|
搜索
搜 索
高等教育領域數字化綜合服務平臺
一種快速互相關灰度圖像匹配方法與裝置
本發明公開了一種快速互相關灰度圖像匹配方法與裝置，用于在灰度目標圖像中查找目標圖案的位置與方向，所述方法包括：對模板圖像進行極坐標轉換；獲取灰度目標圖像中目標圖案的外接盒，將其定義為目標圖案搜索區；在目標圖案搜索區中選取與模板圖像同樣大小的匹配區域，對所述匹配區域進行極坐標轉換，計算所述匹配區域一維數據與所述模板圖像一維數組的相關性；直至對所有的匹配區域均完成相關性計算，選取相關性最大的匹配區域作為目標圖案，獲取所述目標圖案的位置與方向。通過本發明方法，從而縮小匹配的搜索范圍，提高匹配速度，并且通過
華中科技大學
2021-04-14
一種基于機器學習的空間數據匹配方法
本發明涉及一種基于機器學習的空間數據匹配方法，包括四個步驟:1)自動生成匹配訓練樣本，2) 通過機器學習建立分類器模型及其參數，3)應用分類器模型對輸入空間數據進行目標匹配，4)顧及邏 輯和領域約束對匹配結果的過濾和改善。其中機器學習采用以空間目標的位置、大小、形狀和方位等多 種指標作為特征提取。具有如下優點:可避免量綱標準化和多指標加權中的主觀任意性，匹配精度較加 權平均方法更高;匹配模型基于樣本數據學習建立，數據的自適應性較高;建立模型的典型樣本數量少， 可大規模應用;利用空間數據的內在幾何信息，無需額外屬性信息，使用準入性低。
武漢大學
2021-04-13
基于 LiDAR 點云輔助的立體影像密集匹配方法及系統
一種基于 LiDAR 點云輔助的立體影像密集匹配方法及系統，將投影獲取立體像對重疊范圍內的 LiDAR 點云并濾波處理；將濾波后的點云投影到核線立體像對上，確定后續密集匹配的視差范圍；建立 金字塔，從金字塔頂層開始，采用三角網約束改造代價矩陣，進行 SGM 密集匹配，并進行左右一致性 檢測，得到頂層最終的視差圖；將金字塔當前層的視差圖傳遞到下一層作為初始視差圖，根據當前層的 視差圖相應確定下一層的視差范圍，將下一層作為新的當前層；基于新的當前層，同樣處理得到當前層 最終的視差圖，直到金字塔的底層，輸出原始影像的視差圖，根據視差圖，得到立體像對的同名點，生 成密集匹配的點云。
武漢大學
2021-04-13
基于光譜抽樣直方圖的超光譜降維匹配方法及系統
本發明提供一種基于光譜抽樣直方圖的超光譜降維匹配方法及系統，包括對待匹配光譜和光譜庫中 的所有光譜分別進行歸一化處理，分別獲取歸一化后的待匹配光譜和光譜庫中所有光譜的抽樣直方圖， 計算待匹配光譜的抽樣直方圖與光譜庫中所有光譜的抽樣直方圖的歐氏距離，在光譜庫中選取與待匹配 光譜抽樣直方圖歐氏距離最小的一條光譜作為匹配對象。本發明通過對歸一化后的光譜使用等間距的窄 帶進行抽樣，從而獲得維數遠小于原始光譜的抽樣直方圖，完成了光譜的降維，然后使用降維后的抽樣 直方圖代替原始光譜進行匹配，顯著降低了后續匹配時的運算量，同時在抽樣時利用分段提取的方法保 留了光譜圖中的相對位置信息，提高了匹配的精度。
武漢大學
2021-04-13
一種基于代價矩陣的多重軟約束立體匹配方法
本發明公開了一種基于代價矩陣的多重軟約束立體匹配方法，首先計算一個三維匹配代價矩陣并對 其進行多尺度降采樣，構成代價矩陣金字塔；同時對影像也進行相應的多尺度降采樣，構成影像金字塔， 并對其各層影像分別進行圖像分割；然后逐層進行自適應權重的代價積聚和―投票式‖分割約束下的代價 積聚，并通過將上層代價積聚結果傳遞給下層代價矩陣，實現多尺度約束下的代價積聚；最后在底層代 價矩陣中結合可靠點代價擴散方法實現立體匹配。本發明增強了匹配結果的穩定性和可靠性，大大改善 了弱紋理和重復紋理區域以及視差不連續處的匹配問題，可用于改進基于圖像的建模等涉及立體匹配的 工程應用問題。
