基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少，会丢失部分重要信息的问题，课题组提出先对图像进行预处理，即增强对比度，提高亮度，使特征信息更明显，特征点更充足，再使用SIFT算法提取特征点；针对SIFT算法因特征描述符维数过多导致耗时长，实时性差的问题，课题组提出一种新的特征点描述方式，降低了描述符维数，提高了算法运行速度；最后，针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题，课题组提出一种权重阈值的方法，对距离特征点不同位置的种子点设置不同的阈值，提高匹配正确率。实验表明：与SIFT算法以及PCA SIFT算法相比，改进的算法匹配精度提高了10%~20%；同时，匹配时间也有所提高。该算法既有效提高了匹配正确率，又缩短了算法运行时间。     

基于SURF算法的数码印花缺陷检测系统

针对数码印花生产过程中织物上出现的白丝、斑点以及褶皱等表面缺陷问题,课题组设计了基于加速鲁棒特征算法的印花织物表面缺陷检测系统。主要通过加速稳健特征算法（speeded up robust features,SURF）来进行图像配准;采用双向唯一性匹配法减少误配点,实现图像精准配准,并通过差分算法来提取缺陷信息。实验采用多幅图像对改进SURF算法的性能进行了验证。试验结果表明：新系统对印花织物表面缺陷的检测精度达到98%,达到了实际应用要求。     

选择性计算的快速非局部均值图像去噪

针对非局部均值(NLM)图像去噪算法度量像素间的相似性计算强度高的问题,提出了一种选择性计算的快速NLM去噪方法。在图像块像素灰度值向量空间距离计算时,利用L2范数逐次消元法,只需在图像积分图上通过少量加法运算即可剔除大量相似性低的像素点,有效地减少计算强度。根据图像空间相关性强的特点,提出了基于patch测地线距离的动态调整搜索区域的方法。实验结果表明,与其他经典算法相比,该方法获得了较好的加速,也提升了NLM算法的去噪性能。     

基于高效边缘检测的彩色图像灰度化算法

为了使彩色图像灰度化后能更好地保留原始对比度和细节特征，课题组提出一种基于高效边缘检测的彩色图像灰度化算法。课题组通过对线性参数模型产生的一系列备选图像采用像素差值网络（pixel difference networks, PiDiNet）实现鲁棒性、准确性的边缘检测，边界点数最多的备选图像所对应的权重则被选为映射函数的最优解，由于引用了像素差值卷积PDC，对边缘信息敏感度增强。实验结果表明：此算法相比于其他算法能较好地保留原彩色图像的细节特征，使得输出图像轮廓清晰且自然，主客观评价均较优。     

基于直方图均衡化的PCA SIFT图像特征提取与匹配改进算法

为了克服SIFT算法运算量大、运算耗时长和实时性不强的缺点,课题组提出了基于直方图均衡化PCA SIFT算法,以增强 灰度图像的明暗对比度,增加匹配成功率,改进描述子生成方式,沿用主成分分析法（PCA）降低特征检测维度,减少耗时。仿真实验表明该算法有效地减少了 运算时间,并且一定程度上减少了不必要的特征点的匹配数量。新算法能有效减少运算量。     

数字图像匹配算法的改进及研究

本文从数字图像匹配运算的速度与精度方面出发，详细地讨论了数字图像匹配算法的改进，经粗略匹配和亚像素级精确匹配以后可快速得到亚像素级匹配点．计算机仿真实验表明．本文给出的改进匹配算法与现行的最小误差法和最大相关系数法相比，在1／20亚像素分辨率条件下的运算速度提高了大约5倍。     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

基于SURF算法的红外图像拼接方法的改进

针对红外图像拼接存在速度慢、精度低的问题,将常用的几种可见光图像配准算法用于红外图像配准对比实验。选择其中 实时性和准确性较好的SURF算法进行优化改进,采用的方法是图像区域分块、阈值化处理和特征点匹配对两级筛选（筛选条件根据不同对象可实时调整）。在 不牺牲准确性的前提下,改进方法有效地提高了红外图像拼接的实时性。实验证明笔者提出的红外图像拼接改进方法的有效性。     

