基于角点检测的焊缝图像ROI优化提取算法

为了解决焊缝表面缺陷检测中使用点云数据过于庞大而导致检测时间过长的问题,课题组针对Moravec角点检测算法进行优化,使用优化后的角点检测算法对激光中心线进行特征点提取并确定感兴趣区域（region of interest,ROI）。经过实验表明：优化后的角点检测算法能够有效避免伪角点的出现,提高了鲁棒性,同时经过ROI提取后的焊缝点云数据量减少了71.14%。该方法能够有效解决计算基于点云的焊缝表面缺陷检测数据量过大的问题。     

基于harris角点的电子稳像算法研究

研究了一种基于harris(哈里斯)角点匹配的电子稳像算法。为了实现电子稳像,该算法首先从震动图像中搜索所有的哈里斯角点,然后选择左上角的角点作为模板,在震动前的图像中寻找匹配部分,从而计算出运动向量,最后根据该运动向量计算出稳定的图像。结果表明,该算法是一种快速、高效而且稳定的方法,在井下智能监控系统的应用中能取得良好的效果。     

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。     

CCD图像的轮廓特征点提取算法

采用最大方差法将图像二值化,用图像形态学的梯度﹑细化和修剪算法来提取边缘轮廓,利用十一点曲率法得到轮廓的角点和切点的大致位置。提出了一种基于最小二乘拟合的改进算法,来进一步确定角点和切点,并对轮廓分段识别。该算法应用在基于图像处理的刀具测量系统中,实际结果表明具有良好的抗噪声性能,能准确提取出图像的特征点。     

小型回转点云的配准研究

针对回转半径较大的小型回转点云配准时其回转特征不明显问题,提出一种先利用最小二乘法计算出点云的拟合平面并将所有点投影到该平面上,再利用滚球算法计算该二维点云数据的边界,并对边界点云进行3次B样条拟合,最后根据B样条曲线的变化特点,找出特征点,并利用特征点进行配准。对于回转半径较大且尺寸较小的回转点云,由 于其回转特性不是非常明显,因此完全依靠其回转特性进行配准,会有一定的难度,所以需要利用其他一些特征进行配准。最后通过三坐标扫描仪获取物体的外表面形状数据,然后进行配合验证,结果表明可以准确获取特征点。该方法可以有效地对小型点云进行配准。     

基于Yolov4 Tiny与RANSAC算法的管纱识别抓取系统

现了管纱的检测、定位及抓取任务。首先利用深度相机获取RGB D图像,通过训练深度学习网络Yolov4 Tiny,生成预测结果;然后利用预测框信息将原始点云进行裁剪,采用快速点特征直方图与RANSAC算法进行配准;最后利用手眼标定的方法将深度图像坐标信息转换到机械臂坐标系下完成抓取。实验结果表明：系统管纱平均抓取成功率达到65%,在非结构化的环境中具有良好的抓取结果,满足管纱抓取的实际生产需求。     

在人脸图像中确定嘴巴位置的方法

利用迭代式阈值选择算法在人脸的下半区域进行阈值化处理,无需人工干预就可得到嘴巴鼻子等区域,且很好地改进了传统的二值化方法所造成的嘴部轮廓不清晰、连通性不好等缺陷;用腐蚀膨胀算法去掉较小的噪声点,用最小外接矩形近似表示各个连通区域的形状,根据嘴巴形状大小的先验知识确定嘴巴所在的连通区域;用嘴巴连通区域的质心表示嘴巴中心,利用Harris角点检测算法在原灰度图像的嘴巴区域中找到两个嘴角。实验结果表明,本文算法具有较快的速度和较高的精度。     

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。     

立体视觉中的特征点匹配算法研究

立体视觉中的特征点匹配是计算机视觉中的重要组成部分,是获取三维几何信息的重要步骤。特征点匹配算法可遵从下述处理过程:(1)特征点的选择;(2)点匹配。本文比较了经典的H arris、SU SAN和相位一致性角点检测算法,得出通过相位技术找出的边缘特征点具有良好的抗噪性和稳定性,再结合基于灰度相关及外极线约束的双向匹配技术,可获得很好的匹配效果。最后,给出了实验结果。     

基于改进Harris和RANSAC算法的全景图生成技术研究

全景图能够提升旅游体验,是智慧旅游中重要的内容之一.文章改进了Harris算法中的梯度算子和角点响应函数,以减缓角点提取时的聚簇现象,降低角点冗余;改进了RANSAC算法匹配特征点的选取方式,降低了算法的运行时间.结合这两种改进算法,生成了长江黄金邮轮重要部位的全景图,提升了旅游服务智慧,满足了智慧旅游的应用要求.实验表明:两种改进算法具有特征点提取均匀、配准速度快的优点.     

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MatLab角点检测算法的改进

图像处理是计算机的常用技术之一,由于软件选择不当常会导致图像处理成效不理想,影响了用户计算机操作的顺利进行.为了满足用户图像处理的需要,本文分析了基于MatLa的角点检测算法改进的问题,并且以SUSAN算法为例进行深入地分析.     

