圖像匹配
- BRIFT： 一種基于二值描述符的多模態(tài)圖像匹配方法
????? 圖像匹配；? 特征匹配；? 相位一致性；? 最大索引圖；? 二值描述符中圖分類(lèi)號(hào)：???? ??TJ760；? TP751? ??文章編號(hào)：???? ?1673-5048（2023）04-0115-08文獻(xiàn)標(biāo)識(shí)碼：???? A? ? DOI：? 10.12132/ISSN.1673-5048.2022.02630引言圖像匹配是將由不同傳感器、 在不同時(shí)間拍攝的圖像在空間位置上進(jìn)行對(duì)齊配準(zhǔn)的過(guò)程。 由于不同傳感器成像機(jī)理不同， 成像時(shí)間、 視角也
航空兵器 2023年4期2023-09-15
- 基于FLoFTR算法的無(wú)人機(jī)實(shí)時(shí)在線地理定位
視覺(jué)定位； 圖像匹配； LoFTR； 知識(shí)蒸餾中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.19452/j.issn1007-5453.2023.05.012基金項(xiàng)目： 航空科學(xué)基金（2019460S5001）；廣西科技重大專(zhuān)項(xiàng)（AA22068072）在現(xiàn)代戰(zhàn)爭(zhēng)中，無(wú)人機(jī)成為越來(lái)越重要的作戰(zhàn)裝備，無(wú)人機(jī)被大量應(yīng)用于偵察、目標(biāo)打擊等作戰(zhàn)任務(wù)，對(duì)戰(zhàn)場(chǎng)有著舉足輕重的作用。然而面對(duì)復(fù)雜的作戰(zhàn)環(huán)境，目前的無(wú)人機(jī)裝備仍存在性能弱、無(wú)法建設(shè)成熟的作戰(zhàn)體系的問(wèn)題。
航空科學(xué)技術(shù) 2023年5期2023-09-14
- 圖像匹配在機(jī)器視覺(jué)課程教學(xué)中的探索與實(shí)踐
；教學(xué)方法；圖像匹配；教學(xué)效果0 引言隨著人工智能技術(shù)的飛速發(fā)展，基于機(jī)器視覺(jué)識(shí)別技術(shù)的應(yīng)用成為了很多行業(yè)的發(fā)展契機(jī)，如無(wú)人駕駛[1]、工業(yè)機(jī)器人抓取[2]、人工智能[3]、交通監(jiān)控[4]、人臉識(shí)別[5]等。這一系列的應(yīng)用都離不開(kāi)圖像匹配技術(shù)，因此，圖像匹配研究已經(jīng)成為當(dāng)前機(jī)器視覺(jué)領(lǐng)域的一個(gè)熱點(diǎn)。機(jī)器視覺(jué)課程是新工科建設(shè)的產(chǎn)物，以互聯(lián)網(wǎng)和工業(yè)智能為核心，著力培養(yǎng)創(chuàng)新型、應(yīng)用型人才，華東理工大學(xué)于2021 年1 月起已經(jīng)開(kāi)設(shè)跨學(xué)科、跨專(zhuān)業(yè)的機(jī)器視覺(jué)算法課程[
計(jì)算機(jī)時(shí)代 2023年7期2023-07-17
- 基于多特征融合的圖像匹配研究
像，因此這種圖像匹配成為當(dāng)前研究的重點(diǎn)[4-5]。針對(duì)圖像匹配問(wèn)題，一些發(fā)達(dá)國(guó)家學(xué)者進(jìn)行了長(zhǎng)期的研究，提出了許多有效的圖像匹配方法，圖像匹配技術(shù)十分成熟，而國(guó)內(nèi)圖像匹配的研究時(shí)間比較晚，亦取得了相當(dāng)多的成果，但是還有許多問(wèn)題有待解決[6]。當(dāng)前圖像匹配方法可以劃分為2類(lèi)：一類(lèi)是基于灰度信息的圖像匹配方法，該類(lèi)方法首先將圖像轉(zhuǎn)換為灰度圖像，并根據(jù)灰度信息計(jì)算兩幅圖像之間的相似度，從而得到圖像匹配結(jié)果，該類(lèi)方法的圖像匹配時(shí)間短，圖像匹配效率高，但是圖像匹配的錯(cuò)
微型電腦應(yīng)用 2022年3期2022-04-20
- 基于圖像處理的工程制圖作業(yè)批改方法研究
：圖像處理;圖像匹配;幀差法;工程制圖作業(yè);自動(dòng)批改中圖分類(lèi)號(hào)：TP391.4? ? ?文獻(xiàn)標(biāo)識(shí)碼：AResearch on the Correcting Method of Engineering DrawingHomework based on Image ProcessingZHU Wenbo， DU Feng（School of Mechanical Engineering， University of Shanghai for Science a
軟件工程 2021年11期2021-11-09
- 基于顏色空間聚類(lèi)算法的圍度標(biāo)記點(diǎn)優(yōu)化設(shè)計(jì)
7摘? 要：圖像匹配是人體測(cè)量系統(tǒng)實(shí)現(xiàn)圍度測(cè)量的關(guān)鍵。圖像匹配的基礎(chǔ)和前提是圍度標(biāo)記點(diǎn)的精準(zhǔn)識(shí)別，標(biāo)記點(diǎn)的識(shí)別效果受顏色、形狀等因素的影響。在圖像匹配過(guò)程中，可以通過(guò)提高彩色標(biāo)記點(diǎn)的識(shí)別效率來(lái)提高圖像匹配準(zhǔn)確性。文章設(shè)計(jì)多種不同顏色和不同形狀的標(biāo)記點(diǎn)，利用基于HSV模型的顏色空間聚類(lèi)算法對(duì)標(biāo)記點(diǎn)進(jìn)行各顏色的分類(lèi)和坐標(biāo)的聚類(lèi)。經(jīng)實(shí)驗(yàn)驗(yàn)證，設(shè)計(jì)的黃品青圓形的標(biāo)記點(diǎn)類(lèi)型的識(shí)別效果較好。關(guān)鍵詞：標(biāo)記點(diǎn)識(shí)別;顏色空間聚類(lèi)算法;HSV模型;圖像匹配中圖分類(lèi)號(hào)：TP39
現(xiàn)代信息科技 2021年8期2021-11-03
