计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2015年
1期
186-189
,共4页
SURF特征%零件识别%近似最近邻匹配法
SURF特徵%零件識彆%近似最近鄰匹配法
SURF특정%령건식별%근사최근린필배법
Speeded-up robust features%Component recognition%Approximate nearest neighbour matching
针对传统零件识别系统时间效率低等问题,提出基于SURF(Speeded-Up Robust Features)特征的零件识别算法.该算法首先对零件图像进行相关预处理,然后通过SURF算法得到零件图像的特征点和相应的特征向量,最后根据零件识别任务的特点,运用近似最近邻算法ANN(Approximate Nearest Neighbor)进行特征向量的匹配搜索,得到与模板图像最相似的图像序列.通过SURF算法和ANN算法的联合使用,解决了零件在旋转、尺度、模糊和光照变化后的识别难题,实现了算法的实时性和工业化要求.实验表明,相比于传统零件识别算法,该算法在算法效率及稳定性等方面都有显著性提高.
針對傳統零件識彆繫統時間效率低等問題,提齣基于SURF(Speeded-Up Robust Features)特徵的零件識彆算法.該算法首先對零件圖像進行相關預處理,然後通過SURF算法得到零件圖像的特徵點和相應的特徵嚮量,最後根據零件識彆任務的特點,運用近似最近鄰算法ANN(Approximate Nearest Neighbor)進行特徵嚮量的匹配搜索,得到與模闆圖像最相似的圖像序列.通過SURF算法和ANN算法的聯閤使用,解決瞭零件在鏇轉、呎度、模糊和光照變化後的識彆難題,實現瞭算法的實時性和工業化要求.實驗錶明,相比于傳統零件識彆算法,該算法在算法效率及穩定性等方麵都有顯著性提高.
침대전통령건식별계통시간효솔저등문제,제출기우SURF(Speeded-Up Robust Features)특정적령건식별산법.해산법수선대령건도상진행상관예처리,연후통과SURF산법득도령건도상적특정점화상응적특정향량,최후근거령건식별임무적특점,운용근사최근린산법ANN(Approximate Nearest Neighbor)진행특정향량적필배수색,득도여모판도상최상사적도상서렬.통과SURF산법화ANN산법적연합사용,해결료령건재선전、척도、모호화광조변화후적식별난제,실현료산법적실시성화공업화요구.실험표명,상비우전통령건식별산법,해산법재산법효솔급은정성등방면도유현저성제고.
