基于特征点匹配的双面碎纸片自动拼接复原

本文以2013年全国数学建模竞赛B题为背景，主要研究双面打印碎纸片的拼接复原问题。利用特征点匹配的图像拼接算法，绘出了基于特征点的图像拼接流程图：根据图像拼接流程图建立了特征点检测算法Moravec角点检测算法模型，通过计算各像素的兴趣值、选择恰当的特征点、候选点，分析运算得到了附件5的碎纸片拼接复原结果。     

碎纸片的拼接复原数学模型的构建

本文讨论在碎纸机以不同方式破碎纸片的情况下建立碎纸片的拼接复原模型,以解决碎片数量巨大时人工拼接的难题,本文建立了三个具有针对性的模型。模型一:方差分析法下的碎纸片拼接模型。在以纵切方式破碎纸片的情况下,提取碎纸片左右边缘的灰度列向量,利用碎纸片边缘处为单边同宽空白区域的特殊性对碎纸片进行定位,再利用方差分析法和欧式距离解决了纵切碎纸片的拼接复原问题。模型二:文字行间距一致性的碎纸片拼接模型。以纵横方式破碎纸片,利用同行文字行间距一致性的主要特性可解决横向碎纸片的拼接复原问题,简化了模型,将离散的像素灰度矩阵平均化处理,进而利用欧氏距离对碎纸片进行匹配,得到了碎纸片复原后的完整图片。模型三:二值化Otsu算法的碎纸片拼接复原模型。本文从双面纵横破碎纸片的问题出发,建立了纸片二值化Otsu法拼接模型,先对碎纸片分组预处理,为将复杂模型简单化,再利用全局阈值方法中典型的Otsu法求取碎纸片的最佳阈值,以该阈值对碎纸片中所含灰度值信息进行划分实现二值化处理,将边缘区域明显化,利用统计学方法求取拼接后的纸片间成功匹配的像素点占纸片边缘的概率,最终双面纵横破碎纸片的拼接复原问题得以解决。     

基于特征点的图像拼接算法研究

在研究图像拼接理论的基础上,改进了拼接算法中的特征点匹配问题。首先利用Harris算法进行角点检测,然后利用归一化相关法进行匹配,接着利用该文中提到的方法来去除误匹配,从而得到匹配点对。实验结果证明该方法有效地提高了图像拼接的精度和速度。     

车辆全景成像探测的快速目标拼接算法

全景成像技术以及图像拼接、图像配准等与其相关的技术,都属于机器视觉及模式识别领域。由于其成像系统视场较大,且无论远近都可以清晰成像,因此,全景成像技术具有广阔的应用前景,例如,在军事领域中的侦察、空间探索等,民用领域中的医疗设备、防盗预警、机器人视觉等等。正是由于上述原因对全景成像技术,具有很高的研究和实践价值。本文对全景成像技术的研究主要有以下四个方面:第一,深入研究了全景成像的获取方式,在此基础上分析其获取方式的优缺点;第二,实现了图像的预处理,即完成了对获取图像进行了校正和去噪,通过对不同的图像采用滤波算法实现;第三,在图像拼接方面,实现了基于比较匹配的图像拼接算法,通过采取平行景物线匹配算法消除了灰度差异的影响,对拍摄同一景深下的图片进行拼接;第四,在不同景深条件下,对图像进行拼接,并完成了基于Harris特征点检测算子的特征提取算法。     

基于聚类分析和灰度值匹配的碎片文件拼接复原

针对同一页印刷文字文件的碎纸机破碎纸片的拼接问题,研究了碎纸片内文字行特征,碎纸片的边缘像素灰度特征,提出了基于聚类分析和灰度值匹配的碎片文件拼接算法。通过matlab仿真实验,结果表明该算法可靠地实现了破碎文件的拼接,效果良好。     

数字图像复原技术中运动模糊图像相关问题研究

随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一,运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程;建立运动模糊退化模型;用维纳滤波复原方法对模糊图像进行复原;根据维纳滤波运动模糊图像复原方法中的不足之处,引入介绍了一种新的方法,降低了原有算法的复杂度,改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进,其他复原方法有待我们进一步研究。     

基于文字边缘信息的碎纸片拼接

文章通过分析横切、纵切和双面横纵切3种情况,通过MATLAB中神经网络搜寻碎片边缘信息,提取像素值后进行碎片匹配。按照读取图片、搜集数据信息、计算相似度、局部匹配和全局匹配计算拼接后的序列号,必要时进行人工干预的做法,实验表明,该方法有效可行。计算机辅助下的半自动碎片拼接具有广阔的应用前景,能够提高碎片拼接的精确度和鲁棒性。     

基于特征点图像配准方法的应用研究

针对常用的图像配准技术配准精度不高的问题,本文首先采用RANSAC算法剔除SURF算法初匹配中的误匹配对,再在初次提纯的匹配对中进行欧氏距离排序,提取距离最小的有限匹配对作为最终的匹配结果。通过实验表明该方法配准精度高,效果好,为后续图像的融合拼接打下良好的基础。     

