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號：???? ??TJ760；? TP751? ??文章編號：???? ?1673-5048（2023）04-0115-08文獻標(biāo)識碼：???? A? ? DOI：? 10.12132/ISSN.1673-5048.2022.02630引言圖像匹配是將由不同傳感器、 在不同時間拍攝的圖像在空間位置上進行對齊配準(zhǔn)的過程。 由于不同傳感器成像機理不同， 成像時間、 視角也
航空兵器 2023年4期2023-09-15
- 基于FLoFTR算法的無人機實時在線地理定位
視覺定位； 圖像匹配； LoFTR； 知識蒸餾中圖分類號：TP391 文獻標(biāo)識碼：A DOI：10.19452/j.issn1007-5453.2023.05.012基金項目： 航空科學(xué)基金（2019460S5001）；廣西科技重大專項（AA22068072）在現(xiàn)代戰(zhàn)爭中，無人機成為越來越重要的作戰(zhàn)裝備，無人機被大量應(yīng)用于偵察、目標(biāo)打擊等作戰(zhàn)任務(wù)，對戰(zhàn)場有著舉足輕重的作用。然而面對復(fù)雜的作戰(zhàn)環(huán)境，目前的無人機裝備仍存在性能弱、無法建設(shè)成熟的作戰(zhàn)體系的問題。
航空科學(xué)技術(shù) 2023年5期2023-09-14
- 圖像匹配在機器視覺課程教學(xué)中的探索與實踐
；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，基于機器視覺識別技術(shù)的應(yīng)用成為了很多行業(yè)的發(fā)展契機，如無人駕駛[1]、工業(yè)機器人抓取[2]、人工智能[3]、交通監(jiān)控[4]、人臉識別[5]等。這一系列的應(yīng)用都離不開圖像匹配技術(shù)，因此，圖像匹配研究已經(jīng)成為當(dāng)前機器視覺領(lǐng)域的一個熱點。機器視覺課程是新工科建設(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)開設(shè)跨學(xué)科、跨專業(yè)的機器視覺算法課程[
計算機時代 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[4-5]。針對圖像匹配問題，一些發(fā)達國家學(xué)者進行了長期的研究，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，而國內(nèi)圖像匹配的研究時間比較晚，亦取得了相當(dāng)多的成果，但是還有許多問題有待解決[6]。當(dāng)前圖像匹配方法可以劃分為2類：一類是基于灰度信息的圖像匹配方法，該類方法首先將圖像轉(zhuǎn)換為灰度圖像，并根據(jù)灰度信息計算兩幅圖像之間的相似度，從而得到圖像匹配結(jié)果，該類方法的圖像匹配時間短，圖像匹配效率高，但是圖像匹配的錯
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);自動批改中圖分類號：TP391.4? ? ?文獻標(biāo)識碼：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
- 基于顏色空間聚類算法的圍度標(biāo)記點優(yōu)化設(shè)計
7摘? 要：圖像匹配是人體測量系統(tǒng)實現(xiàn)圍度測量的關(guān)鍵。圖像匹配的基礎(chǔ)和前提是圍度標(biāo)記點的精準(zhǔn)識別，標(biāo)記點的識別效果受顏色、形狀等因素的影響。在圖像匹配過程中，可以通過提高彩色標(biāo)記點的識別效率來提高圖像匹配準(zhǔn)確性。文章設(shè)計多種不同顏色和不同形狀的標(biāo)記點，利用基于HSV模型的顏色空間聚類算法對標(biāo)記點進行各顏色的分類和坐標(biāo)的聚類。經(jīng)實驗驗證，設(shè)計的黃品青圓形的標(biāo)記點類型的識別效果較好。關(guān)鍵詞：標(biāo)記點識別;顏色空間聚類算法;HSV模型;圖像匹配中圖分類號：TP39
現(xiàn)代信息科技 2021年8期2021-11-03
