相关算法

归一化积相关算法鲁棒性强、精度高,是图像相关匹配的首选算法。但是原有归一化积相关算法的过程都比较复杂,运算速度较慢,因而在一定程度上限制了它的应用。介于此,文中提出了一种基于积分图像的快速归一化积相关算法,将一定区域的像素求和运算转化成四个顶点像素值的简单加减,降低了计算复杂度,并且大大提高了归一化积相关算法的执行速度。经实验证明,文中算法不仅能够保证图像的匹配精度,而且其整体运行时间仅为原算法的1/8。

基于一种快速归一化积相关算法的图像匹配研究

在灰度图像匹配中,归一化积相关算法具有鲁棒性强、精准度高和易于硬件实现等优点。但算法复杂、计算速度慢是制约其应用的主要原因。基于迭代的思想提出了一种快速归一化积相关算法。该方法在计算基准子图图像能量时,只通过几个像素值的加减运算,便可快速实现基准子图像素求和,大大降低了计算的复杂度。实验证明,本算法与原算法具有相同的匹配精度,但计算时间仅为原算法的1/9.

基于改进归一化积相关算法的目标跟踪方法研究

针对归一化积相关算法(Normalizad Product Correlation,NProd)对光照敏感且计算复杂度高的特点,提出一种基于改进归一化积相关的实时目标跟踪方法.通过对NProd算法进行去均值改进,去除图像直流分量,抑制了图像灰度变化对相关峰的影响,提高了算法对光照变化的鲁棒性;通过应用先粗后精的分层搜索算法提高了算法实时性能;最后通过自适应模板更新改善了跟踪算法的稳定性.运动目标跟踪实验表明,该方法保留了NProd算法的高匹配精度,在亮度变化达到25%时可以保证跟踪稳定,且满足实时性要求.

归一化积相关Brisk图像配准算法

首先应用归一化积的相关系数进行图像块的匹配,对匹配成功的图像运用AGAST算法提取特征点,再将提取的特征点应用Brisk描述子进行描述,最后应用汉明距离对Brisk描述子进行匹配。

归一化积相关算法加速方法研究及FPGA实现

随着飞航导弹向高效打击和提升智能的方向发展,为了保证打击的精确性,对地形匹配、目标识别的实时性要求也越来越高,单靠DSP软件进行图像处理的做法已经难以满足要求。根据FPGA实现数学运算的特点,提出了归一化积相关算法公式的化简方法,具有精度高、速度快的特点,并设计了积相关硬件加速电路单元架构和积相关多路并行计算架构,通过在FPGA上进行实现验证,能够满足新一代飞航导弹地形匹配及目标识别的实时性要求。

归一化积相关算法的精度优化策略研究

归一化积相关(Nprod)算法是图像匹配中一种常用的算法,其硬件实现精度管理对设计性能存在很大的影响。结合现场可编程门阵列(FPGA)的结构特点,以保证Nprod算法匹配精度和匹配性能为准则,本文从Nprod算法的数学优化、可变字长位数管理和FPGA设计原则三方面开展探讨,并对相关IP核做了仿真验证和对比测试。所得到的研究结论对Nprod匹配算法的实际工程应用具有重要的参考价值。

归一化积相关算法并行加速方法研究及FPGA实现

归一化积相关算法在地形匹配、目标识别等图像处理中有着广泛的应用,但由于其计算过程复杂,计算实时性较差,限制了它的应用范围,本文结合FPGA在并行计算方面的优势,提出了一种归一化积相关16路并行计算方法及硬件实现架构,具有精度高、速度快的特点,并在FPGA上进行了实现,与PC机MATLAB软件和DSP芯片TS201相比,运算速度提升了上千甚至上万倍,计算精度能够达到10-6,能够满足地形匹配及目标识别等图像处理的实时性和计算精度要求.

投影相关匹配算法

二维投影相关法是基于二维投影的灰度相关匹配算法,主要利用匹配图像相邻像素的灰度值的大小关系应该相同的原理进行图像匹配。该算法不仅大大减少了数据的维数,而且算法主要涉及(0,1)整数运算。与去均值归一化互相关算法(Nnprod)相比,其在保证匹配精度要求的前提下提高了匹配速度。

基于互相关的图像匹配亚像素定位

本文提出了一种新颖的基于抛物线拟合原理的亚像素求取算法。为了简单快速的获得亚像素定位精度,本文根据相关峰所呈现出的特性,用抛物线拟合经相关峰顶点切开的纵切面轮廓。沿不同的方向纵切,就可获得不同方向上的拟合抛物线,而根据每一条拟合抛物线可获得其对应顶点。最后根据所获得的点,进一步求取到各点距离之和的最小值点,其对应位置即为所求。从而实现了以点来描述线(每个点代表一条抛物线),以线(所有的拟合抛物线)来描述面的思想,以便于更真实详细的描述相关峰顶点附近峰面所呈现出来的特性。实验证明,该算法具有较高的亚像素提取精度,能达到0.01级别的像素精度。

