为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响, 提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测, 剔除与车标识别区域无关的极值点; 同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量, 使SIFT描述子具有全局描述特性; 并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明: 改进的SIFT算法可以减少冗余极值点约25%~45%, 提高了检测极值点的有效性; 使车标平均识别率达到97%以上, 改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。

建立了蒸发器支撑板板孔精密测量系统，并提出了基于边缘约束条件的轮廓参量测量方法.首先采用图像处理技术将待测目标转化为二维离散坐标点，计算其最小外接矩形并对轮廓进行预定位；然后将轮廓分割成相互重合的“扩展邻域轮廓”，建立以曲率角为原则的边缘约束算法对各轮廓段精确定界，实现对轮廓参量的精密测量.实验和误差分析表明，该系统测量准确度优于0.02 mm，对具有复杂轮廓的零件参量测量有参考价值.

针对自然场景轮廓边缘的立体匹配问题,提出了基于区域邻接图的快速匹配算法。首先利用分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。基于由全局到局部、自上而下的分层匹配思想,匹配过程分为两步:第一步将轮廓边缘按其所属区域进行分组作为匹配基元进行匹配,匹配过程中根据边缘所属区域的位置、尺寸和灰度特征建立区域约束,并在边缘特征角点的引导下,按照区域邻接图采用类似区域生长的匹配策略实现边缘匹配,区域约束大大减少了边缘特征匹配的搜索空间、优化了匹配顺序。第二步则根据边缘匹配结果,以已匹配的边缘特征角点为基准点,在其引导下实现其他边缘点的快速立体匹配。实验结果表明,该算法匹配正确率能达到93%以上,是一种快速有效的立体匹配算法。

特征匹配在目标识别、视觉导航、运动分析等立体视觉领域中具有重要的作用.提出了一种基于分层思想的快速边缘匹配方法.主要采取两点匹配策略保证其快速性:一是把分层匹配思想用于边缘匹配中;二是在点的匹配过程中提出了边缘约束.具体包括3步:首先,在第一层匹配每条边缘上梯度变化最大的点,由于数量少,因此匹配速度快且正确率达到100%;然后,在第二层采取区域扩张的方法,从已匹配的少数种子点出发向外扩张搜索,得到所有匹配的边缘;最后,提出边缘约束的方法匹配边缘上的点,将候选匹配点仅限制在几个像素,大大减少了搜索范围且提高了匹配正确率.大量实际景象的匹配结果表明,结合分层思想和边缘约束极大提高了匹配速度,边缘点的匹配正确率高达98%.实验结果给出了立体边缘匹配效果图和三维射影重构图.