基于率失真优化的快速帧内更新算法

提出了一种近似估计整帧图像最小量化失真度的模型和新的率失真优化的实时帧内更新准则,可使编码器直接计算出编码一帧图像的最小量化失真度,通过评估宏块帧内编码所增加的总量化失真度和减小的扩散失真度,以决定是否需要对此宏块进行帧内更新。经与传统的基于率失真的帧内更新相比和实验结果表明,更新算法在具有更小计算复杂度的同时,在大多数情况下可以取得更好的峰值信噪比值。     

基于双十字TV模型的图像修复算法(英文)

当前的各种TV(total variation)算法均只利用待修复点及其邻域的4个点的信息进行修复,由于所提供的参考信息有限,使得修复后的图像精确度欠佳。该文提出的双十字TV算法利用原始的TV算法,将待修复点邻域中的8个点分为两组,分别利用每组4个点的参考信息计算待修复点的像素值,然后将这两个像素值进行加权平均得到最终的修复值。实例验证结果表明,在不增加时间复杂度的情况下,双十字TV算法有效提高了修复后图像的精确度。     

改进A的4阶贝塞尔曲线路径规划

自动引导车（AGV）路径规划时，传统的A算法存在应对障碍物时生成路径平滑度低、累计折角多、易碰撞等问题，课题组提出一种利用Bezier曲线与A算法相结合的路径优化算法。首先利用A算法在有障碍物的栅格地图上规划出最短路径，找出路径转弯处的特征点；然后利用4阶Bezier曲线在2个特征点生成一条满足安全避障距离、具有一定曲率、路径相对更短的Bezier曲线；最后结合A算法生成的直线和Bezier曲线得到一条新的无碰撞曲线。试验结果表明在2种不同的障碍物密度下，课题组提出的新算法比传统A算法路径长度平均减少5.5%、转弯角度平均减少654%、碰撞次数平均减少100%。新算法法使AGV路径规划可减少路径长度和转弯角度，提高了AGV的工作效率和安全性能。     

基于改进AKAZE的特征匹配算法及应用

徽派建筑群的代表性构件样本量大,且由于相同类型构件外观造型相似,仅花纹图案有所区别,所以导致难以判断所采集图像的归属。提出了G-AKAZE方法用于特征匹配,有效提升了匹配速度和精确度,并将其用于徽派建筑图像数据的匹配。首先非线性方法构造尺度空间,并用快速显示扩散数学框架FED来快速求解偏微分方程,再用Hessian矩阵进行特征点检测,根据特征点获取主方向并旋转图像,通过采样网格的像素完成尺度自适应,最后将图像网格化,去除误判点完成特征匹配。此方法能快速且准确地对目标图像进行特征匹配,实验使用前期采集的徽派建筑图像数据,在匹配速度和匹配对数两方面的表现优于同类特征匹配方法。     

SIFT匹配算法在视频拼接中的优化应用

在视频拼接中．由于视频帧存在噪音大,光线变化、模糊以及旋转等情况,传统的SIFT算法处理后出现了较多的错误匹配点时。为了提高匹配的准确率,提出了一种优化的SIFT算法：在SIFT算法的图像匹配过程中,计算所有匹配点对所确定的直线的偏转角度,设置一个角度误差范围,对匹配点对进行角度误差约束筛选,根据得到的匹配点对时偏移量进行精确计算,实现视频帧的融合。最后通过大量实验,验证了优化后的SIFT算法更加准确地对视频帧进行匹配拼接,消除了重复区域拼接的模糊性,符合视频拼接对于偏移量计算的精确要求,实现了视频拼接的实时性和高效性。     

流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间。针对这些问题,提出了流形距离的自动免疫克隆聚类图像分割算法。自动免疫克隆聚类算法可以自动确定聚类个数,不需要人为事先给定,并且确保全局收敛;使用流形距离可以反映空间分布复杂的流形数据;使用超像素而非像素来降低图像分割的时间等问题。通过对4组人工数据集和4幅自然图像进行实验,对比k-means算法、GCUK算法,结果表明该方法优势比较明显,具有一定的实用性和先进性。     

