基于特征描述的圖像匹配技術研究.pdf

1、圖像匹配是計算機視覺、模式識別和圖像處理領域中的一項重要技術，發(fā)展快速。目前，它被廣泛地應用于圖像拼接、圖像檢索、三維重建、運動目標跟蹤、目標識別等領域。
　　本文針對基于特征的圖像匹配技術中存在的問題，對圖像局部特征描述子及圖像匹配相關技術進行深入研究。總結國內外研究成果，分析原有常用算法的利弊，在保留原算法優(yōu)勢的基礎上，對其進行改進。本文的主要研究內容及貢獻如下：
　?。?）針對SIFT算法計算量大、存儲開銷大和近幾年提

2、出的BRIEF、ORB、BRISK和FREAK等二進制描述子可區(qū)分性和魯棒性差的問題，提出二值化的SIFT特征描述子。并通過理論分析和實驗驗證量化后的算法仍保留了 SIFT較強的可區(qū)分性和魯棒性；此外，量化后的算法減少了存儲開銷和計算量。達到了高魯棒性、高可區(qū)分性及低存儲、易計算的權衡要求。
　?。?）在粗匹配過程中，根據(jù)特征點鄰域內的像素點對它的信息量貢獻的多少，將描述子分為兩個部分并分別進行匹配。通過初匹配（第一階段匹配）剔除

3、掉部分特征點對來進一步縮短粗匹配時間。
　?。?）在對特征點對提純時，針對RANSAC算法中迭代次數(shù)和容差參數(shù)需要人為設置，且該算法需要反復測試，耗時多的問題，提出一種結合Delaunay三角剖分的圖像匹配算法。該算法對粗匹配結果中可能的正確匹配點集構成的凸包進行平面三角剖分，利用攝影幾何中的攝影不變量對粗匹配結果中的特征點對進行提純。Delaunay三角剖分根據(jù)數(shù)據(jù)集自身的特點，考慮到特征點的空間位置信息，且構建的Delauna