- 電力巡線無人機圖像處理技術(shù)
;圖像處理;圖像匹配;圖像識別引言隨著現(xiàn)代科技的迅猛發(fā)展，無人機在軍用、民用都實現(xiàn)了質(zhì)的飛躍，發(fā)揮著重要作用。在“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃中，無人機得到了充足的發(fā)展。而在“十四五”期間，無人機將以大視野、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，中國已建成330kV及以上輸電線路長度30.2萬千米。在2020年中，國家新增220kV及以上輸電線路長度達到2.9萬千米。另外，預(yù)計到2025年，中國有望特高壓線路突破4萬千米。國家
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;變步長中圖分類號：TP391文獻標(biāo)識碼：A文章編號：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
計算機時代 2020年9期2020-10-09
- 基于圖像處理的機場目標(biāo)分類研究
于哈爾特征的圖像匹配分割出精確的目標(biāo)區(qū)域圖像，并計算出目標(biāo)特征信息;然后采用貝葉斯分類方法得到目標(biāo)測量值的概率向量，最后通過加權(quán)計算目標(biāo)測量值在各個類別中的概率值完成分類。對仿真實驗結(jié)果分析發(fā)現(xiàn)，該分類算法可以精確的分割出目標(biāo)圖像，并對機場不同區(qū)域和不同類型的目標(biāo)都可以有效分類識別。關(guān)鍵詞： 場面監(jiān)視雷達;圖像處理;目標(biāo)分類; 貝葉斯分類; 圖像匹配中圖分類號：TP391? ? ? ? 文獻標(biāo)識碼：A文章編號：1009-3044（2020）23-0178-
電腦知識與技術(shù) 2020年23期2020-09-27
- 一種改進的ORB圖像匹配算法
改進的ORB圖像匹配方法。通過小波變換對圖像預(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，并通過BRIEF算子生成特征描述子，最后使用Hamming距離進行特征匹配，完成配準(zhǔn)。通過3組圖像匹配實驗對改進算法的有效性進行驗證，實驗結(jié)果表明，改進算法在兼顧 ORB實時性的同時，提高了匹配精度，改善了圖像尺度變化較大時特征提取的穩(wěn)定性。關(guān)鍵詞： ORB算法; 特征點提取; 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)域一圖非對稱匹配的少數(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開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：中圖分類號：TP317.4文獻標(biāo)識碼：A 文章編號：1672-7800（2020）005-0227-040 引言隨著計算機網(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)量的快速增長使得人們很難從大數(shù)據(jù)中獲取有效且有價值的信息。因此，圖像檢索技術(shù)成為近年來數(shù)字圖像應(yīng)用領(lǐng)域的一個研究熱點，并已成功應(yīng)用于自然圖
軟件導(dǎo)刊 2020年6期2020-07-24
- 無人機電力線路巡檢安全距離測量新方法
，大大提高了圖像匹配速度，降低了程序的冗雜度，減少了由于運算數(shù)據(jù)量過大導(dǎo)致的誤差。最后通過雙目測距原理實現(xiàn)無人機巡檢安全距離的測量。測量結(jié)果表明，所提系統(tǒng)能夠在測定距離為15 m時，測距反應(yīng)速度達到50 ms左右，相對誤差小于5%。關(guān)鍵詞： 無人機應(yīng)用; 電力線巡檢; 距離測量; 機器視覺; 雙目測距; 視差計算; 圖像匹配中圖分類號： TN98?34; TP391.9? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A? ? ? ? ? ? ? ?