- 電力巡線無(wú)人機(jī)圖像處理技術(shù)
;圖像處理;圖像匹配;圖像識(shí)別引言隨著現(xiàn)代科技的迅猛發(fā)展，無(wú)人機(jī)在軍用、民用都實(shí)現(xiàn)了質(zhì)的飛躍，發(fā)揮著重要作用。在“十三五”國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃中，無(wú)人機(jī)得到了充足的發(fā)展。而在“十四五”期間，無(wú)人機(jī)將以大視野、大科學(xué)、廣融合、高維度視角獲得更快的發(fā)展以及更大的突破。目前，中國(guó)已建成330kV及以上輸電線路長(zhǎng)度30.2萬(wàn)千米。在2020年中，國(guó)家新增220kV及以上輸電線路長(zhǎng)度達(dá)到2.9萬(wàn)千米。另外，預(yù)計(jì)到2025年，中國(guó)有望特高壓線路突破4萬(wàn)千米。國(guó)家
理論與創(chuàng)新 2021年3期2021-06-24
- 基于代表色不變矩的自適應(yīng)匹配算法
HSV模型;圖像匹配;變步長(zhǎng)中圖分類(lèi)號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-8228（2020）09-01-04Adaptive matching algorithm based on representative color invariant momentsMa Yunfei， Su Yifei， Hou Xiyue（Nanjing University of Science and Technology，Nanjing ， Jiangsu 2
計(jì)算機(jī)時(shí)代 2020年9期2020-10-09
- 基于圖像處理的機(jī)場(chǎng)目標(biāo)分類(lèi)研究
于哈爾特征的圖像匹配分割出精確的目標(biāo)區(qū)域圖像，并計(jì)算出目標(biāo)特征信息;然后采用貝葉斯分類(lèi)方法得到目標(biāo)測(cè)量值的概率向量，最后通過(guò)加權(quán)計(jì)算目標(biāo)測(cè)量值在各個(gè)類(lèi)別中的概率值完成分類(lèi)。對(duì)仿真實(shí)驗(yàn)結(jié)果分析發(fā)現(xiàn)，該分類(lèi)算法可以精確的分割出目標(biāo)圖像，并對(duì)機(jī)場(chǎng)不同區(qū)域和不同類(lèi)型的目標(biāo)都可以有效分類(lèi)識(shí)別。關(guān)鍵詞： 場(chǎng)面監(jiān)視雷達(dá);圖像處理;目標(biāo)分類(lèi); 貝葉斯分類(lèi); 圖像匹配中圖分類(lèi)號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）23-0178-
電腦知識(shí)與技術(shù) 2020年23期2020-09-27
- 一種改進(jìn)的ORB圖像匹配算法
改進(jìn)的ORB圖像匹配方法。通過(guò)小波變換對(duì)圖像預(yù)處理，利用自適應(yīng)頻譜抑制方法提取候選特征點(diǎn)集，再建立多尺度空間模型，篩選具有尺度不變性的精確特征點(diǎn)，并通過(guò)BRIEF算子生成特征描述子，最后使用Hamming距離進(jìn)行特征匹配，完成配準(zhǔn)。通過(guò)3組圖像匹配實(shí)驗(yàn)對(duì)改進(jìn)算法的有效性進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在兼顧 ORB實(shí)時(shí)性的同時(shí)，提高了匹配精度，改善了圖像尺度變化較大時(shí)特征提取的穩(wěn)定性。關(guān)鍵詞： ORB算法; 特征點(diǎn)提取; 圖像匹配; 自適應(yīng)頻譜抑制; 多尺
現(xiàn)代電子技術(shù) 2020年3期2020-08-04
- 一種基于區(qū)域一圖非對(duì)稱(chēng)匹配的少數(shù)民族服飾檢索方法
徑。關(guān)鍵詞：圖像匹配;圖像檢索;少數(shù)民族服飾DOI：10.11907/rjdk.201439開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類(lèi)號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）005-0227-040 引言隨著計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展以及數(shù)字信息技術(shù)、多媒體技術(shù)的廣泛應(yīng)用，數(shù)字媒體資源數(shù)量的快速增長(zhǎng)使得人們很難從大數(shù)據(jù)中獲取有效且有價(jià)值的信息。因此，圖像檢索技術(shù)成為近年來(lái)數(shù)字圖像應(yīng)用領(lǐng)域的一個(gè)研究熱點(diǎn)，并已成功應(yīng)用于自然圖
軟件導(dǎo)刊 2020年6期2020-07-24
- 無(wú)人機(jī)電力線路巡檢安全距離測(cè)量新方法
，大大提高了圖像匹配速度，降低了程序的冗雜度，減少了由于運(yùn)算數(shù)據(jù)量過(guò)大導(dǎo)致的誤差。最后通過(guò)雙目測(cè)距原理實(shí)現(xiàn)無(wú)人機(jī)巡檢安全距離的測(cè)量。測(cè)量結(jié)果表明，所提系統(tǒng)能夠在測(cè)定距離為15 m時(shí)，測(cè)距反應(yīng)速度達(dá)到50 ms左右，相對(duì)誤差小于5%。關(guān)鍵詞： 無(wú)人機(jī)應(yīng)用; 電力線巡檢; 距離測(cè)量; 機(jī)器視覺(jué); 雙目測(cè)距; 視差計(jì)算; 圖像匹配中圖分類(lèi)號(hào)： TN98?34; TP391.9? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ?
