基于局部不變特征的圖像匹配的研究.pdf

1、圖像匹配技術(shù)的完善使它越來(lái)越多的融入到了人們?nèi)粘５纳a(chǎn)、生活中。圖像匹配簡(jiǎn)單來(lái)說(shuō)就是配準(zhǔn)兩幅有對(duì)應(yīng)關(guān)系的圖像的技術(shù)。其中基于特征的圖像匹配最為常見(jiàn)。其任務(wù)主要是從待測(cè)圖像中提出多個(gè)有代表性的穩(wěn)定特征點(diǎn)，利用種種數(shù)學(xué)方法對(duì)選取的特征參數(shù)進(jìn)行描述，而后建立多點(diǎn)間的對(duì)應(yīng)相似關(guān)系。由于傳感器的感光材料、成像原理、待測(cè)圖像的角度、以及測(cè)量環(huán)境的干擾，這些都增加了圖像匹配的難度。隨著圖像匹配技術(shù)的發(fā)展，特征匹配成為了當(dāng)今的主流，它不僅能克服以上缺點(diǎn)

2、，使得待測(cè)特征點(diǎn)數(shù)大為減少，且具備良好的抗擾性和適應(yīng)性。
　　SIFT特征匹配和 SURF特征匹配是兩種較為有代表性的特征匹配方法，對(duì)于各種噪聲及圖像變換都具有很好的魯棒性。SIFT特征匹配有著壓縮信息量、精確度高的優(yōu)點(diǎn)，但同時(shí)也存在著計(jì)算量大、耗時(shí)長(zhǎng)、對(duì)被測(cè)物位置要求苛刻等不足。SURF特征匹配用矩形濾波器代替了二階高斯濾波核，使匹配過(guò)程得以加速，但由于主方向過(guò)于依賴(lài)局部像素的梯度方向，由此產(chǎn)生不小的誤差。所以找出一種快速提取穩(wěn)

3、定且具有代表性的特征向量，形成有效描述，完成相似性度量的匹配方法是本文研究的主要目標(biāo)。
　　本文主要內(nèi)容包括：
　?、旁谝曈X(jué)傳感器檢測(cè)基本理論的基礎(chǔ)上進(jìn)行相關(guān)硬件的選型，完成整個(gè)硬件系統(tǒng)的搭建；
　?、埔訴isual Studio2005為開(kāi)發(fā)環(huán)境，完成系統(tǒng)軟件的程序設(shè)計(jì)，實(shí)現(xiàn)對(duì)被測(cè)物的數(shù)據(jù)統(tǒng)計(jì)及實(shí)驗(yàn)結(jié)果分析；
　　⑶利用微軟公司專(zhuān)門(mén)用于視覺(jué)傳感器檢測(cè)開(kāi)發(fā)的開(kāi)源openCV(Open Source Vision