基于卷積變換的圖像匹配方法研究.pdf

1、作為圖像處理和計算機視覺的關鍵技術，圖像匹配被廣泛應用于人臉匹配、人臉識別、指紋識別、產品檢測、交通管理、衛(wèi)星圖像解釋等領域，常分為基于圖像區(qū)域匹配（又稱為基于模板匹配）和基于圖像特征匹配，并以此拓展出多種算法，從而實現了在特定應用中的匹配效果。但這些算法存在某些缺陷，如計算量大、速度慢、應用范圍狹窄、抗干擾能力差等。因此，魯棒性強、精度高、匹配效果好的新技術、新方法逐漸成為該領域的追求目標和研究熱點。為了探索匹配效率高、適用性強的算法

2、，達到在圖像或視頻序列中快速尋找并定位目標圖像的目的，根據圖像預處理、模板匹配、多目標優(yōu)化、圖像卷積和閾值判斷相關知識，本文提出了一種基于卷積變換的圖像匹配新方法。該方法包含單模板匹配和多模板匹配。
　　本研究主要內容包括：⑴圖像庫建立。首先對Internet圖像、攝像機拍攝圖像、ORL和Yale人臉庫進行人臉圖像采樣，再對圖像進行光照均衡化、尺寸歸一化、灰度化、直方圖均衡化等處理，得到實驗圖像庫。⑵卷積模板合成。以人臉識別中常用

3、的人臉比例為依據，結合實驗庫圖像的特征，設定模板尺寸。單模板匹配以整個人臉為卷積模板，多模板匹配以人臉、雙眼和嘴鼻為卷積模板，根據人臉樣本特征設定這些模板的尺寸，再利用MATLAB工具箱進行合成。⑶像素值歸一化。在不同色彩空間和多個顏色通道下，對卷積模板和待匹配圖像進行像素值歸一化處理。根據不同的歸一化原理和具體實現過程，確定后續(xù)圖像匹配判斷標準。⑷閾值訓練。對歸一化后的模板和實驗庫圖像進行卷積，并根據卷積值訓練閾值。單模板匹配通過卷積

4、值的分布情況直接對閾值進行訓練;多模板匹配通過構造多目標優(yōu)化函數，對各卷積模板的權重系數和閾值進行訓練。⑸使用自建立的圖像庫進行實驗，單模板匹配采用RGB、HSI、YUV和YCrCb色彩空間的多個通道進行實驗;多模板匹配采用灰度空間的灰度分量進行實驗。實驗結果表明，本文提出的基于卷積變換的圖像匹配方法正確率高、計算量小、魯棒性強、運算速度快且易于實現。⑹本文創(chuàng)新點包括：在模板匹配基礎上，提出了一種新的基于卷積變換的圖像匹配方法；根據多目