現(xiàn)代電子技術(shù) 2020年5期2020-07-23
- 改進(jìn)的SURF算法在圖像匹配中的應(yīng)用
配的方法完成圖像匹配，然后在視差約束下，利用視差梯度約束對(duì)初始特征匹配對(duì)進(jìn)行預(yù)處理，篩選掉一些偏差較大的匹配對(duì)，最后采用隨機(jī)抽樣一致（Random Sample Consensus，RANSAC）算法對(duì)特征點(diǎn)二次優(yōu)化和去噪處理。將其他改進(jìn)算法和提出的改進(jìn)算法分別進(jìn)行圖像匹配處理比較，分析算法的性能，得到提出的改進(jìn)算法匹配成功率達(dá)96.3%。實(shí)驗(yàn)結(jié)果證明提出的改進(jìn)算法簡(jiǎn)單快速，匹配精度高。關(guān)鍵詞： 圖像匹配; 特征點(diǎn)提取; 雙向匹配; 視差梯度; 隨機(jī)抽樣一
現(xiàn)代電子技術(shù) 2020年10期2020-07-14
- 基于核線匹配的高速公路智能識(shí)別方法的研究
圍環(huán)境等影響圖像匹配結(jié)果的速度、精度以及可靠性的難題，以核線影像數(shù)據(jù)匹配為研究重點(diǎn)，探討了關(guān)于核線的匹配方法、核線影像數(shù)據(jù)中特征點(diǎn)提取和匹配的方法，提出了兩種基于特征段相似度的核線匹配算法，通過(guò)對(duì)三組距離不同的高速公路立體影像、不同的同名核線位置下的影像匹配結(jié)果的研究，驗(yàn)證了基于相鄰特征段相似度的核線匹配算法匹配的可靠性和優(yōu)越性。關(guān)鍵詞：圖像匹配;高速公路;核線匹配;特征點(diǎn);特征段中圖分類(lèi)號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-
現(xiàn)代信息科技 2020年3期2020-07-04
- 一種改進(jìn)RANSAC算法的單應(yīng)性矩陣估計(jì)方法
度。關(guān)鍵詞：圖像匹配;RANSAC算法;單應(yīng)矩陣;BGD算法;誤匹配點(diǎn)DOI：10. 11907/rjdk. 191439 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類(lèi)號(hào)：TP317.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）002-0149-04英標(biāo)：A Homography Matrix Estimation Method Based on Improved RANSAC Algorithm英作：LI Jia-Hui1，ZHANG
軟件導(dǎo)刊 2020年2期2020-05-25
- 圖像匹配及其應(yīng)用
猛發(fā)展，帶動(dòng)圖像匹配技術(shù)日益成為信息處理，尤其是圖像處理學(xué)中的基準(zhǔn)環(huán)節(jié)。本文先介紹圖像匹配技術(shù)，并根據(jù)不同的匹配技術(shù)，介紹相應(yīng)的研究現(xiàn)狀和應(yīng)用情況。 1引言圖像是對(duì)客觀事物的直接描述，是人們獲得信息、認(rèn)識(shí)事物、觀察世界的中樞環(huán)節(jié)。圖像匹配是在不同時(shí)間，用不同傳感器從不同角度拍攝的同一個(gè)場(chǎng)景的2幅或多幅圖像，讓其在空間上匹配，用來(lái)確認(rèn)他們之間關(guān)系變換的過(guò)程。圖像匹配技術(shù)最早于1970年美軍首次應(yīng)用于飛行器導(dǎo)航，隨后，在不同的實(shí)際應(yīng)用要求下，學(xué)者為了提高圖像匹
計(jì)算機(jī)與網(wǎng)絡(luò) 2020年7期2020-05-15
- 一種基于數(shù)字投影散斑的雙目視覺(jué)圖像匹配改良技術(shù)
黃秉堯摘要：圖像匹配是三維重構(gòu)的重要組成部分，經(jīng)典局部匹配的實(shí)現(xiàn)方式是區(qū)域匹配。零均值歸一化互相關(guān)（ZNCC）匹配對(duì)環(huán)境光有較高魯棒性。本文結(jié)合降采樣自適應(yīng)視差約束，在快速ZNCC基礎(chǔ)上進(jìn)行優(yōu)化，結(jié)合重建標(biāo)準(zhǔn)物體三維輪廓的精度對(duì)比，證明算法有效性。關(guān)鍵詞：圖像匹配;自適應(yīng)視差約束;反向組合算法中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2020）02-0071-04圖像匹配作為三維重構(gòu)的重要部分，廣泛應(yīng)用于工業(yè)檢測(cè)，醫(yī)學(xué)診斷
數(shù)字技術(shù)與應(yīng)用 2020年2期2020-05-11
- 基于圖像分割匹配的賽道元素識(shí)別算法
;特征分析;圖像匹配;賽道元素;智能汽車(chē)競(jìng)賽;賽道識(shí)別中圖分類(lèi)號(hào)：TP39文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2019）11-00-030 引 言近年來(lái)，智能汽車(chē)技術(shù)迅猛發(fā)展，它是一種集環(huán)境感知、規(guī)劃決策、自動(dòng)行駛等功能于一體的綜合系統(tǒng)，是典型的高新技術(shù)綜合體，具有重要的軍用及民用價(jià)值。因此，智能汽車(chē)競(jìng)賽也越來(lái)越受重視。智能汽車(chē)的核心部分是賽道元素識(shí)別、方向和速度控制，精準(zhǔn)的賽道元素識(shí)別算法是方向和速度控制的基礎(chǔ)和前提[1]。為此，本文提出一種基于
物聯(lián)網(wǎng)技術(shù) 2019年11期2019-12-11
- 抽樣一致性及其改進(jìn)算法綜述
覺(jué)領(lǐng)域。針對(duì)圖像匹配模型的魯棒估計(jì)問(wèn)題，首先分析了RANSAC改進(jìn)算法，然后對(duì)RANSAC、Optimal-RANSAC、NAPSAC、Mapsac以及RANSAC-Tdd等算法進(jìn)行了對(duì)比實(shí)驗(yàn)，最后通過(guò)實(shí)驗(yàn)結(jié)果分析了各種改進(jìn)算法的優(yōu)缺點(diǎn)。關(guān)鍵詞： RANSAC;模型估計(jì);圖像匹配;機(jī)器視覺(jué)【Abstract】 RANSAC is a robust method for model estimation，this method has been widely