現(xiàn)代電子技術(shù) 2020年5期2020-07-23
- 改進的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初始特征匹配對進行預(yù)處理，篩選掉一些偏差較大的匹配對，最后采用隨機抽樣一致（Random Sample Consensus，RANSAC）算法對特征點二次優(yōu)化和去噪處理。將其他改進算法和提出的改進算法分別進行圖像匹配處理比較，分析算法的性能，得到提出的改進算法匹配成功率達96.3%。實驗結(jié)果證明提出的改進算法簡單快速，匹配精度高。關(guān)鍵詞： 圖像匹配; 特征點提取; 雙向匹配; 視差梯度; 隨機抽樣一
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，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，通過對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;特征段中圖分類號：TP391.41? ? ? 文獻標(biāo)識碼：A 文章編號：2096-
現(xiàn)代信息科技 2020年3期2020-07-04
- 一種改進RANSAC算法的單應(yīng)性矩陣估計方法
度。關(guān)鍵詞：圖像匹配;RANSAC算法;單應(yīng)矩陣;BGD算法;誤匹配點DOI：10. 11907/rjdk. 191439 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：中圖分類號：TP317.4 文獻標(biāo)識碼：A 文章編號：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引言圖像是對客觀事物的直接描述，是人們獲得信息、認(rèn)識事物、觀察世界的中樞環(huán)節(jié)。圖像匹配是在不同時間，用不同傳感器從不同角度拍攝的同一個場景的2幅或多幅圖像，讓其在空間上匹配，用來確認(rèn)他們之間關(guān)系變換的過程。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，在不同的實際應(yīng)用要求下，學(xué)者為了提高圖像匹
計算機與網(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)典局部匹配的實現(xiàn)方式是區(qū)域匹配。零均值歸一化互相關(guān)（ZNCC）匹配對環(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)上進行優(yōu)化，結(jié)合重建標(biāo)準(zhǔn)物體三維輪廓的精度對比，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號：TP391.41 文獻標(biāo)識碼：A 文章編號：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，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別算法
;特征分析;圖像匹配;賽道元素;智能汽車競賽;賽道識別中圖分類號：TP39文獻標(biāo)識碼：A文章編號：2095-1302（2019）11-00-030 引 言近年來，智能汽車技術(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值。因此，智能汽車競賽也越來越受重視。智能汽車的核心部分是賽道元素識別、方向和速度控制，精準(zhǔn)的賽道元素識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算法綜述
覺領(lǐng)域。針對圖像匹配模型的魯棒估計問題，首先分析了RANSAC改進算法，然后對RANSAC、Optimal-RANSAC、NAPSAC、Mapsac以及RANSAC-Tdd等算法進行了對比實驗，最后通過實驗結(jié)果分析了各種改進算法的優(yōu)缺點。關(guān)鍵詞： RANSAC;模型估計;圖像匹配;機器視覺【Abstract】 RANSAC is a robust method for model estimation，this method has been widely
智能計算機與應(yīng)用 2019年5期2019-12-05
- 基于改進網(wǎng)格運動統(tǒng)計特征的圖像匹配算法
FT）算法在圖像匹配中匹配正確率低、耗時長等問題，提出一種基于改進網(wǎng)格運動統(tǒng)計特征RANSAC-GMS的圖像匹配算法。首先，利用快速旋轉(zhuǎn)不變性特征（ORB）算法對圖像進行預(yù)匹配，對預(yù)匹配的特征點采用網(wǎng)格運動統(tǒng)計（GMS）來支持估計量以實現(xiàn)正確匹配點與錯誤匹配點的區(qū)分;然后，采用改進的隨機抽樣一致性（RANSAC）算法通過匹配點間的距離相似性對特征點進行篩選，并采用評價函數(shù)對篩選后的新數(shù)據(jù)集進行重新整理，進而實現(xiàn)對誤匹配點的剔除。采用Oxford標(biāo)準(zhǔn)圖庫和現(xiàn)
計算機應(yīng)用 2019年8期2019-10-23
