分享到:

基于改进模板匹配算法的靶标图像检测

引言伴随现代武器系统的突飞猛进发展,靶场测试技术水平不断提高[1,2]。目前,靶场所面临的实际问题是测量目标小、距离远、目标与背景对比度低。为了提高靶场光测设备对低对比度目标的识别能力,快速、有效的图像识别处理成为影响系统性能的关键技术之一。目前,国内已有的测试设备,都是模拟方式,其检测精度与动态范围都受到其仪器原理的限制,仍然没有打破传统的测试手段,尤其原始数据的保存及后继数据处理都难以满足现代化测试领域的需要。笔者以数字图像处理技术为基础,在靶场测试仪器捕获的图像中,定位靶场中的靶标,得到靶标十字的中心。1靶标的检测图1为靶标检测的流程图。由于距离远、靶标小,靶场测试仪器捕获的图像,靶标与背景对比度低,靶心十字的中心根本看不清楚。在定位靶标之前,先对CCD(Charge Coupled Device)系统捕获得到的图像进行灰度变化,得到一个较为合适的灰度图,然后通过模板匹配的方法找到靶标所在的区域。图1靶标检测的流程图Fig...  (本文共5页) 阅读全文>>

中国科学院研究生院(长春光学精密机械与物理研究所)
中国科学院研究生院(长春光学精密机械与物理研究所)

大视场航天相机遥感图像复原研究

随着对宽覆盖地面卫星图像需求的不断增加,大视场航天相机成为航天技术领域研究的重点和热点。大视场航天相机的研制要耗费巨大的人力物力资源,其主要目的是获取高质量宽覆盖的遥感图像,因此图像质量是大视场航天相机成败的关键。大视场航天相机通过多片CCD拼接和多通道成像的设计来获取宽覆盖的地面图像,每一片CCD作为一个成像通道单独生成一幅数字图像。由于各片CCD之间存在拼接重叠像元,因此地面获取的各通道图像之间不连续,相邻通道图像之间有一定的重叠区域。在大视场航天相机的成像过程中,由于CCD传感器性能、卫星平台振动、成像系统离焦、大气湍流作用等因素的影响,会造成遥感图像退化,在现有的技术条件下,无法在相机上附加完善的星上图像处理系统,因此地面获取的各通道图像均存在退化变模糊现象。为了获得覆盖整个大视场的连续无缝宽覆盖图像,并尽可能提高宽覆盖图像的质量,必须对各通道图像进行质量退化复原和连续无缝拼接复原。结合大视场航天相机各通道图像不连续且存...  (本文共155页) 本文目录 | 阅读全文>>

南京理工大学
南京理工大学

“图代炮”系统瞄准镜视场图像处理技术研究

“图代炮”系统,即自行反坦克突击炮瞄准镜视场图像判读替代实炮射击训练系统。主要由跟踪瞄准图像摄取分系统、数据采集与保存系统和图像处理与评价系统组成。本文主要工作是图像处理与评价模块软件的设计与开发,该模块主要包括目标识别和图像处理及相关计算。目标识别方面,简要分析了基于灰度图像匹配技术的关键因素,通过实验比较分析了MAD、SSDA、MPSA等算法的优劣,最后采用基于模板边缘检测和单调递减阈值序列的SSDA算法对目标进行识别,在匹配的速度上取得了比较好的效果。图像处理方面,先用MATLAB对常用的阈值分割算法进行了仿真,仿真结果表明:全局阈值法能够将目标比较好的分割出来,但在匹配区域内仍存在一些噪声、毛刺和裂缝。然后利用形态学方法对分割后的图像进行了优化处理,取得了比较好的处理效果。最后利用矩理论方法计算得到靶标的几何中心坐标,为评估操作手操作技能提供了可靠的数据。图像处理与评价模块是在Windows XP操作系统下用C++语言开...  (本文共63页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

