基于MSER仿射变换配准的农用柔性pH芯片性能优化

针对柔性pH芯片复合结构多层打印制备过程的配准偏差严重,限制其农用pH值在线监测精度及稳定性问题,比较分析了MSER仿射变换模型对“叠层复合结构”柔性pH芯片性能的影响,分析了配准后柔性pH芯片在基质培番茄根系pH值在线监测应用中的可行性。试验结果表明:MSER仿射变换模型配准后,农用柔性芯片加工最小线宽和线间距分别为90、500μm,芯片加工平均相对误差可控制在25%以内;配准后,农用柔性pH传感器灵敏度达到了每单位pH值-61.9 mV,响应范围为2.0~10.0,与商用玻璃pH电极的测量绝对误差小于0.15,相对误差小于4.1%;基质培番茄根系pH值监测试验中,自制柔性芯片与商用pH电极的测量结果具有较好一致性,同步测定结果的绝对误差小于0.09,相对误差小于1.5%,RMSE仅为0.05。MSER仿射变换配准方法可有效提高“叠层复合结构”农用打印柔性传感芯片的制备精度及传感检测准确性。

基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER(maximally stable extremal regions)检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.

多层次MSER自然场景文本检测

提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.

集成MSER和SIFT特征的遥感影像自动配准算法

针对倾斜的遥感影像配准困难问题,提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配,初步校正影像的空间形变。然后在粗匹配基础上采用匹配能力较强的SIFT描述子与仿射不变矩描述子相结合,进行精匹配。通过以上两步匹配,可以提高遥感影像配准精度,尤其对倾斜影像效果更明显。最后采用倾斜的无人机(UAV)影像进行试验,并与SIFT配准算法比较。结果表明,本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域(MSER)的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明:本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。

结合MSER与HSOG的目标局部特征提取

针对SIFT在视点变化下对物体几何特征描述的缺陷,本文提出一种结合最稳极值区域检测和改进的二阶梯度直方图描述子的目标局部特征提取方法。首先,采用一种新的最稳定度判断准则,提高了不规则形状区域和模糊条件下的检测效果;然后,利用改进的二阶梯度直方图提取MSER区域的局部特征描述子,采用高斯函数加权的方法考虑了不同像素对区域中心像素的影响,提高了稳定性;最后,通过标准测试图像和实际拍摄图像的匹配对算法进行验证。实验结果表明,本文方法在视点变化下仍能获得70%以上的匹配率,匹配效果优于SIFT。本文方法相比于传统方法检测效果更为稳定,对于不规则形状区域仍有较好的检测效果,适用于视点变化下的目标匹配。

基于MSER与边缘投影的车牌定位算法

针对基于颜色或边缘的车牌定位算法常出现误定位的问题,提出一种适用于嵌入式平台的基于MSER与边缘投影相结合的车牌定位算法。对RGB彩色图像进行灰度变换突出车牌区域,使用MSER算法进行连通域分析获取车牌位置;对于车牌和车身颜色一致的情况,设计垂直边缘投影算法进行补充定位;利用车牌的字符间距特征进一步提高车牌定位的准确度。实验结果表明,该算法对车牌倾斜、弯折、光照不均、大小不一、背景杂乱、分辨率低等情况具有很好的鲁棒性,准确率可达97.1%,适合应用于嵌入式车牌识别系统。

基于MSER与SIFT融合的多通道图像匹配算法研究

针对传统最稳定极值区域算法,只能从灰度通道进行不变特征提取而不能充分利用彩色图像信息的缺点,以及MSER(maximally stable extremal regions)算法与SIFT(scale invariant feature transform)算法本身存在的局限性,提出一种融合MSER与SIFT的多通道图像匹配算法.首先利用HSI(hue-saturation-insensity)颜色空间,同时从三通道进行MSER特征提取,对得到的特征进行简单筛选,将S和I通道得到的MSERs经椭圆拟合与归一化处理,并在H通道得到的区域中进行SIFT特征提取,而后对所有特征利用融合了C-均值聚类法的SIFT描述子进行描述,并用高维数据的可伸缩最近邻算法(fast library for approximate nearest neighbors,FLANN)连接同名点,利用PROSAC(progressive sample consensus)算法去除错误点,最终实现图像之间的匹配.仿真实验证明,该方法能够解决传统MSER存在的问题,并且在提取的特征质量以及处理速度上更具优势.