智能計(jì)算機(jī)與應(yīng)用 2019年5期2019-12-05
- 基于改進(jìn)網(wǎng)格運(yùn)動(dòng)統(tǒng)計(jì)特征的圖像匹配算法
FT）算法在圖像匹配中匹配正確率低、耗時(shí)長(zhǎng)等問(wèn)題，提出一種基于改進(jìn)網(wǎng)格運(yùn)動(dòng)統(tǒng)計(jì)特征RANSAC-GMS的圖像匹配算法。首先，利用快速旋轉(zhuǎn)不變性特征（ORB）算法對(duì)圖像進(jìn)行預(yù)匹配，對(duì)預(yù)匹配的特征點(diǎn)采用網(wǎng)格運(yùn)動(dòng)統(tǒng)計(jì)（GMS）來(lái)支持估計(jì)量以實(shí)現(xiàn)正確匹配點(diǎn)與錯(cuò)誤匹配點(diǎn)的區(qū)分;然后，采用改進(jìn)的隨機(jī)抽樣一致性（RANSAC）算法通過(guò)匹配點(diǎn)間的距離相似性對(duì)特征點(diǎn)進(jìn)行篩選，并采用評(píng)價(jià)函數(shù)對(duì)篩選后的新數(shù)據(jù)集進(jìn)行重新整理，進(jìn)而實(shí)現(xiàn)對(duì)誤匹配點(diǎn)的剔除。采用Oxford標(biāo)準(zhǔn)圖庫(kù)和現(xiàn)
計(jì)算機(jī)應(yīng)用 2019年8期2019-10-23
- 云平臺(tái)網(wǎng)絡(luò)多重紋理圖像匹配融合方法研究
要： 傳統(tǒng)的圖像匹配融合方法在匹配多重紋理圖像時(shí)，很容易出現(xiàn)誤差匹配，融合后的圖像清晰度不高，輪廓不鮮明，針對(duì)上述問(wèn)題，在云平臺(tái)網(wǎng)絡(luò)上研究了一種新的多重紋理圖像匹配融合方法。首先，計(jì)算多重紋理圖像的匹配代價(jià)，分析圖像像素的相似度和特異性，構(gòu)建動(dòng)態(tài)規(guī)劃路徑，在不同網(wǎng)絡(luò)結(jié)構(gòu)下匹配多重紋理圖像;然后，建立樹(shù)狀圖對(duì)圖像進(jìn)行融合;最后，利用視察矯正方法將匹配融合得到的誤差點(diǎn)消除。為驗(yàn)證該方法的工作效果，與傳統(tǒng)匹配融合方法進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果表明，給出的方法能夠清晰地得
現(xiàn)代電子技術(shù) 2019年19期2019-10-14
- CUDA技術(shù)在數(shù)字圖像匹配中的應(yīng)用
?要：數(shù)字圖像匹配技術(shù)是數(shù)字處理領(lǐng)域中重要的環(huán)節(jié)，常運(yùn)用于圖像處理、計(jì)算機(jī)視覺(jué)、遙感數(shù)據(jù)分析。為提高圖像匹配速度，本文提出了采用并發(fā)執(zhí)行多個(gè)線程的適合于大規(guī)模、高速、通用計(jì)算任務(wù)的CUDA技術(shù)解決圖像匹配問(wèn)題的方法。闡述了CUDA的編程原理和開(kāi)發(fā)方法，論述了圖像匹配的基本原理，設(shè)計(jì)了圖像匹配的相關(guān)算法。關(guān)鍵詞：圖像匹配;CUDA;算法設(shè)計(jì)中圖分類(lèi)號(hào)：TP391.41 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）18-0061-03Ab
現(xiàn)代信息科技 2019年18期2019-09-10
- 基于小波圖像金字塔的工件目標(biāo)檢測(cè)與定位研究
工工件的目標(biāo)圖像匹配或產(chǎn)品的視覺(jué)定位，為此，提出一種基于小波圖像金字塔的相關(guān)匹配方法?；谔卣鞯钠ヅ浞椒ㄈ鏢IFT和HOG特征方法，雖然有很好的匹配精度和穩(wěn)健性，但其計(jì)算量相對(duì)較大，通常不易滿(mǎn)足現(xiàn)場(chǎng)實(shí)時(shí)應(yīng)用需求。而提出的基于小波圖像金字塔的工件目標(biāo)檢測(cè)與定位方法，先從低分辨率圖像進(jìn)行粗匹配，再在高分辨率圖像上進(jìn)行精確匹配，從而在基本不降低匹配精度的前提下，大大提高了匹配速度。多圖像的目標(biāo)檢測(cè)實(shí)驗(yàn)以及在點(diǎn)膠機(jī)上的應(yīng)用實(shí)踐均表明文中所提算法優(yōu)于傳統(tǒng)基于模型的目
現(xiàn)代電子技術(shù) 2019年15期2019-08-12
- 具有光照魯棒的圖像匹配方法
于局部特征的圖像匹配算法對(duì)光照變化敏感、匹配正確率低等問(wèn)題，提出一種具有光照魯棒性的圖像匹配算法。首先使用實(shí)時(shí)對(duì)比保留去色（RTCP）算法灰度化圖像，然后利用對(duì)比拉伸函數(shù)模擬不同光照變換對(duì)圖像的影響從而提取抗光照變換特征點(diǎn)，最后采用局部強(qiáng)度順序模式建立特征點(diǎn)描述符，根據(jù)待匹配圖像局部特征點(diǎn)描述符的歐氏距離判斷是否為成對(duì)匹配點(diǎn)。在公開(kāi)數(shù)據(jù)集上，所提算法與尺度不變特征變換（SIFT）算法、加速魯棒特征（SURF）算法、“風(fēng)”（KAZE）算法和ORB算法在匹配速
計(jì)算機(jī)應(yīng)用 2019年1期2019-08-01
- 多攝像機(jī)下模糊圖像細(xì)節(jié)特征目標(biāo)快速檢測(cè)研究
似度衡量; 圖像匹配中圖分類(lèi)號(hào)： TN911.73?34; TP391 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）13?0076?05Target fast detection according to detail features of blurredimages taken by multiple camerasHU Minghe（College of Compu
現(xiàn)代電子技術(shù) 2019年13期2019-07-08
- 基于SIFT特征的哈希快速檢索與圖像匹配
算法在應(yīng)用于圖像匹配時(shí)，存在準(zhǔn)確率低下和耗時(shí)等問(wèn)題，提出一種SIFT特征的哈希快速檢索與圖像匹配方法。文中提出以二值化SIFT關(guān)鍵點(diǎn)描述子和哈希表相結(jié)合的方法對(duì)圖像進(jìn)行匹配。針對(duì)實(shí)驗(yàn)過(guò)程中出現(xiàn)的沖突項(xiàng)，通過(guò)在哈希表中添加標(biāo)志位并記錄沖突相個(gè)數(shù)和地址，完美地解決了高維描述子轉(zhuǎn)化到低維沖突項(xiàng)的問(wèn)題，加快了匹配速度。實(shí)驗(yàn)結(jié)果表明，該方法圖像匹配速度優(yōu)于傳統(tǒng)SIFT匹配方法，加快了相似特征檢索速度、提高了查詢(xún)效率，并能夠滿(mǎn)足實(shí)時(shí)應(yīng)用。所提出的采用SIFT關(guān)鍵點(diǎn)描述