基于相似度比较的图像灰度匹配算法研究

为提高图像灰度匹配算法的匹配性能,分析了常用的图像相似度比较方法,从实际应用出发,提出了一种简化的归一化积相关度量方法。针对景像匹配末制导,设计了先粗后精的匹配控制策略,实现了归一化积相关图像匹配算法的有效加速,并给出了简化的快速算法的基本设计思想。通过大量的匹配仿真实验,系统分析了算法对灰度畸变、噪声干扰、几何旋转畸变以及制导图大小的适应性。仿真实验结果验证了所给匹配控制策略的有效性、实用性以及算法的优越性。

复杂地面目标前视红外景象匹配算法

针对复杂地面目标前视红外图像边缘模糊、背景杂乱无章,无直接可用的同源基准图的情况,研究了一种灰度与形状特征相结合的由粗到精景象匹配算法。在粗匹配阶段,将积分图像引入归一化积相关算法中,并对其计算公式进行了近似,使运算速度大大加快;精匹配阶段,利用实时图与所制备基准图形状相似的特点,采用形状上下文进行匹配。实验结果显示,该算法匹配精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。

图像几何校正控制点的自动确定方法

依据图像几何校正的一般思路 ,提出了一种有效的控制点 (CP)自动确定方法。首先定义了基准控制点 (RCP)及畸变控制点 (DCP)的概念 ,设计了一种基于图像方差的检测模板 ,提出了相应的检测准则及搜索方案 ;然后在畸变图像中利用归一化积相关图像匹配算法实现了基准控制点相对应的畸变控制点的精确定位 ,并给出了方法的算法流程 ;最后 ,以几何旋转畸变图像为例进行仿真实验 ,准确辨识出了畸变模型的参数 ,验证了方法的可行性及有效性。

快速景象匹配算法控制策略

为提高景象匹配算法的匹配性能,分析匹配算法设计的基本思路及常见两类匹配算法的优缺点,提出采用一定的控制策略以加快匹配速度,进而提高匹配效率的思想,给出几种匹配控制策略的设计思路。以归一化积相关景象匹配算法为例,采用先粗后精的分层匹配策略,实现了算法的加速,通过大量的匹配仿真实验,验证了该匹配控制策略的可行性、有效性。

空域和频域相结合的景象匹配算法

针对数字景象匹配中采用单一算法所存在的问题 ,提出了采用归一化积相关和相位相关二者结合的复合匹配算法 ,实现了优势互补 ,有效地提高了数字景象匹配的概率和精度 .为了进一步改善匹配性能 ,还运用侧抑制竞争技术提取图象边缘 ,采用适当降低分辨率的策略来提高运算速度 ,使其更接近实际工程应用 .仿真证明 ,该方案较为成功 .

基于NCC的图像匹配快速算法

在图像匹配过程中,针对传统归一化积相关(NCC)算法计算量大的问题,提出一种对NCC进行改进的图像匹配快速算法。该算法首先使用差分求和定理改造NCC相似度量函数,以降低匹配计算量。然后提出模板区域分割,设定阈值,进一步去除大量不必要的计算,优化匹配搜索过程,实现了快速匹配。实验结果证明,与传统的匹配算法相比,在保证精度的前提下,计算复杂度大大降低。

一种多传感器融合的景像匹配算法

为提高景像匹配算法的匹配概率和匹配精度,以多传感器最大属性数据融合方法为基础,分析了光学与雷达传感器获取图像的特性,提出了使用光学和雷达传感器进行融合相关的新匹配算法,实现了这两种传感器的优势互补,大大加强了景像匹配算法的抗干扰能力,有效提高了匹配概率和匹配精度。仿真证明,该方法比较成功。

一种新的SAR图像分块匹配算法

当SAR图像噪声过强时,采用归一化积相关算法得到的相关面对比性较差,匹配结果可靠性降低。为解决此问题,给出一种新的SAR图像分块匹配算法。该算法将实时图分块并分别与基准图进行匹配,利用分块图像之间的相关性来找正确匹配点,增强了匹配结果的可靠性。实验证实该算法在实时图有强噪声的情况下依然可以正确匹配。

基于机器视觉的轮胎快速识别分拣方法

在生产诸如自行车轮胎等产品过程中,存在人工识别分拣工作量大、过程枯燥乏味及效率低下的现象。针对这一问题,研究了一种基于机器视觉的轮胎快速识别分拣方法,该方法依靠机器视觉系统抓取生产线工作区域图像,利用NCC(归一化积相关)模板匹配准确的特点快速匹配到轮胎上的固定编号,然后进行扇形固定区域扫描获取编号区域,通过双线性插值将定位出的环形区域转换为矩形区域,实现轮胎编号信息的快速识别,最终驱动机器人完成分拣工作。实验结果证明,该方法安全可靠,具有较好的实际应用价值。

基于蚁群算法的景象匹配定位

景象匹配定位是精确制导的重要技术,通过对景象匹配定位和蚁群算法的研究,提出一种基于蚁群算法的匹配定位方法,蚁群算法具有快速全局寻优能力,应用蚁群算法计算模版图像在基准图像中的匹配位置,根据匹配定位参数的特点,建立二维的蚁群搜索空间,定义图像的归一化积相关作为相似性度量并更新蚁群的信息素,利用信息素及启发信息来计算状态转移概率,蚁群最终聚集到适应度函数最大的路径上。实验结果表明:蚁群算法可以准确有效地估计匹配位置。