- 云平臺網(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，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，針對上述問題，在云平臺網(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，計算多重紋理圖像的匹配代價，分析圖像像素的相似度和特異性，構(gòu)建動態(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，建立樹狀圖對圖像進行融合;最后，利用視察矯正方法將匹配融合得到的誤差點消除。為驗證該方法的工作效果，與傳統(tǒng)匹配融合方法進行實驗對比，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)，常運用于圖像處理、計算機視覺、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)行多個線程的適合于大規(guī)模、高速、通用計算任務(wù)的CUDA技術(shù)解決圖像匹配問題的方法。闡述了CUDA的編程原理和開發(fā)方法，論述了圖像匹配的基本原理，設(shè)計了圖像匹配的相關(guān)算法。關(guān)鍵詞：圖像匹配;CUDA;算法設(shè)計中圖分類號：TP391.41 ? ? 文獻標(biāo)識碼：A 文章編號：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)檢測與定位研究
工工件的目標(biāo)圖像匹配或產(chǎn)品的視覺定位，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，但其計算量相對較大，通常不易滿足現(xiàn)場實時應(yīng)用需求。而提出的基于小波圖像金字塔的工件目標(biāo)檢測與定位方法，先從低分辨率圖像進行粗匹配，再在高分辨率圖像上進行精確匹配，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)檢測實驗以及在點膠機上的應(yīng)用實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光照變化敏感、匹配正確率低等問題，提出一種具有光照魯棒性的圖像匹配算法。首先使用實時對比保留去色（RTCP）算法灰度化圖像，然后利用對比拉伸函數(shù)模擬不同光照變換對圖像的影響從而提取抗光照變換特征點，最后采用局部強度順序模式建立特征點描述符，根據(jù)待匹配圖像局部特征點描述符的歐氏距離判斷是否為成對匹配點。在公開數(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
計算機應(yīng)用 2019年1期2019-08-01
- 多攝像機下模糊圖像細節(jié)特征目標(biāo)快速檢測研究
似度衡量; 圖像匹配中圖分類號： TN911.73?34; TP391 ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 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，存在準(zhǔn)確率低下和耗時等問題，提出一種SIFT特征的哈?？焖贆z索與圖像匹配方法。文中提出以二值化SIFT關(guān)鍵點描述子和哈希表相結(jié)合的方法對圖像進行匹配。針對實驗過程中出現(xiàn)的沖突項，通過在哈希表中添加標(biāo)志位并記錄沖突相個數(shù)和地址，完美地解決了高維描述子轉(zhuǎn)化到低維沖突項的問題，加快了匹配速度。實驗結(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、提高了查詢效率，并能夠滿足實時應(yīng)用。所提出的采用SIFT關(guān)鍵點描述
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：在圖像匹配過程中，采用特征點進行初步匹配已經(jīng)被廣泛應(yīng)用，但是無論采用何種匹配算法，都會存在誤匹配點情況，消除掉錯誤的匹配點是圖像匹配的前提。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，對誤匹配點進行篩選和剔除。首先，對兩幅圖像進行ORB特征檢測和LATCH描述子提取，在暴力匹配的基礎(chǔ)上通過GMS算法對正確匹配點和錯誤匹配點進行篩選，采用RANSAC算法對誤匹配點進行剔除，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。
無線互聯(lián)科技 2019年24期2019-02-12
- 基于SIFT算法的雙目立體視覺測距系統(tǒng)
算復(fù)雜度大、圖像匹配時間較長的問題，提出用SIFT算法進行特征點的提取與匹配。利用張正友標(biāo)定法確定攝像機的內(nèi)外參數(shù)，利用Bouguet算法進行圖像的立體矯正。建立以圖像獲取、立體矯正、目標(biāo)檢測與特征提取、立體匹配與三維重建為主要步驟的雙目立體視覺測距。實驗表明，在保持原有匹配率的前提下，一定程度上提高了運算速度。關(guān)鍵詞：雙目立體視覺測距，SIFT算法，圖像匹配一個完整的雙目立體視覺系統(tǒng)一般由攝像機標(biāo)定、圖像獲取、圖像預(yù)處理、目標(biāo)檢測與特征提取、立體匹配和三
卷宗 2018年31期2018-11-23
- 龍門吊的360°環(huán)視影像