武漢大學
2021-04-13
一種結合點特征和線特征的圖像匹配方法
本發明公開了一種結合點特征和線特征描述子的圖像匹配算法，包括：(1)分別對模板圖和實時圖在多尺度下提取角點；(2)獲得實時圖和模板圖角點周圍的邊緣集合；(3)計算步驟(1)獲得的最終選定的實時圖與模板圖角點的類ORB點特征描述子；(4)利用最小截平方Hausdorff距離描述步驟(2)獲得的實時圖和模板圖的邊緣集合的匹配相似度；(5)計算步驟(3)中獲得的實時圖與模板圖角點的類 ORB 點特征描述子的匹配相似度；(6
華中科技大學
2021-04-14
基于局部不變幾何特征的廣義霍夫變換圖像匹配方法
本發明公開了一種基于局部不變幾何特征的廣義霍夫變換圖像 匹配方法，用于實現對具有任意旋轉角度的目標圖像的匹配，其特征 在于，該方法包括對模板圖像進行預處理的步驟和利用該模板圖像的 處理結果對目標圖像進行匹配的步驟，其中，模板圖像處理步驟中包括提取圖像各邊緣點并建立邊緣點匹配特征關系，所述目標圖像進行 匹配時先提取目標圖像的各邊緣點，再利用上述建立的邊緣點匹配特 征關系對提取的圖像進行匹配，從而獲得匹配位置點和相應的旋轉角 度，完成目標圖像匹配。本發明的方法通過改進傳統的廣義霍夫變換， 建立改進的參考表，能夠對任意角度旋轉的目標圖像進行匹配，具有 很高的匹配速度和匹配精度。
華中科技大學
2021-04-11
基于視覺特征的視頻指紋檢測及視頻序列匹配方法及系統
本發明提出一種基于視覺特征的視頻指紋檢測方法，具體為：按照幀間相關性對視頻序列分段，在分段中提取關鍵幀；在各關鍵幀中提取視頻特征；利用像素點特征字典對像素點分類；對各關鍵幀分別進行多次不同數量的分塊，在各子塊中依據像素點的分類結果統計像素點特征字典各元素的出現次數，得到該子塊的特征向量；將所有子塊的特征向量拼接得到關鍵幀的高維視頻指紋；對各高維視頻指紋進行降維；將各視頻片段關鍵幀的低維視頻指紋按照時間先后順序連成關鍵幀視頻指紋串。本發明還提供了基于上述指紋檢測方法的視頻匹配方法。本發明通過對視頻內容的關鍵信息進行有效描述，在不影響匹配率的情況下，大大降低了算法的復雜度，有效提高了檢測效率。
華中科技大學
2021-04-11
一種適用于 IC 封裝設備變形物體的匹配方法
本發明屬于圖像處理相關技術領域，其公開了一種適用于 IC 封裝設備變形物體的匹配方法，其包括以下步驟:(1)提取模板圖像中物 體的輪廓及目標圖像中物體的輪廓;(2)獲得目標擬合多邊形及模板擬 合多邊形;(3)建立目標圖像哈希表及模板圖像哈希表;(4)對目標圖像 及模板圖像進行粗匹配;(5)計算目標擬合多邊形及模板擬合多邊形的 各邊中點在對應參考質心極坐標系中的位置坐標;(6)計算模板擬合多 邊形及目標擬合多邊形各邊的梯度方向、線性變換矩陣及相似度分數; (7)所述目標圖
華中科技大學
2021-04-14
一種基于多邊形廣義霍夫變換的圖像匹配方法
本發明公開了一種基于多邊形廣義霍夫變換的圖像匹配方法， 該方法包括:(1)離線階段:(1.1)對模板圖像進行邊緣提取和多邊形擬 合;(1.2)利用局部三角特征以及頂點與模板圖像參考點的矢量關系， 構建 R-Table 表;(2)在線階段:(2.1)對目標圖像進行邊緣提取和多邊 形擬合;(2.2)對目標圖像進行投票，票數最高的位置點作為與模板圖 像上的參考點對應的匹配點，以確定模板圖像的多邊形的頂點與目標 圖像的多邊形的頂點的對應關系，同時確定模板圖像與目標圖像之間 發生平移、旋轉
華中科技大學
2021-04-14