現(xiàn)代電子技術(shù) 2019年12期2019-06-15
- 基于LATCH描述子和GMS算法的特征匹配研究
怡摘 要：在圖像匹配過(guò)程中，采用特征點(diǎn)進(jìn)行初步匹配已經(jīng)被廣泛應(yīng)用，但是無(wú)論采用何種匹配算法，都會(huì)存在誤匹配點(diǎn)情況，消除掉錯(cuò)誤的匹配點(diǎn)是圖像匹配的前提。文章提出了一種基于LATCH描述子和GMS的特征匹配的提純算法，對(duì)誤匹配點(diǎn)進(jìn)行篩選和剔除。首先，對(duì)兩幅圖像進(jìn)行ORB特征檢測(cè)和LATCH描述子提取，在暴力匹配的基礎(chǔ)上通過(guò)GMS算法對(duì)正確匹配點(diǎn)和錯(cuò)誤匹配點(diǎn)進(jìn)行篩選，采用RANSAC算法對(duì)誤匹配點(diǎn)進(jìn)行剔除，結(jié)果顯示在保證匹配正確率的基礎(chǔ)上，可以保留更多的匹配點(diǎn)。
無(wú)線互聯(lián)科技 2019年24期2019-02-12
- 基于SIFT算法的雙目立體視覺(jué)測(cè)距系統(tǒng)
算復(fù)雜度大、圖像匹配時(shí)間較長(zhǎng)的問(wèn)題，提出用SIFT算法進(jìn)行特征點(diǎn)的提取與匹配。利用張正友標(biāo)定法確定攝像機(jī)的內(nèi)外參數(shù)，利用Bouguet算法進(jìn)行圖像的立體矯正。建立以圖像獲取、立體矯正、目標(biāo)檢測(cè)與特征提取、立體匹配與三維重建為主要步驟的雙目立體視覺(jué)測(cè)距。實(shí)驗(yàn)表明，在保持原有匹配率的前提下，一定程度上提高了運(yùn)算速度。關(guān)鍵詞：雙目立體視覺(jué)測(cè)距，SIFT算法，圖像匹配一個(gè)完整的雙目立體視覺(jué)系統(tǒng)一般由攝像機(jī)標(biāo)定、圖像獲取、圖像預(yù)處理、目標(biāo)檢測(cè)與特征提取、立體匹配和三
卷宗 2018年31期2018-11-23
- 龍門(mén)吊的360°環(huán)視影像
象，接著經(jīng)過(guò)圖像匹配技術(shù)與圖像融合技術(shù)，拼接出車(chē)身周?chē)娜案┮晥D，用以消除駕駛者的視野盲區(qū)，保障了駕駛過(guò)程的安全性及可靠性。關(guān)鍵詞：龍門(mén)吊；環(huán)視影像；輔助駕駛系統(tǒng)；圖像匹配；圖像融合；1引言龍門(mén)吊是一種碼頭上常用的工程車(chē)輛，主要用于集裝箱、貨物的搬運(yùn)。在實(shí)際作業(yè)中，由于工作環(huán)境復(fù)雜，車(chē)身龐大，駕駛員在行駛或作業(yè)過(guò)程中只能依靠后視鏡等設(shè)備肉眼觀察，導(dǎo)致視覺(jué)盲區(qū)的存在，因此機(jī)械設(shè)備和操作人員的安全難以得到保障。由于龍門(mén)吊的自身體積和重量大，一旦發(fā)生事故，往往
科學(xué)與財(cái)富 2018年24期2018-08-24
- 一種新的粒子群優(yōu)化的圖像匹配算法
粒子群算法在圖像匹配中易陷入局部最優(yōu)、搜索速度慢以及匹配精度不高的問(wèn)題，提出一種新的粒子群優(yōu)化的圖像匹配算法。首先，以改進(jìn)的非線性慣性權(quán)重對(duì)粒子群算法進(jìn)行優(yōu)化，以此來(lái)平衡粒子在全局和局部的搜索能力;其次，提出添加動(dòng)態(tài)擾動(dòng)項(xiàng)對(duì)速度進(jìn)行擾動(dòng)，避免粒子在算法后期速度停滯為零而陷入局部最優(yōu)。仿真結(jié)果表明，該算法提高了粒子的全局搜索能力和收斂精度，有效防止早熟現(xiàn)象，與基于標(biāo)準(zhǔn)的PSO圖像匹配算法相比，所提算法具有收斂速度快、魯棒性好以及匹配精度高的特點(diǎn)。關(guān)鍵詞： 圖
現(xiàn)代電子技術(shù) 2018年10期2018-05-15
- SIFT與SURF特征提取算法在圖像匹配中的應(yīng)用對(duì)比研究
特征點(diǎn)提取和圖像匹配實(shí)驗(yàn)，從匹配成功率和運(yùn)行效率兩個(gè)方面對(duì)算法的性能進(jìn)行對(duì)比研究。結(jié)果表明，SIFT算法具有較好的圖像旋轉(zhuǎn)不變性，匹配精度較高，而SURF算法匹配精度較低，但是效率較高，因此在實(shí)際應(yīng)用中可根據(jù)具體需求合理選擇。關(guān)鍵詞： SIFT； SURF； 性能對(duì)比； 特征提??； 圖像匹配； 算法效率中圖分類(lèi)號(hào)： TN911.73?34； TP391.6 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）07?0041?04Comparison
現(xiàn)代電子技術(shù) 2018年7期2018-04-04
- 基于圖像匹配算法的高性能專(zhuān)用集成電路設(shè)計(jì)方法
紹了一種用于圖像匹配算法的獨(dú)特硬件集成電路（ASIC）。這種獨(dú)特的ASIC電路易于構(gòu)建，易于級(jí)聯(lián)，也易于流動(dòng)，適用于內(nèi)置的實(shí)時(shí)圖像匹配。【關(guān)鍵詞】圖像匹配 專(zhuān)用集成電路 設(shè)計(jì)1 引言在過(guò)去的50年里，現(xiàn)代微電子技術(shù)取得了長(zhǎng)足的發(fā)展，它一直在持續(xù)促進(jìn)信息科學(xué)的發(fā)展，帶來(lái)了人類(lèi)生活的巨大改變，同時(shí)也為生命科學(xué)領(lǐng)域的信息化提供了技術(shù)層面的堅(jiān)實(shí)基礎(chǔ)和有力保障。隨著科學(xué)技術(shù)的快速進(jìn)步，這一作用變得十分的關(guān)鍵。提高圖像匹配的實(shí)時(shí)性能大大增強(qiáng)它的應(yīng)用價(jià)值。模板匹配法是解
電子技術(shù)與軟件工程 2018年23期2018-02-28
- 基于多圖像融合的裸眼3D視頻技術(shù)研究