象，接著經(jīng)過圖像匹配技術(shù)與圖像融合技術(shù)，拼接出車身周圍的全景俯視圖，用以消除駕駛者的視野盲區(qū)，保障了駕駛過程的安全性及可靠性。關(guān)鍵詞：龍門吊；環(huán)視影像；輔助駕駛系統(tǒng)；圖像匹配；圖像融合；1引言龍門吊是一種碼頭上常用的工程車輛，主要用于集裝箱、貨物的搬運。在實際作業(yè)中，由于工作環(huán)境復(fù)雜，車身龐大，駕駛員在行駛或作業(yè)過程中只能依靠后視鏡等設(shè)備肉眼觀察，導(dǎo)致視覺盲區(qū)的存在，因此機械設(shè)備和操作人員的安全難以得到保障。由于龍門吊的自身體積和重量大，一旦發(fā)生事故，往往
科學(xué)與財富 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，以改進的非線性慣性權(quán)重對粒子群算法進行優(yōu)化，以此來平衡粒子在全局和局部的搜索能力;其次，提出添加動態(tài)擾動項對速度進行擾動，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。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)用對比研究
特征點提取和圖像匹配實驗，從匹配成功率和運行效率兩個方面對算法的性能進行對比研究。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； 性能對比； 特征提?。?圖像匹配； 算法效率中圖分類號： TN911.73?34； TP391.6 文獻標(biāo)識碼： A 文章編號： 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用集成電路設(shè)計方法
紹了一種用于圖像匹配算法的獨特硬件集成電路（ASIC）。這種獨特的ASIC電路易于構(gòu)建，易于級聯(lián)，也易于流動，適用于內(nèi)置的實時圖像匹配?！娟P(guān)鍵詞】圖像匹配 專用集成電路 設(shè)計1 引言在過去的50年里，現(xiàn)代微電子技術(shù)取得了長足的發(fā)展，它一直在持續(xù)促進信息科學(xué)的發(fā)展，帶來了人類生活的巨大改變，同時也為生命科學(xué)領(lǐng)域的信息化提供了技術(shù)層面的堅實基礎(chǔ)和有力保障。隨著科學(xué)技術(shù)的快速進步，這一作用變得十分的關(guān)鍵。提高圖像匹配的實時性能大大增強它的應(yīng)用價值。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，由單個視點圖像生成多視點圖像，并對多視點圖像進行融合處理，實現(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)，具有較好的推廣價值。關(guān)鍵詞： 裸眼3D; 雙目視頻; 多視點圖像融合; 圖像匹配中圖分類號：TP311? ? ? ? ? 文獻標(biāo)志碼：A? ? ?文章編號：1006-8228（2018）12-04-04Abstracts： Th
計算機時代 2018年12期2018-02-13
- 一種用于視頻濃縮的圖像匹配算法
無監(jiān)督學(xué)習(xí)的圖像匹配算法。該算法無需像以往算法一樣，需要大量人工標(biāo)注的數(shù)據(jù)，而是通過觀看視頻即可完成訓(xùn)練，從而節(jié)約了大量時間成本。利用圖像匹配算法，可以將視頻中無效與相似內(nèi)容進行濃縮，以提煉出有效內(nèi)容。該算法在MPI?Sintel與KITTI集上進行了測試，APE分別為4.695與5.838，Accuracy@30分別為0.993與0.967，達到了較為理想的效果。關(guān)鍵詞：深度學(xué)習(xí);圖像匹配;無監(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SURF算法的機器人識別匹配方法
URF算法；圖像匹配；目標(biāo)識別DOIDOI：10.11907/rjdk.181630中圖分類號：TP301文獻標(biāo)識碼：A 文章編號：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程中利用改進的量子遺傳算法，實驗證明量子遺傳算法是有效的，可以很好的縮短匹配時長并提高匹配精度。【關(guān)鍵詞】量子遺傳算法；圖像匹配；相似度檢測中圖分類號： TP18；TP391.41 文獻標(biāo)識碼： A 文章編號： 2095-2457（2018）27-0086-003DOI：10.19694/j.cnki.issn2095-2457.2018.27.038當(dāng)前社會是一個數(shù)字化的信息社會，人們在日常生活、工作、進修、科研生產(chǎn)中，無處不在獲取
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)域中一項非常重要的技術(shù)，被廣泛用于人臉識別、全景圖像生成等領(lǐng)域。該文深入研究了不變矩方法，通過改進不變矩算法且應(yīng)用到灰度人臉圖像做匹配，實驗表明，改進的不變矩算法對人臉圖像匹配取得很好效果，對目標(biāo)圖像縮放、旋轉(zhuǎn)后，并與原圖像的不變矩進行比較，分析匹配的相似度并總結(jié)了不變矩方法的特點，實現(xiàn)了灰度圖像的匹配。關(guān)鍵詞：不變矩；圖像匹配；灰度圖像中圖分類號：TP393 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）
