传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序...传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序时间长,造成图像特征点匹配速度下降,针对以上问题,提出了一种ORB算法与改进PROSAC算法相结合的图像特征点匹配算法。首先,基于ORB进行特征点的提取,然后计算图像特征点描述子汉明距离,利用双向检测暴力匹配算法实现图像特征点粗匹配,最后通过改进图像特征点分块的PROSAC算法剔除误匹配图像特征点,得到精确匹配图像。经过实验验证,改进后的图像匹配算法在仿射变化、尺度变化和旋转变化中都能保持良好的适应性,改进后的图像匹配算法相对与传统ORB图像匹配算法提高了匹配精度,相比基于传统PROSAC的图像匹配算法提高了匹配速度。展开更多
为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过...为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过空间余弦值进行预筛选并使用渐进抽样一致性算法(PROSAC)得到强匹配点,同时计算出图像变换矩阵;最后,使用RMSProp(root mean square prop)算法对变换矩阵进行优化。实验结果表明该算法在电池包焊点缺陷检测中能有效减少误匹配,且配准速度较快,满足工业检测要求。展开更多
针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法...针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。展开更多
摘要传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序时间长,造成图像特征点匹配速度下降,针对以上问题,提出了一种ORB算法与改进PROSAC算法相结合的图像特征点匹配算法。首先,基于ORB进行特征点的提取,然后计算图像特征点描述子汉明距离,利用双向检测暴力匹配算法实现图像特征点粗匹配,最后通过改进图像特征点分块的PROSAC算法剔除误匹配图像特征点,得到精确匹配图像。经过实验验证,改进后的图像匹配算法在仿射变化、尺度变化和旋转变化中都能保持良好的适应性,改进后的图像匹配算法相对与传统ORB图像匹配算法提高了匹配精度,相比基于传统PROSAC的图像匹配算法提高了匹配速度。
摘要针对非物质文化遗产蓝印花布数字化生成技术发展较慢的问题,提出了一种基于图像拼接技术的蓝印花布边缘纹样快速生成算法,实现了对边缘纹样的拼接延展.对于蓝印花布样本存在颜色和噪点问题,提出了一种预处理算法,可统一待拼接图像样本的颜色并消除噪点.在拼接算法设计中,通过对特征提取、匹配、提纯及融合等关键环节的算法进行对比实验,系统性优化各环节的算法组合,形成高效的拼接算法架构.实验结果表明,该算法可以实现蓝印花布边缘纹样的快速拼接;采用基于FAST算法的纹样特征点的检测时间比SIFT(Scale-Invariant Feature Transform)和SURF(Speeded Up Robust Features)算法时间分别减少了74.6%和89.8%;采用基于BF算法的纹样特征点的平均匹配时间比FLANN(Fast Library for Approximate Nearest Neighbors)算法时间减少了88.6%;采用基于PROSAC算法的纹样匹配特征点的提纯时间平均比RANSAC(Random Sample Consensus)算法时间减少了20%;总体拼接时间平均比传统算法时间减少了1.0718 s.
摘要为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过空间余弦值进行预筛选并使用渐进抽样一致性算法(PROSAC)得到强匹配点,同时计算出图像变换矩阵;最后,使用RMSProp(root mean square prop)算法对变换矩阵进行优化。实验结果表明该算法在电池包焊点缺陷检测中能有效减少误匹配,且配准速度较快,满足工业检测要求。
摘要针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。