基于改进SIFT特征匹配的视频拼接——在倒车系统中的应用

文章主要在限定的特征点提取区域,用改进的SIFT特征匹配算法进行帧图像的并行双向搜索匹配,缩短视频帧图像的匹配时间达到视频拼接的目的。     

一种增强SAR图像匹配稳定性的新预处理方法研究

SAR图像中相干斑对SAR图像的后续处理影响较大,由于自适应叠代滤波算法具有较好的适应性和对相干斑的平滑性,采用自适应叠代滤波对SAR图像进行了预处理,再利用相关的匹配算法将SAR图像与可见光图像进行匹配,并进行了大量的实验。实验结果表明,该方法具有良好的抑制SAR图像相干斑的效果,改善了相关峰的单峰性,显著提高了可见光与SAR图像的匹配稳定性和匹配精度。     

基于K-均值聚类图像配准算法

针对图像配准中实时性差和精度低的问题,提出了一种基于K-均值聚类的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件,首先利用K-均值聚类对匹配点对进行预处理,剔除错误匹配点,然后利用RANSAC进行优化,实现了图像的精确配准。实验结果表明该算法不仅提高了图像配准的精确度,而且提高了图像配准的速度。     

特征点匹配对预筛选的快速运动背景配准

针对运动背景下的运动目标检测实时性要求高的问题,提出了特征点匹配对预筛选的快速运动背景匹配,通过配准运动背景,然后通过帧间差分法提取运动目标。该算法首先利用Harris算子提取背景图像的Harris特征点,然后对Harris特征点进行匹配得到匹配对,通过K-means聚类算法对特征点对进行预筛选,预筛选后的特征点对利用改进的随机样本一致算法(PROSAC)计算放射变换矩阵,最后对背景图像进行变换配准。实验仿真表明,该算法极大地提高了运动背景匹配速度。     

基于最小二乘法特征点的图像拼接方法应用研究

针对常用的图像拼接技术拼接效果有锯齿显现,边缘不圆滑等的问题,文章在精确获取图像特征点匹配对的前提下,采用基于最小二乘法拟合求取较优的变换矩阵拼接图像,获取完整的图片信息。通过实验,表明该方法拼接后的图像效果良好,边缘比较平滑。     

基于物理模型的单幅图像去雾方法研究

为了提高雾天降质图像的清晰度,文章研究基于物理模型复原的图像去雾算法,提出基于该方法复原的快速图像去雾方法。首先提出天空区域自适应选择算法估计全局大气光,然后利用均值滤波的方式快速估计透射率,最终恢复无雾图像。     

基于Harris和SIFT的特征匹配算法

为了克服传统的局部特征匹配算法对图像的尺寸和旋转比较敏感的缺点,文章提出了一种基于Harris和SIFT的特征匹配算法。该算法首先进行Harris角点提取,利用圆的旋转不变性和多维向量来构造SIFT特征描述子,然后利用极线约束降低对匹配点的搜索空间,最后度量特征描述子之间的欧氏距离,运用双向匹配技术得到最终的匹配结果。实验结果表明,该算法能提高匹配精度,减少匹配时间。     

改进的Harris方法在交通事故现场图像拼中的应用

为了满足交通事故现场图像拼接时效性高的要求,本文提出了一种改进了Harris算法快速提取图像角点的方法。先采用3＆#215;3的预检窗口排除大部分疑似角点,保留候选角点,然后对候选角点采用Harris算法进行进一步的角点检测,确定最后的角点。实验结果表明,改进的方法不但能合理地检测出角点,还能大大提高角点检测速度,为交通事故现场图像快速拼接提供技术支持。     

基于Hausdorff距离与模拟退火算法的图像匹配技术

在图像匹配过程中,经常会有目标图像被遮掩,匹配效率不高等问题,使得应用较为困难。对图像和模板之间的Hausdorff距离进行改进,将其作为检测模板和图像中轮廓相似性的标准,同时引入模拟退火算法,由于该算法具有鲁棒性和易于全局最优的特点,可以较快地完成全局搜索。利用人物图像和涂鸦图像进行仿真实验,实验结果表明,文章算法有着较好的图像匹配结果,且运行效率高于传统Hausdorff距离法。     

基于SSE指令集的运动目标模板匹配算法设计

本文针对序列图像中运动目标识别的广泛需求,分析了模板匹配算法的实现过程及特点,研究、设计了一种基于SSE指令集的运动目标模板匹配算法。该算法利用SSE4指令集实现多位数据并行计算,显著提高了模板匹配算法的处理速度。实验结果表明,该算法对于序列图像中的运动目标识别具有速度快、识别精度高的特点,具有一定的应用价值。     

基于背景补偿的跟人AGV系统人物检测研究

提出一种基于背景补偿的动态目标检测方法来解决跟人AGV的物流运输系统中的人物检测问题。为减少目标检测所花费的时间,在不影响图像细节的情况下,首先缩小图像,检测SIFT特征点并进行特征点之间的匹配;其次,用随机一致性算法(RANSAC)去除运动目标的特征点匹配与两幅图像的特征点误配,从而构建仿射模型进行背景补偿;最后,运用图像的差分并对差分后的图像进行形态学运算从而检测出运动区域,并在原始图像中标记。     

基于背景补偿的跟人AGV系统人物检测研究

提出一种基于背景补偿的动态目标检测方法来解决跟人AGV的物流运输系统中的人物检测问题.为减少目标检测所花费的时间,在不影响图像细节的情况下,首先缩小图像,检测SIFT特征点并进行特征点之间的匹配;其次,用随机一致性算法(RANSAC)去除运动目标的特征点匹配与两幅图像的特征点误配,从而构建仿射模型进行背景补偿;最后,运用图像的差分并对差分后的图像进行形态学运算从而检测出运动区域,并在原始图像中标记.