礎(chǔ)，提出一種圖像匹配算法，由單個(gè)視點(diǎn)圖像生成多視點(diǎn)圖像，并對(duì)多視點(diǎn)圖像進(jìn)行融合處理，實(shí)現(xiàn)將雙目視頻轉(zhuǎn)換為可在柱狀透鏡裸眼3D顯示器上播放的3D視頻，從而降低3D視頻制作的復(fù)雜度和成本。測(cè)試結(jié)果表明，該算法的視頻轉(zhuǎn)換效果符合預(yù)期指標(biāo)，具有較好的推廣價(jià)值。關(guān)鍵詞： 裸眼3D; 雙目視頻; 多視點(diǎn)圖像融合; 圖像匹配中圖分類(lèi)號(hào)：TP311? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1006-8228（2018）12-04-04Abstracts： Th
計(jì)算機(jī)時(shí)代 2018年12期2018-02-13
- 一種用于視頻濃縮的圖像匹配算法
無(wú)監(jiān)督學(xué)習(xí)的圖像匹配算法。該算法無(wú)需像以往算法一樣，需要大量人工標(biāo)注的數(shù)據(jù)，而是通過(guò)觀看視頻即可完成訓(xùn)練，從而節(jié)約了大量時(shí)間成本。利用圖像匹配算法，可以將視頻中無(wú)效與相似內(nèi)容進(jìn)行濃縮，以提煉出有效內(nèi)容。該算法在MPI?Sintel與KITTI集上進(jìn)行了測(cè)試，APE分別為4.695與5.838，Accuracy@30分別為0.993與0.967，達(dá)到了較為理想的效果。關(guān)鍵詞：深度學(xué)習(xí);圖像匹配;無(wú)監(jiān)督學(xué)習(xí);視頻濃縮DOIDOI：10.11907/rjdk.1
軟件導(dǎo)刊 2018年12期2018-02-12
- 基于改進(jìn)SURF算法的機(jī)器人識(shí)別匹配方法
URF算法；圖像匹配；目標(biāo)識(shí)別DOIDOI：10.11907/rjdk.181630中圖分類(lèi)號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）010-0014-04英文摘要Abstract：Traditional SURF matching algorithm tends to pick a large number of feature points that do not meet expectations， which prolo
軟件導(dǎo)刊 2018年10期2018-01-19
- 改進(jìn)量子遺傳算法在圖像匹配算法中的研究與應(yīng)用
。本文就是在圖像匹配過(guò)程中利用改進(jìn)的量子遺傳算法，實(shí)驗(yàn)證明量子遺傳算法是有效的，可以很好的縮短匹配時(shí)長(zhǎng)并提高匹配精度?！娟P(guān)鍵詞】量子遺傳算法；圖像匹配；相似度檢測(cè)中圖分類(lèi)號(hào)： TP18；TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）27-0086-003DOI：10.19694/j.cnki.issn2095-2457.2018.27.038當(dāng)前社會(huì)是一個(gè)數(shù)字化的信息社會(huì)，人們?cè)谌粘Ｉ?、工作、進(jìn)修、科研生產(chǎn)中，無(wú)處不在獲取
科技視界 2018年27期2018-01-16
- 基于不變矩理論的灰度人臉圖像匹配算法研究
劉洋摘要：圖像匹配已成為圖像信息處理領(lǐng)域中一項(xiàng)非常重要的技術(shù)，被廣泛用于人臉識(shí)別、全景圖像生成等領(lǐng)域。該文深入研究了不變矩方法，通過(guò)改進(jìn)不變矩算法且應(yīng)用到灰度人臉圖像做匹配，實(shí)驗(yàn)表明，改進(jìn)的不變矩算法對(duì)人臉圖像匹配取得很好效果，對(duì)目標(biāo)圖像縮放、旋轉(zhuǎn)后，并與原圖像的不變矩進(jìn)行比較，分析匹配的相似度并總結(jié)了不變矩方法的特點(diǎn)，實(shí)現(xiàn)了灰度圖像的匹配。關(guān)鍵詞：不變矩；圖像匹配；灰度圖像中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）
電腦知識(shí)與技術(shù) 2018年28期2018-01-04
- 基于多特征融合的圖像匹配算法
%。關(guān)鍵詞：圖像匹配；SIFT；視角變換；RILBP；特征融合DOIDOI：10.11907/rjdk.171670中圖分類(lèi)號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）007-0044-040 引言圖像匹配作為圖像處理的關(guān)鍵技術(shù)被廣泛應(yīng)用于文字匹配、人臉識(shí)別、物象跟蹤、圖像拼接、生物特征識(shí)別及車(chē)牌識(shí)別等領(lǐng)域，一直是圖像處理的熱點(diǎn)研究方向。實(shí)踐中，圖像處理往往面臨著多種情況的結(jié)合，特別是在視角變換和光照對(duì)比度變換相結(jié)合的復(fù)雜情況下，
軟件導(dǎo)刊 2017年7期2017-09-05
- 太空戰(zhàn)略的“北極星”
脈沖星導(dǎo)航 圖像匹配【中圖分類(lèi)號(hào)】 V11 【文獻(xiàn)標(biāo)識(shí)碼】A【DOI】10.16619/j.cnki.rmltxsqy.2017.05.006深空探測(cè)是人類(lèi)航天活動(dòng)的重要領(lǐng)域，是人類(lèi)了解太陽(yáng)系和宇宙，進(jìn)而考察、勘探、利用甚至定居其他星球的第一步，是繼衛(wèi)星應(yīng)用、載人航天之后的又一航天技術(shù)發(fā)展新領(lǐng)域。深空探測(cè)對(duì)一個(gè)國(guó)家的科學(xué)研究、經(jīng)濟(jì)發(fā)展和軍事應(yīng)用都有無(wú)比重要的作用，已作為衡量一個(gè)國(guó)家綜合國(guó)力和科學(xué)技術(shù)發(fā)展水平的重要特征與標(biāo)志，引起世界各國(guó)的極大關(guān)注。美國(guó)、歐
人民論壇·學(xué)術(shù)前沿 2017年5期2017-05-03
- 基于SIFT和SURF的巖石鑄體薄片圖像特征匹配