基于边缘拐点的医学图像配准

利用控制点进行医学图像配准是医学图像处理领域的重要研究内容,其中控制点的选取是重点研究的一点。本文提出先将图像二值化,提取边缘,在边缘处利用边缘信息及其邻域内的信息提取拐点作为控制点。将变形图像和参考图像的拐点坐标分别作为网络学习的输入和输出样本,经过训练得到一组网络连接权参数,利用学习好的网络预测配准图像。以人脑CT图像为例,通过实验验证了算法的有效性。     

融合Sobel-SIFT的花朵图像的特征提取方法

由于花朵图像特征的复杂性,往往需要先对原有图像进行花朵轮廓检测,再进行特征点提取.本文在传统的SIFT算法的基础上,提出了改进的Sobel-SIFT算法,以适用于花朵图像的特征提取.该方法首先针对传统的Sobel算法进行了方向模板的扩展,其次对检测到的边缘特征进行细化处理,最后使用SIFT特征提取算法对花朵图像进行特征点提取.试验结果显示该算法比原有算法获取了更为准确的特征点,验证了本文方法的有效性.     

超声和MR/CT图像的非刚性配准技术

刚性或近似刚性图像配准的研究已在神经导航领域获得了实际意义的临床应用。相比之下,非刚性图像配准的研究则比较薄弱,尤其是像超声和MR/CT图像配准等多模态非刚性图像配准。本文总结了各种非刚性图像配准方法,着重于近年来用于超声和MR/CT图像配准的新方法,归纳这些方法的原理、创新性和优缺点,并展望超声和MR/CT图像配准技术的发展。     

堆叠筒子纱机器人无序分拣方法

针对筒子纱分拣机器人对作业目标堆叠时识别不准确、抓取位置不稳定的问题，课题组提出了一种堆叠筒子纱的机器人无序分拣方法。构建了具有3D视觉感知的筒子纱分拣机器人系统，利用Kinect V2相机获取堆叠筒子纱的图像信息，对采集到的筒子纱点云进行处理；通过M估计抽样一致性算法（MSAC）和直通滤波算法对原始点云进行裁剪，采用改进E R分割算法和ICP算法完成点云的分割和配准，得到筒子纱的位姿信息；最后使用机器人进行抓取实验。实验结果表明：该方法能够实现对堆叠场景下的作业目标的识别定位，系统的抓取成功率达到86%，可以满足筒子纱分拣的实际生产需求。     

基于尺度预估的SAR图像相位相关配准算法

高精度的图像配准是SAR图像融合的前提条件之一.针对相位相关匹配方法用于强相干斑噪声的多波段、多极化SAR图像匹配时存在的缺点,提出了一种基于尺度预估的SAR图像相位相关配准算法.首先,利用图像问的中心频谱值之比实现尺度预估计;然后,在相位相关过程中,针对强噪声图像的互功率谱的逆傅里叶变换图存在多峰的情况,通过脉冲值的局部搜索得到最佳的匹配参数;最后,校正待配准图像,达到精确配准.实验结果表明,文中算法对于多波段、多极化SAR图像具有良好的匹配效果.     

基于视觉的印刷品缺陷检测技术

为满足印刷品缺陷检测的准确度需求,设计了一种基于计算机视觉的分布式检测系统。该系统主要包括图像采集模块、图像处理模块、输入输出模块。研究了图像预处理、特征提取、图像配准、图像匹配和缺陷检测的相关算法。实验数据表明:该系统和采用的图像算法能精确计算缺陷的各项特征参数并判断类型,达到了印刷品缺陷检测的要求。     

基于双向ICP跨源点云配准的鞋底涂胶轨迹生成

针对自动化鞋底涂胶系统中存在的鞋型适用性不高的难题，课题组提出了一种基于修正PCA(principal components analysis)和双向ICP(iterative closest point)的跨源点云配准算法。对比3种采样方法对最终配准精度的影响，选择了最远点降采样作为配准前对点云的预处理；提出了修正PCA对鞋底点云进行粗配准，为精确配准提供了较好的初始变换矩阵；利用对跨源点云配准鲁棒性较好的双向ICP进行精确配准；根据精确配准结果将标准涂胶轨迹迁移到实时鞋底涂胶系统上，从而得到实时涂胶轨迹。结果表明：修正PCA+双向ICP在快速精确配准跨源鞋底点云上具有优越性，其中双向ICP迭代20轮后误差减小到1.31 mm，相比传统ICP算法误差减小了1.13 mm；修正PCA+双向ICP算法在处理不同鞋型时具有较好的适用性和精度，配准时间也满足系统要求。该算法可提高传统鞋底涂胶系统对各类鞋型的适用性，具有一定的工程实用价值。     

基于实数编码的多种群遗传算法的点云配准

针对不同视角下测量的点云在配准时计算量大、速度慢的缺点,提出了一种基于实数编码的多种群遗传算法的配准方法,可以克服标准遗传算法速度慢、精度差的缺点,有效地提高全局搜索能力,实验结果表明:实数编码的多种群遗传算法能够快速获得较好的配准结果,以此结果作为初始位置进行最近点迭代法配准,能迅速达到所要求的精度,获得理想的配准效果。