基于OpenCV的图像匹配算法及其靶标定位应用

图像是人类获取信息的重要来源。随着信息技术的快速发展,图像的获取和处理不再局限于我们自己。越来越多的图像获取设备和图像处理系统不断地出现,机器也能像人类一样获取并处理图像。本文根据靶标定位需求,在总结众多图像匹配算法的基础上,研究了图像靶标匹配的相关算法,提出了改进Chamfer匹配算法和基于SURF(Speed up Robust Feature)特征图像匹配算法。改进Chamfer匹配算法适用于简单情况下的图像靶标定位应用,能够快速准确地识别出靶标图像的位置。该算法在Chamfer倒角匹配算法的基础上对边界距离的计算方法进行了改进,在新的边界距离计算中添加了标准差因子和方向差因子。基于SURF特征图像匹配算法适用于复杂情况下的图像靶标定位应用,能够快速准确地识别出靶标图像的中心点所在位置。SURF特征点匹配算法能够较快地找出待匹配图像和模板图像的匹配特征点集合,但是匹配特征点集中会有无效特征点。本文提出了有效特征点判定策略和...  (本文共62页) 本文目录 | 阅读全文>>

长春理工大学
长春理工大学

基于图像处理技术的靶场目标检测算法的研究

本文主要研究基于图像处理技术的靶场目标检测的算法。在靶标检测过程中权衡精度和速度需求,本文将靶标检测的方法分为粗检测和精检测两步。粗检测是利用图像灰度预处理、图像自适应阈值分割把图像目标和背景分离出来,然后通过特征提取来确定靶标的粗略范围。精检测根据连续图像的相关性选择NC匹配算法或矩匹配算法,在粗检测获取的靶标粗略范围内做局部搜索,然后利用投影法精确定位靶标中心。NC匹配算法对灰度的线性变化有很高的适应性和准确性;矩匹配在图像发生平移、旋转、比例变化时具有很高的准确性。此方法不但能够准确的定位靶标图像还大大提高靶标检测的速度。最后,本文提出TARGET亚像素细分的靶标定位技术,解决了硬件提高精度的困难。测试结果表明,本文提出的方法,可以满足靶场的靶标检测定位的实验项目需求。  (本文共55页) 本文目录 | 阅读全文>>

《第二军医大学学报》2007年02期
第二军医大学学报

中药色谱指纹图谱全排序模板匹配算法研究

中药色谱指纹图谱技术是当前进行复杂物质体系质量控制及研究的重要手段,其对中药质量稳定性评价的方法已被国际社会所接受[1-3]。采用计算机辅助法对中药色谱指纹图谱进行相似度计算,关键环节之一是进行色谱峰的匹配。目前国内《中药注射剂色谱指纹图谱实验研究技术指南(试行)》[4]推荐使用色谱保留时间作为定性依据,多采用模板匹配算法。如直接采用时间窗宽度匹配[5-7],比较简单、思路清晰,但对模板上没有的峰不做匹配,导致匹配模板上没有的峰最终不参加相似度计算;时间窗法结合峰高信息的色谱峰匹配算法[8]对此做了改进,但如果待鉴定峰的附近有较多的峰高(峰面积)相接近的峰,仍可能发生峰次序匹配颠倒的问题。上述两种算法都使用模板匹配的方法进行所有指纹图谱的峰匹配,而本文提出的全排序模板匹配算法不使用任何一张实际的指纹图谱作为模板,而是根据所有图谱上的所有峰的保留时间进行升序排序、聚类,克服了原算法中某些错配、漏配等缺陷,得到了较为满意的匹配结果。...  (本文共5页) 阅读全文>>

《电脑迷》2017年10期
电脑迷

模板匹配算法的并行化

1串行模板匹配算法模板匹配的过程,简单的来讲就是通过模板图像与待匹配图像之间相似度的比较,然后在图像中找到模板图像所在位置的过程[1]。其具体执行过程大致可以描述如下:首先按照像素来比较模板图像与待搜索图像之间的相似度,接着找到其中最大的或者最小的相似度量区域作为我们要找的匹配位置[2]。模板匹配算法的具体过程:通过把图像块在待搜索的图像上进行滑动的方法,对待搜索的图像块和模板图像进行一步一步的匹配[3]。为了便于理解,可以把算法简单描述成下面这几个步骤:这里我们假设待搜索的图像是一张100×100的图像,而模板图像则用另外一张10×10的图像,那么模板匹配算法的具体步骤可以描述如下:(1)从待搜索图像的左上角点(0,0)开始,切割出来一块(0,0)至(10,10)的临时图像;(2)用当前临时图像与模板图像进行比较,比较结果记为c;(3)对比结果c,就是结果图像(0,0)处的像素值;(4)切割待搜索图像从(0,1)至(10,11...  (本文共1页) 阅读全文>>