F算法在巖石圖像匹配中更具有穩(wěn)定性，這對(duì)進(jìn)一步探討和改進(jìn)巖石圖像匹配提供了研究基礎(chǔ)。關(guān)鍵詞：SIFT；SURF；巖石圖像；圖像匹配中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）06-0202-021 概述巖石是地質(zhì)作用的產(chǎn)物，又是地質(zhì)作用的對(duì)象，因此巖石是研究各種地質(zhì)構(gòu)造和地貌的物質(zhì)基礎(chǔ)；它記錄了過(guò)去發(fā)生的地質(zhì)事件，對(duì)研究地質(zhì)演變有重大的意義；同時(shí)，巖石圖像是目前礦物巖石類(lèi)研究的主要來(lái)源，它對(duì)實(shí)現(xiàn)大幅度提高原油采收率、油氣
電腦知識(shí)與技術(shù) 2017年6期2017-04-26
- 雙目視覺(jué)圖像處理算法的優(yōu)化
此對(duì)雙目視覺(jué)圖像匹配領(lǐng)域的現(xiàn)有算法進(jìn)行優(yōu)化，能夠在保證圖像匹配精度的前提下，盡可能提升系統(tǒng)效率。關(guān)鍵詞 雙目視覺(jué)；圖像處理；圖像匹配中圖分類(lèi)號(hào) TP3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2017）182-0084-02視覺(jué)模型及算法的基礎(chǔ)是利用兩張存在視差的二維圖形，構(gòu)造一個(gè)具有更深度信息的立體圖形。雙目視覺(jué)系統(tǒng)則是利用兩個(gè)攝像機(jī)來(lái)模擬人的雙眼，對(duì)場(chǎng)景進(jìn)行識(shí)別和測(cè)量，然后通過(guò)一定的計(jì)算方法將場(chǎng)景結(jié)果（圖像）進(jìn)一步處理，就可以獲得一個(gè)三維的圖像。
科技傳播 2017年5期2017-04-25
- 一種提高SIFT特征匹配正確率的方法
IFT）； 圖像匹配； 隨機(jī)選取一致性（RANSAC）； 距離比率準(zhǔn)則中圖分類(lèi)號(hào)： TN 911.73文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2016.06.005Abstract： Aiming at solving the problems of large calculating scale， poor realtime performance and high falsematching rate in the s
光學(xué)儀器 2016年6期2017-04-24
- 基于視差梯度約束的RANSAC算法
?！娟P(guān)鍵詞】圖像匹配 RANSAC算法 視差梯度約束1 引言我們知道，圖像拼接的過(guò)程一般分為三個(gè)步驟：圖像預(yù)處理（特征提?。D像配準(zhǔn)以及圖像融合。其中，圖像配準(zhǔn)是圖像拼接過(guò)程中的核心內(nèi)容。通過(guò)相似性度量準(zhǔn)則找到匹配的特征點(diǎn)對(duì)，然后通過(guò)匹配的特征點(diǎn)對(duì)求解圖像之間的變換矩陣，使圖像的內(nèi)容在拓?fù)浜蛶缀紊蠈?duì)齊，最終完成圖像的拼接。如今，在圖像配準(zhǔn)領(lǐng)域常用的的方法有：像素差平方和法、互相關(guān)法和RANSAC算法。本文主要對(duì)RANSAC法進(jìn)行相應(yīng)的研究和改進(jìn)。在使用R
電子技術(shù)與軟件工程 2017年6期2017-04-14
- 采用不變矩圖像匹配與直方圖的儀表識(shí)別算法
)采用不變矩圖像匹配與直方圖的儀表識(shí)別算法周戈1, 曾智2(1. 重慶青年職業(yè)技術(shù)學(xué)院 信息工程系, 重慶 400712；2. 中國(guó)科學(xué)院 自動(dòng)化研究所， 北京 100190)為了解決當(dāng)前儀表識(shí)別算法在機(jī)床儀表狀態(tài)信號(hào)多變、實(shí)時(shí)性強(qiáng)的環(huán)境下?tīng)顟B(tài)識(shí)別錯(cuò)誤的不足，設(shè)計(jì)一種基于不變矩圖像匹配與直方圖的在線儀表識(shí)別算法.首先，基于不變矩特征，通過(guò)圖像的重心坐標(biāo)獲取其中心不變矩，設(shè)計(jì)圖像匹配算子，并根據(jù)儀表燈的匹配度量值定位當(dāng)前狀態(tài)信號(hào)位置.然后，根據(jù)定位到的信號(hào)中
- 基于初匹配的視頻圖像拼接技術(shù)
【關(guān)鍵詞】 圖像匹配 多尺度Harris特征 全景圖拼接視頻圖像拼接技術(shù)是一種利用了視頻序列中相鄰各幀圖像間存在較大重疊的特點(diǎn)，通過(guò)圖像處理方法去除視頻幀間冗余，將一部或多部攝像機(jī)拍攝的視頻信息通過(guò)圖像幾何變換進(jìn)行重采樣轉(zhuǎn)化為一幅包含該序列所有信息的大面積全景圖像的技術(shù)。本文采用圖像匹配特征集初匹配方法，對(duì)待匹配特征解集進(jìn)行限定，在此基礎(chǔ)上再運(yùn)用上述圖像特征匹配方法對(duì)精確的匹配解集進(jìn)行求解，并考慮運(yùn)用平面投影法對(duì)圖像進(jìn)行拼接，基本算法流程如下。一、基于多尺
中國(guó)新通信 2016年23期2017-03-01
- 基于不變矩的制動(dòng)開(kāi)關(guān)圖像匹配方法
制動(dòng)開(kāi)關(guān)； 圖像匹配； Hu不變矩； 變步長(zhǎng)中圖分類(lèi)號(hào)： TN911.73?34； TP399 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）24?0092?04Braking switch image matching algorithm based on invariant momentWU Bo1，2， FENG Songlin1，2， AI Chenghan3， YANG Linjie3， SUN Guodong3， Wu Xi4（1
現(xiàn)代電子技術(shù) 2016年24期2017-01-19
- 采用GPU并行計(jì)算與圖像匹配的工件條碼識(shí)別算法
U并行計(jì)算與圖像匹配的工件條碼識(shí)別算法董夙慧1,2， 孫中廷1,2， 徐永剛1(1. 中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院， 江蘇 徐州 221008；2. 江蘇聯(lián)合職業(yè)技術(shù)學(xué)院 徐州財(cái)經(jīng)分院， 江蘇 徐州 221011)設(shè)計(jì)基于圖形處理器(GPU)并行計(jì)算與圖像匹配的條碼識(shí)別算法.首先，設(shè)計(jì)基于歸一化協(xié)方差的圖像匹配算子，定位每個(gè)條碼的位置.然后，根據(jù)條碼面積、周長(zhǎng)、形狀因子，確定條碼種類(lèi).最后，采用GPU并行計(jì)算方式完成條碼解析.實(shí)驗(yàn)數(shù)據(jù)顯示：與當(dāng)前條碼識(shí)
