拼接式反射镜共相误差检测

基于圆孔衍射理论,设计了一套拼接式反射镜的共相误差光学检测系统,并采用双波长窄带共相算法实现对合成孔径拼接镜的共相检测。方案中设计了圆孔掩模板、相位板和微棱镜阵列,通过数值仿真得到子镜间存在一系列台阶差时的圆孔衍射模板图样,再将待测图样与模板图样进行相关匹配,获得当前子镜间存在的台阶差。在将检测方案应用于拼接镜检测之前,通过相位板在光路中引入已知量相位差进行模拟实验,对衍射图样进行采样和匹配;实验结果验证了方案的可行性,可实现对合成孔径拼接面进行较高精度的共相检测。     

基于智能手持设备的车牌识别系统研究

以交警能更加快捷方便地稽查运营车辆为目的,借助最新的移动互联网技术,分析并研究了多种计算机视觉算法。提出了一种基于K均值聚类（K-means）的车牌定位技术,通过颜色的聚类分析来确定车牌区域,定位车牌。又应用垂直投影技术和模板匹配法来分割和识别车牌字符,利用SQlite开发了具有存储车牌字符信息功能的数据库。在此基础上,研制了一套基于智能手持设备的车牌识别系统。功能测试表明,该系统具有良好的性能,能够较好地识别出车牌信息。     

基于均值向量检验法的模板比较算法

模板比较算法是核弹头及其核部件模板识别技术的一项关键技术.文中介绍了一种基于均值向量检验法的高分辨γ能谱指纹模板比较算法,并用放射源对其进行了有效性检验.检验结果表明,该算法是有效的,能够准确识别不同强度、不同组成的辐射源.研究还就模板构型的设计提出了两条建议. 关键词： 模板比较算法 模板识别技术 能谱指纹 均值向量检验法     

Laws纹理模板在立体匹配中的应用

立体匹配一直是计算机视觉领域的一个中心问题,基于区域整体匹配算法较好地解决了纹理单一区域的立体匹配问题,其关键步骤是纹理单一区域的分割和匹配.针对纹理单一区域的特点,提出利用Laws纹理模板对图像纹理特征进行分析描述,然后进行基于直方图的分割,得到纹理单一区域.对于各种场景图像.通过分析比较各种Laws纹理模板组合,能够得到最好的分割效果.在国际标准图像上测试的实验结果表明,相对于灰度共生矩阵描述纹理单一区域和基于区域生长的方法,该方法能提高纹理单一区域的识别率和分割阈值选取的稳健性,这有助于提高基于区域整体匹配算法的匹配精度和实用价值.     

基于改进模板匹配及图像差分法的PCB板缺陷多级检测方法

针对目前应用于PCB缺陷检测系统的模板匹配方法及缺陷检测方法存在准确性不足的问题，提出一种基于改进模板匹配及图像差分法的PCB缺陷多级检测方法。提出基于多方向Sobel算子的改进模板匹配方法实现待测图像与模板图像的匹配，针对PCB板漏件缺陷，提出基于图像差分法的多级二值化检测法实现PCB图像的缺陷检测。结合实验平台测试发现，该方法能够准确地提取出缺陷区域。与现有方法相比，该方法的误检率仅5%，具有更好的稳定性以及更高的准确性。     

一种基于先验信息和多模板匹配的票据水印检测算法

针对票据水印多目标检测过程中误检率和漏检率高的难题,提出了一种基于先验信息和多模板匹配的票据水印检测算法.该算法采用分级匹配的思想,首先选取初始水印模板进行单模板、粗匹配运算;然后利用票据水印的先验信息计算水印散布区间;接着在水印散布区间内进行多模板、细匹配运算;最后利用先验信息校验已检测到的水印位置,并估算未检测到的水印位置,降低水印检测的漏检率和误检率.仿真实验证明本算法误检率和漏检率低,可以有效地检测票据水印.     

一种基于先验信息和多模板匹配的票据水印检测算法

针对票据水印多目标检测过程中误检率和漏检率高的难题,提出了一种基于先验信息和多模板匹配的票据水印检测算法.该算法采用分级匹配的思想,首先选取初始水印模板进行单模板、粗匹配运算|然后利用票据水印的先验信息计算水印散布区间|接着在水印散布区间内进行多模板、细匹配运算|最后利用先验信息校验已检测到的水印位置,并估算未检测到的水印位置,降低水印检测的漏检率和误检率.仿真实验证明本算法误检率和漏检率低,可以有效地检测票据水印.     

一种新的基于自适应模板的相关跟踪算法

提出了一种基于自适应模板的快速相关跟踪算法。该算法采用模板的自适应更新策略,运动估计,同时利用高效、并行的混合遗传算法进行模板匹配。实验结果表明该算法能够长时间稳定跟踪目标,跟踪精度高、实时性好。     

基于模板匹配法的枪械射击准确度验收系统

枪械射击准确度是枪械验收的一项重要指标。为提高验收精度、降低验收成本,针对现有验收方法的不足,提出了光电成像并结合图像处理的验收方法。根据成像的图像特点和验收的实际要求,采用模板匹配算法识别代表瞄准线的十字分划,拟合枪管轴线并用十字分划表示,通过检验两十字之间的角度关系来进行射击准确度的验收。研究结果表明,采用模板匹配算法,十字分划的识别精度小于1个像素,射击准确度验收系统的精度约为0.26 mil。     

多联融合优化模板匹配的纱纸管分类方法

圆锥纱纸管的自动分类识别一直是该部件智能制造方面的技术难题,针对传统图像分类方法无法兼顾速度与精度,以及深度学习成本大、部署难、硬件要求高等问题,提出了一种基于多联融合优化模板匹配的纱纸管分类方法。采用多个改进算法及策略并使用三次数据降维加快模板匹配速度。将用于运动估计的优化算法SEA(successive elimination algorithm)用于模板匹配中,并把该算法的阈值改进为自适应阈值,用于加强算法鲁棒性;采用小波金字塔进行数据降维,减少运算量并提高运算速度;最后采用十字灰度特征模板代替传统SAD(sum of absolute differences)算法及其模板计算性能指标,并采用提前停止迭代搜索的策略进一步滤除数据,设置累计误差阈值来提前停止搜索。匹配实验表明,本文的改进算法保证了精度,并且匹配速度达到了0.126 s左右;对比、消融实验表明,本文算法在保证了精度的前提下,速度比传统SAD算法提升了近11倍,相比于一些其他经典的方法在速度上也均有提升,证明了该方法的有效性。