電腦知識與技術(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中圖分類號：TP312文獻標(biāo)識碼：A 文章編號：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、人臉識別、物象跟蹤、圖像拼接、生物特征識別及車牌識別等領(lǐng)域，一直是圖像處理的熱點研究方向。實踐中，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【中圖分類號】 V11 【文獻標(biāo)識碼】A【DOI】10.16619/j.cnki.rmltxsqy.2017.05.006深空探測是人類航天活動的重要領(lǐng)域，是人類了解太陽系和宇宙，進而考察、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。深空探測對一個國家的科學(xué)研究、經(jīng)濟發(fā)展和軍事應(yīng)用都有無比重要的作用，已作為衡量一個國家綜合國力和科學(xué)技術(shù)發(fā)展水平的重要特征與標(biāo)志，引起世界各國的極大關(guān)注。美國、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，這對進一步探討和改進巖石圖像匹配提供了研究基礎(chǔ)。關(guān)鍵詞：SIFT；SURF；巖石圖像；圖像匹配中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：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)；它記錄了過去發(fā)生的地質(zhì)事件，對研究地質(zhì)演變有重大的意義；同時，巖石圖像是目前礦物巖石類研究的主要來源，它對實現(xiàn)大幅度提高原油采收率、油氣
電腦知識與技術(shù) 2017年6期2017-04-26
- 雙目視覺圖像處理算法的優(yōu)化
此對雙目視覺圖像匹配領(lǐng)域的現(xiàn)有算法進行優(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；圖像處理；圖像匹配中圖分類號 TP3 文獻標(biāo)識碼 A 文章編號 1674-6708（2017）182-0084-02視覺模型及算法的基礎(chǔ)是利用兩張存在視差的二維圖形，構(gòu)造一個具有更深度信息的立體圖形。雙目視覺系統(tǒng)則是利用兩個攝像機來模擬人的雙眼，對場景進行識別和測量，然后通過一定的計算方法將場景結(jié)果（圖像）進一步處理，就可以獲得一個三維的圖像。
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； 隨機選取一致性（RANSAC）； 距離比率準(zhǔn)則中圖分類號： TN 911.73文獻標(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，圖像拼接的過程一般分為三個步驟：圖像預(yù)處理（特征提?。?、圖像配準(zhǔn)以及圖像融合。其中，圖像配準(zhǔn)是圖像拼接過程中的核心內(nèi)容。通過相似性度量準(zhǔn)則找到匹配的特征點對，然后通過匹配的特征點對求解圖像之間的變換矩陣，使圖像的內(nèi)容在拓撲和幾何上對齊，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RANSAC法進行相應(yīng)的研究和改進。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別算法
)采用不變矩圖像匹配與直方圖的儀表識別算法周戈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. 中國科學(xué)院 自動化研究所， 北京 100190)為了解決當(dāng)前儀表識別算法在機床儀表狀態(tài)信號多變、實時性強的環(huán)境下狀態(tài)識別錯誤的不足，設(shè)計一種基于不變矩圖像匹配與直方圖的在線儀表識別算法.首先，基于不變矩特征，通過圖像的重心坐標(biāo)獲取其中心不變矩，設(shè)計圖像匹配算子，并根據(jù)儀表燈的匹配度量值定位當(dāng)前狀態(tài)信號位置.然后，根據(jù)定位到的信號中
華僑大學(xué)學(xué)報（自然科學(xué)版） 2017年2期2017-04-07
- 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，通過圖像處理方法去除視頻幀間冗余，將一部或多部攝像機拍攝的視頻信息通過圖像幾何變換進行重采樣轉(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，對待匹配特征解集進行限定，在此基礎(chǔ)上再運用上述圖像特征匹配方法對精確的匹配解集進行求解，并考慮運用平面投影法對圖像進行拼接，基本算法流程如下。一、基于多尺
中國新通信 2016年23期2017-03-01
- 基于不變矩的制動開關(guān)圖像匹配方法
制動開關(guān)； 圖像匹配； Hu不變矩； 變步長中圖分類號： TN911.73?34； TP399 文獻標(biāo)識碼： A 文章編號： 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并行計算與圖像匹配的工件條碼識別算法