基于等距映射特征匹配的薄壁件镜像加工刀路补偿算法

在大型薄壁件的镜像铣削加工时,装夹过程会造成工件的变形,如果使用初始的刀具路径会导致薄壁件厚度不均匀,过切或欠切。为了提高加工精度,在铣削加工之前添加激光扫描环节,并提出一种基于等距映射特征匹配的薄壁件镜像加工刀路补偿算法。应用运动学变换公式将激光扫描数据转换为点云,通过点云预处理简化过程,对理论曲面和实际曲面进行Delaunay三角网格曲面重构和计算定位点和匹配点任意两点间的测地线距离,再运用非线性最小二乘迭代计算完成基于等距映射理论的曲面特征匹配,最后基于面积坐标公式完成刀路的补偿。经过加工测量实验,该算法能减少67%加工误差,验证了该算法的有效性。     

面向视障人群的障碍物位置与距离的视觉测量方法

针对视障人群与障碍物之间的位置与距离难以检测的问题，课题组提出了基于单目视觉的障碍物检测与定位方法。该方法基于单目视觉系统获取外界环境信息，在三帧差法的基础上对相邻帧差图像进行加法运算，降低了噪声的影响，实现了对正前方和两侧横穿的障碍物的检测与定位；结合单目视觉系统标定，建立了单目测距模型，计算视障者与障碍物之间的距离；根据视障者的行走速度规划防撞预警策略。通过实验验证表明该方法能够有效检测出人行道上的行人障碍物，同时距离障碍物小于8 m时测距误差控制在5%以下，并提示预警措施。课题组的研究在一定程度上解决了视障人群出行安全的问题。     

非均匀光照金刚石切割线颗粒提取方法

针对常用的金刚石切割线人工检测抽检误检率高，检测精度低，而且由于实际环境中成像条件的限制，图像的背景光照不均匀，金刚石颗粒粘连在一起，给金刚石颗粒提取带来困难的现状。课题组提出了基于机器视觉的非均匀光照金刚石切割线颗粒提取方法，利用同态滤波去除噪声与光照不均匀度，最大间方差法对采集的图像进行二值化处理，引入形态学与分水岭分割融合的算法对粘连颗粒进行分割，根据八连通域标记方法统计出颗粒数。课题组对6种不同样本进行对比试验，结果表明课题组所提出的方法准确度较高，提高了计算速度。     

基于部分有界互相关图像匹配算法的车辆视频跟踪

归一化互相关算法作为一种基于穷举原理的块匹配方法,其计算精度高、鲁棒性好,但计算量大。为提高图像相关匹配算法的搜索速度,在传统的有界部分相关算法基础上,提出了以自适应二分法为基础的匹配方式,将模板图像的每行分成灰度高低不同的两块,依据两块的灰度高低先后进行相关计算。该算法保持了边界部分相关算法速度快的优点,同时在每次搜索中给出更高的阈值,过滤掉不符合要求的匹配点,从而加快了有界部分相关算法的计算速度。实验结果表明:改进后的算法在精度不变的情况下运算速度得到提升,能够快速准确地跟踪行驶中的车辆。     

点模式指纹匹配算法研究与实现

指纹匹配是实现指纹识别的重要环节,针对如何提高识别率、减少算法复杂度,介绍了一种点模式的指纹匹配算法。其优点是:将匹配分为两步进行,减少了拒判时间;初匹配利用了细节点间的局部结构关系,既克服了图像的平移和旋转也得到了更精确的坐标校准参数;二次匹配阶段,整合多种判决条件作为识别的依据,提高了识别率。其实验结果表明,该算法复杂度低,识别率较高,有较强实用价值。     

基于SURF和FLANN算法的变电所仪表定位与读数识别

为了实现对变电所指针仪表的自动定位与读数识别,建立了自动图像识别系统,并对采用的SURF、FLANN、累计概率霍夫变换等算法进行研究。首先针对基本SURF算法在目标设备检测中的精度问题,提出了SURF联合FLANN的交叉验证算法。接着,利用透视变换选定目标区域。最后利用LOG变换对目标区域图像进行增强并利用累计概率霍夫变换对仪表指针进行检测。实验结果表明:角度识别检测误差范围小于3%。在保证运算速度的基础上提高了特征匹配精度、指针识别的精度与鲁棒性。