一种改进的基于MSER算法的不变量提取算法

结合MSER(maximally stable extremal regions)算法,提出一种对图像的尺度、旋转、仿射变换更加稳定的区域不变量提取的算法。对于输入图像采用多尺度MSER提取算法,并对提取的MSERS依据其灰度变换的平稳性对提取区域进行修正。提高了区域提取的可重复性和匹配概率。

MSER在图像局部特征检测中的应用研究

基于图像斑点检测技术具有尺度和旋转的不变性,但对仿射不变性适应性较差,MSER是对图像中稳定区域的检测技术,它对图像旋转、尺度及仿射不变性都具有强的适应性。对MSER检测技术的数据定义、检测算法的实现及区域拟合的应用作详细的分析,通过图像中稳定区域提取,可获得最优图像特征因子,再通过区域的拟合,可实现椭圆区域的二阶矩阵,其实现算法具有易实现、速度快、效率高的特点,该算法在目标区域和空间一致性上具有较好的应用效果。

多尺度自卷积变换与MSER组合的影像匹配方法研究

针对影像仿射变换较大,目前常用局部特征提取算法匹配效果不理想的问题,提出以信息熵为约束条件,筛选出高信息量的MSER特征区域。文中利用多尺度自卷积(MSA)变换的灰度概率密度函数直方图熵构造新的特征向量,并以此作为优化后的MSER局部特征区域的描述符,组合成一种新的具有抗仿射变换的局部特征匹配方法,经过两组具有仿射变换的近景影像对该算法的实验验证,算法整体上可以有效地剔除10%以上的质量不好的特征区域。研究表明,在匹配准确性上,效果要优于MSER算法,尤其是程度较大的仿射变换,平均匹配准确率也要比MSER高。

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.

基于MSERS与SURF算法融合的无人机近红外光谱非稳态影像配准

本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究,满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题,利用SURF计算效率高和MSERS能够提取完全仿射不变区域特征的特点,提出了无人机遥感影像特征提取与匹配的方法,该方法是基于SURF融合特征,在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS+SIFT、MSERS+SURF三种算法进行配准效果验证。结果表明:MSERS+SURF的匹配正确率优于其他两种算法。该算法实现了MSERS的多尺度检测及拼接效率成果较好的平衡。

基于MSER与SURF的图形匹配新方法

针对传统图形匹配算法对稳定特征提取不充分的缺点,提出了一种基于MSER与SURF的图形匹配新方法。MSER与SURF是两种特征提取算法,各有优缺点,且具有互补的特性。提出的算法分别用MSER与SURF检测图像的特征点,用SURF描述子表征检测到的所有特征点,从而实现了两者的互补,并获取了更为丰富的特征描述。基于更丰富的特征,描述信息,进行特征匹配,最后得到的图像匹配效果,相比传统方法更加稳定。

基于相对总变差模型与MSER的织物毛球等级评价

针对人工评价织物起毛起球等级存在主观因素强、效率低等问题,提出基于相对总变差模型与MSER(最大稳定极值区域)相结合的织物起毛起球等级评价方法。首先对织物起毛起球图片进行预处理,以消除光照不均的影响并增强毛球信息;然后利用相对总变差模型抑制毛球图像的纹理信息,使用MSER分割毛球区域,再通过形态学运算处理该区域;最后以毛球总面积占图像面积的比例作为起毛起球等级评价参数,建立织物起毛起球等级评价标准,实现对织物起毛起球等级的客观评价。实验结果表明,该方法可以有效地完成织物起毛起球等级评价,能够满足实际工业需求。

基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤:(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。

基于MSER与SVM算法的车牌定位识别方法

针对实际车牌识别系统中车牌位置定位难、字符识别率低等问题,提出了一种基于MSER与SVM算法的车牌定位识别。该方法分为定位和识别两步,输入图像经过预处理,通过MSER与SVM算法直接提取出车牌的字符区域,然后将车牌字符图像裁剪送入识别阶段,识别阶段同样利用SVM算法对车牌字符进行识别。经验证,该车牌定位识别方法识别速度快、准确率高,能够适用于实际生活中较为复杂的交通环境。

一种基于MSER和SWT的新型车牌检测识别方法研究

为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)和笔画宽度变换(stroke width transform,SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94. 86%,识别准确率达96. 14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。

基于MSER的弹孔识别算法的研究

研究了基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的弹孔识别算法。用基于积分图像的阈值自适应算法对MSER算法改进(MSER-I),以提取弹孔候选区域。通过透视变换确定胸环靶及背景区域,排除胸环靶外部的弹孔候选区域。对于胸环靶内弹孔候选区域,利用弹孔特征排除非弹孔区域,根据报靶记录,排除靶面已报过的弹孔区域,实现对新增弹孔的识别。实验结果表明,该算法满足报靶精度及实时性要求。

基于MSER的集装箱号低秩矫正研究

集装箱号的快速记录对于码头、港口业务至关重要.由于相机拍摄的图像常伴有严重的畸变,极大影响了字符识别算法的准确性,因此需要在识别之前对图像进行矫正.本文提出了一种快速有效地对存在畸变的集装箱号图像进行矫正的方法.首先应用基于MSER的图像分割算法对集装箱箱号区域进行检测,确定矫正的特征区域;然后根据低秩模型利用LADMAP~*以及初始值热启动的方法来降低算法复杂度并矫正图像;最后,结合图像低秩和矫正前后的变换率优化算法的收敛条件,经过多次迭代后得到最终的矫正结果.实验结果表明,该方法不仅能对集装箱号进行较好的矫正,而且算法也具有稳健性.