- 基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析
間的角點(diǎn)檢測(cè)圖像匹配算法分析任立勝，王立中(內(nèi)蒙古農(nóng)業(yè)大學(xué)職業(yè)技術(shù)學(xué)院，內(nèi)蒙古 包頭 014109)計(jì)算機(jī)技術(shù)的發(fā)展下，優(yōu)化提升圖像匹配算法，可以提升圖像檢測(cè)精度?；谇食叨瓤臻g的角點(diǎn)檢測(cè)圖技術(shù)，優(yōu)化設(shè)計(jì)圖像匹配算法，基于曲率尺度空間的角點(diǎn)檢測(cè)算法進(jìn)行圖像特征點(diǎn)的提取，歸一化處理特征點(diǎn)，有助于提高圖像匹配精度。利用該算法最終實(shí)現(xiàn)圖像匹配需求，驗(yàn)證了算法的有效性，改進(jìn)了圖像匹配中特征點(diǎn)過(guò)度分離的弊端，提高了圖像匹配檢測(cè)的整體精度約10.0%。該算法發(fā)揮了積
電子技術(shù)應(yīng)用 2016年12期2016-12-22
- 基于圖像灰度統(tǒng)計(jì)曲線的最優(yōu)位置確定法
勢(shì)分析法進(jìn)行圖像匹配，對(duì)比待檢產(chǎn)品與標(biāo)準(zhǔn)庫(kù)的圖像灰度統(tǒng)計(jì)曲線趨勢(shì)，從而確定待檢的產(chǎn)品圖像在標(biāo)準(zhǔn)庫(kù)中的最優(yōu)位置。實(shí)驗(yàn)結(jié)果表明采用基于圖像灰度統(tǒng)計(jì)曲線的最優(yōu)位置確定法比基于改進(jìn)SIFT的最優(yōu)位置確定法平均可節(jié)省4.38s。關(guān)鍵詞：圖像灰度統(tǒng)計(jì)曲線；最優(yōu)方位的確定；圖像匹配；SIFT算法引言因?yàn)闄C(jī)器視覺(jué)技術(shù)[1]具有損壞小、成本低、速度快、正確率高、時(shí)間工作長(zhǎng)等優(yōu)勢(shì)，所以其在現(xiàn)代工業(yè)自動(dòng)檢測(cè)領(lǐng)域中被普遍使用。對(duì)于各種工業(yè)產(chǎn)品，使用機(jī)器視覺(jué)技術(shù)檢測(cè)，因?yàn)樵跍y(cè)試階段
科技創(chuàng)新與應(yīng)用 2016年4期2016-11-19
- 基于改進(jìn)SIFT的圖像匹配研究
統(tǒng)SIFT的圖像匹配法存在的計(jì)算量大、耗時(shí)長(zhǎng)、誤匹配的問(wèn)題，提出了一種快速、準(zhǔn)確的圖像匹配法。該方法是建立在SIFT算法中特征點(diǎn)的提取不使用SIFT算法確定的關(guān)鍵點(diǎn)而是使用Harris算法中確定的角點(diǎn)，最后利用RANSAN算法去除誤配點(diǎn)來(lái)實(shí)現(xiàn)兩幅圖像的匹配。實(shí)驗(yàn)結(jié)果表明采用基于改進(jìn)SIFT的圖像匹配法比基于傳統(tǒng)SIFT的圖像匹配法平均節(jié)約1.8s，并且準(zhǔn)確率更高。關(guān)鍵詞：圖像匹配;SIFT算法;Harris算法;RANSAN算法引言機(jī)器視覺(jué)技術(shù)在現(xiàn)代工業(yè)中
科技創(chuàng)新與應(yīng)用 2016年5期2016-10-21
- 隨機(jī)蕨叢算法匹配識(shí)別性能研究
基于特征點(diǎn)的圖像匹配識(shí)別方法的精確度，文章對(duì)特征點(diǎn)匹配算法隨機(jī)蕨叢的性能進(jìn)行評(píng)估，并與尺度不變特征變換算法SIFT的匹配性能進(jìn)行對(duì)比研究。通過(guò)實(shí)驗(yàn)將隨機(jī)蕨叢算法參數(shù)進(jìn)行優(yōu)化配置，分別測(cè)試兩種算法的魯棒性能和匹配速度。實(shí)驗(yàn)結(jié)果表明，隨機(jī)蕨叢算法的匹配精度能達(dá)到85%左右，明顯高于SIFT算法，匹配速度也遠(yuǎn)快于SIFT算法，但仍然有待提高。Abstract： In order to improve the accuracy of the image match
價(jià)值工程 2016年5期2016-10-14
- 正態(tài)分布轉(zhuǎn)換算法在聲納圖像處理中的應(yīng)用
要：根據(jù)聲納圖像匹配處理的實(shí)時(shí)性需求，研究了正態(tài)分布轉(zhuǎn)換算法。該方法基于對(duì)圖像中目標(biāo)點(diǎn)的概率分布進(jìn)行匹配，不需要提取圖像的幾何特征或灰度特征，可有效縮短匹配時(shí)間。通過(guò)對(duì)均值濾波法、中值濾波法、小波去噪法、形態(tài)學(xué)平滑法4種圖像去噪和迭代閾值法、最大熵法、一維Otsu法和二維Otsu法4種分割算法，進(jìn)行仿真并對(duì)比，選出符合實(shí)時(shí)性處理的方法，即中值濾波法和一維Otsui法。基于美國(guó)德州儀器公司的數(shù)字信號(hào)處理芯片，將圖像去噪、分割和匹配算法在硬件上實(shí)現(xiàn)，硬件實(shí)現(xiàn)結(jié)
兵工學(xué)報(bào) 2016年6期2016-07-29
- 基于分塊聚類(lèi)特征匹配的無(wú)人機(jī)航拍三維場(chǎng)景重建
率。關(guān)鍵詞：圖像匹配；像素點(diǎn)；無(wú)人機(jī)航拍視頻；三維重建；聚類(lèi)隨著計(jì)算機(jī)視覺(jué)理論以及無(wú)人機(jī)平臺(tái)技術(shù)的迅猛發(fā)展，無(wú)人機(jī)視覺(jué)研究將重新定義未來(lái)人類(lèi)感知世界的能力與范圍。無(wú)人機(jī)視覺(jué)研究已經(jīng)逐步從二維的圖像處理、分析發(fā)展為三維場(chǎng)景的重構(gòu)與解析。復(fù)雜大場(chǎng)景的三維重建是當(dāng)前國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題。無(wú)人機(jī)平臺(tái)在獲取三維數(shù)據(jù)方面具有視角靈活性大、飛行成本低以及時(shí)效性強(qiáng)等優(yōu)勢(shì)，可得到同一場(chǎng)景連續(xù)多視角、海量無(wú)標(biāo)定圖像序列。SFM重建框架[1]無(wú)需相機(jī)標(biāo)定信息，僅利用序列圖像特征
西北工業(yè)大學(xué)學(xué)報(bào) 2016年4期2016-07-25