面向单视频超分辨率重建的改进的SIFT配准算法

针对单视频超分辨率重建传统的基于SIFT特征点检测的配准,在特征匹配上占用时间很大,难于满足实时性的要求,而用于计算128维特征描述子的时间最长这一缺点,提出了一种改进的SIFT配准算法,该算法的原理为通过放弃对128维特征描述子的计算,采用特征点之间的灰度相关系数来进行初始匹配,以期大大减少计算时间,提高特征匹配速度。实验结果证明,该算法在配准结果、时间消耗上明显优于传统配置算法。

复眼图像超分辨率重构中配准算法研究进展

高分辨率图像能够提供更多的图像细节和更清晰的图像质量,因此模仿生物复眼高分辨率这一特性、研究复眼超分辨率对于航天侦查和军事目标的识别具有重要意义。近年来亚像素级图像配准作为超分辨率重构中的关键步骤成为了研究热点,新的配准算法层出不穷。图像配准作为复眼图像超分辨率重构技术中至关重要的一步也是超分辨率重构中的一个难点,图像配准的精度以及图像配准算法的运算复杂程度直接影响着超分辨率重构的质量和效率。文中总结了近年来国内外超分辨率重构中配准算法的研究进展,介绍了图像配准技术和复眼超分辨率重构技术的基本原理和应用背景,阐明了课题的研究目的、意义以及发展前景,并且重点研究与分析了目前主流的配准算法以及各自的优缺点,并对今后的研究趋势进行了展望,同时为今后的配准算法研究提供了重要参考。

一种改进的图像配准算法

针对常规图像配准算法在图像存在仿射变换情况下匹配效果不明显的问题,本文提出一种基于SIFT(scale invariant feature transform)特征点的图像配准方法。首先,利用harris角点检测算法提取出图像的特征点,然后采用SIFT算法对特征点进行描述,用最近邻与次近邻之比进行匹配,最后用RANSAC(random sample consensus)算法消除错误匹配对。实验结果表明:该方法能够很好的进行仿射图像配准,并且大幅提高了配准的准确率。

一种适用于智能变电站巡检机器人的双针仪表读数的识别算法

提出一种适合智能变电站巡检机器人室外工作环境的对变电站双指针式仪表设备读数的识别算法。首先针对双针仪表设备图像,进行设备模板化处理,并在模板库中建立仪表的min刻度和max刻度的位置信息。对于机器人实时采集的仪表图像,先要在后台服务中调取相应采集位置设备的模板图,利用尺度不变特征变换(SIFT)算法,在输入图像中匹配提取仪表表盘区域子图像。而后除去上方指针在表盘中的阴影降低指针误识别率,再对表盘子图像进行二值化、仪表指针骨干化处理,利用快速霍夫变换(Fast Hough Transform)检测两条指针直线去除噪音干扰,定位指针精确位置和指向角度,完成指针读数。此算法经过国内某500 kV智能变电站巡检机器人实地测试,各种仪表综合识别率超过95%,对仪表的读数具有高精度高鲁棒性,完全满足该智能变电站推进无人值守的仪表设备读数自动检测识别的要求。

一种变电站悬挂异物识别方法

提出了一种变电站悬挂异物的识别方法,实现了站内悬挂异物的实时监控。首先,使用数字图像处理技术对采集图像进行去噪等预处理操作。其次,使用SIFT配准定位指定区域,分析并统计指定区域中特征角点的数目。最后,根据特征点数目的分布状态和设定阈值进行异物识别,超过阈值时判定为有异物侵入,预警站内工作人员进行处理。实验证明,该方法具有计算快捷,适应性强、正确率高的特点,可以满足变电站无人值守的实时监控要求。

微尺度目标的图像拼接与测量

当今微尺度加工在各领域都得到了蓬勃发展,如何使用计算机视觉的研究方法对于微小尺度元件的图像进行分析与测量也成为热点问题。针对叉指电极提出微视觉图像的测量方法,建立能够完成数字图像实时传输的微视觉图像采集系统,并完成叉指电极图像的采集。通过图像拼接解决微视觉图像视场较小的问题,分别通过SIFT和SURF图像特征点检测与匹配的算法对图像进行特征点的匹配,并进行图像融合以获得相对完整的微尺度图像。对图像进行形态学处理,通过边缘迭代腐蚀获得拓扑细化后的图像中心线,最终使用HALCON进行图像的像素距离的测量。

全景泊车辅助技术及图像无缝拼接技术分析研究

针对图像处理技术的不断进步,以及驾驶员在复杂路面操控中需要减少泊车过程中的剐蹭、陷落和碰撞等问题,提出一种基于SIFT图像融合拼接的算法。对此,为实现对无缝拼接的改进,提升图像融合配准质量,对SIFT算法进行了两方面的改造,一是选取重合区域特征点进行匹配,从而减少了匹配的数量;其次,采用单极值匹配方式,从而减少了匹配次数;然后,引入不同图像权重的方式,在不改变非重合区域灰度的情况下,对重合区域图像进行融合,从而完成对图像的无缝拼接。最后,以TMS320DM643芯片作为处理器,搭建实际的测试硬件和软件系统,对上述的算法进行验证,结果表明上述算法的有效性。