U并行計算與圖像匹配的工件條碼識別算法董夙慧1,2， 孫中廷1,2， 徐永剛1(1. 中國礦業(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 徐州財經(jīng)分院， 江蘇 徐州 221011)設(shè)計基于圖形處理器(GPU)并行計算與圖像匹配的條碼識別算法.首先，設(shè)計基于歸一化協(xié)方差的圖像匹配算子，定位每個條碼的位置.然后，根據(jù)條碼面積、周長、形狀因子，確定條碼種類.最后，采用GPU并行計算方式完成條碼解析.實驗數(shù)據(jù)顯示：與當(dāng)前條碼識
華僑大學(xué)學(xué)報（自然科學(xué)版） 2017年1期2017-01-13
- 基于曲率尺度空間的角點檢測圖像匹配算法分析
間的角點檢測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)計算機技術(shù)的發(fā)展下，優(yōu)化提升圖像匹配算法，可以提升圖像檢測精度?；谇食叨瓤臻g的角點檢測圖技術(shù)，優(yōu)化設(shè)計圖像匹配算法，基于曲率尺度空間的角點檢測算法進行圖像特征點的提取，歸一化處理特征點，有助于提高圖像匹配精度。利用該算法最終實現(xiàn)圖像匹配需求，驗證了算法的有效性，改進了圖像匹配中特征點過度分離的弊端，提高了圖像匹配檢測的整體精度約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)計曲線的最優(yōu)位置確定法
勢分析法進行圖像匹配，對比待檢產(chǎn)品與標(biāo)準(zhǔn)庫的圖像灰度統(tǒng)計曲線趨勢，從而確定待檢的產(chǎn)品圖像在標(biāo)準(zhǔn)庫中的最優(yōu)位置。實驗結(jié)果表明采用基于圖像灰度統(tǒng)計曲線的最優(yōu)位置確定法比基于改進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)計曲線；最優(yōu)方位的確定；圖像匹配；SIFT算法引言因為機器視覺技術(shù)[1]具有損壞小、成本低、速度快、正確率高、時間工作長等優(yōu)勢，所以其在現(xiàn)代工業(yè)自動檢測領(lǐng)域中被普遍使用。對于各種工業(yè)產(chǎn)品，使用機器視覺技術(shù)檢測，因為在測試階段
科技創(chuàng)新與應(yīng)用 2016年4期2016-11-19
- 基于改進SIFT的圖像匹配研究
統(tǒng)SIFT的圖像匹配法存在的計算量大、耗時長、誤匹配的問題，提出了一種快速、準(zhǔn)確的圖像匹配法。該方法是建立在SIFT算法中特征點的提取不使用SIFT算法確定的關(guān)鍵點而是使用Harris算法中確定的角點，最后利用RANSAN算法去除誤配點來實現(xiàn)兩幅圖像的匹配。實驗結(jié)果表明采用基于改進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算法引言機器視覺技術(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
- 隨機蕨叢算法匹配識別性能研究
基于特征點的圖像匹配識別方法的精確度，文章對特征點匹配算法隨機蕨叢的性能進行評估，并與尺度不變特征變換算法SIFT的匹配性能進行對比研究。通過實驗將隨機蕨叢算法參數(shù)進行優(yōu)化配置，分別測試兩種算法的魯棒性能和匹配速度。實驗結(jié)果表明，隨機蕨叢算法的匹配精度能達到85%左右，明顯高于SIFT算法，匹配速度也遠快于SIFT算法，但仍然有待提高。Abstract： In order to improve the accuracy of the image match
價值工程 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時性需求，研究了正態(tài)分布轉(zhuǎn)換算法。該方法基于對圖像中目標(biāo)點的概率分布進行匹配，不需要提取圖像的幾何特征或灰度特征，可有效縮短匹配時間。通過對均值濾波法、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，進行仿真并對比，選出符合實時性處理的方法，即中值濾波法和一維Otsui法?；诿绹轮輧x器公司的數(shù)字信號處理芯片，將圖像去噪、分割和匹配算法在硬件上實現(xiàn)，硬件實現(xiàn)結(jié)
兵工學(xué)報 2016年6期2016-07-29
- 基于分塊聚類特征匹配的無人機航拍三維場景重建
率。關(guān)鍵詞：圖像匹配；像素點；無人機航拍視頻；三維重建；聚類隨著計算機視覺理論以及無人機平臺技術(shù)的迅猛發(fā)展，無人機視覺研究將重新定義未來人類感知世界的能力與范圍。無人機視覺研究已經(jīng)逐步從二維的圖像處理、分析發(fā)展為三維場景的重構(gòu)與解析。復(fù)雜大場景的三維重建是當(dāng)前國內(nèi)外研究的熱點問題。無人機平臺在獲取三維數(shù)據(jù)方面具有視角靈活性大、飛行成本低以及時效性強等優(yōu)勢，可得到同一場景連續(xù)多視角、海量無標(biāo)定圖像序列。SFM重建框架[1]無需相機標(biāo)定信息，僅利用序列圖像特征
西北工業(yè)大學(xué)學(xué)報 2016年4期2016-07-25