基于局部不變特征的圖像配準(zhǔn)算法研究.pdf

1、圖像配準(zhǔn)是模式識(shí)別和圖像處理的核心技術(shù)之一，廣泛的應(yīng)用于計(jì)算機(jī)視覺(jué)、軍事、遙感和醫(yī)學(xué)圖像處理等眾多領(lǐng)域。由于圖像來(lái)源的多樣性，待配準(zhǔn)圖像在尺度、角度、亮度等方面通常存在一種或多種變化，同時(shí)還受到復(fù)雜多變的成像畸變和噪聲等因素的影響，因此，圖像配準(zhǔn)技術(shù)至今仍然面臨嚴(yán)峻的挑戰(zhàn)。局部不變特征提取技術(shù)不受圖像旋轉(zhuǎn)、尺寸、光照及模糊等因素的影響。與傳統(tǒng)的基于灰度信息的配準(zhǔn)技術(shù)相比，基于局部特征的配準(zhǔn)方法具有更好的配準(zhǔn)精度和魯棒性，近年來(lái)已發(fā)展成為

2、研究的熱點(diǎn)和主流。傳統(tǒng)的基于局部不變特征的配準(zhǔn)算法在多源差異圖像配準(zhǔn)過(guò)程中，存在較多的冗余干擾信息，以及散落在相似局部結(jié)構(gòu)的特征點(diǎn)誤匹配率高等問(wèn)題。本研究主要內(nèi)容包括：
　?、臩URF(Speeded-Up Robust Features)算法是一種較好的局部不變特征檢測(cè)方法，比較適合處理多源差異圖像的特征檢測(cè)問(wèn)題。傳統(tǒng)的SURF算法需要對(duì)整幅圖像進(jìn)行檢測(cè)，隨著圖像大小和數(shù)量的增多，算法的復(fù)雜度成幾何級(jí)數(shù)增加。鑒于影響配準(zhǔn)的有效特

3、征點(diǎn)基本上都位于圖像目標(biāo)景物區(qū)域內(nèi)，提出通過(guò)圖像邊緣檢測(cè)和目標(biāo)分割技術(shù)，來(lái)獲取圖像目標(biāo)區(qū)域，并在此區(qū)域內(nèi)進(jìn)行SURF特征提取的算法改進(jìn)思路。實(shí)驗(yàn)結(jié)果表明，基于目標(biāo)區(qū)域的SURF特征配準(zhǔn)算法，不僅有效的減少了特征檢測(cè)區(qū)域和檢測(cè)時(shí)間，同時(shí)還降低了冗余特征的干擾。
　?、齐m然局部特征描述符，能夠描述圖像所包含的具體景物的不同特性，但是對(duì)處于相似局部結(jié)構(gòu)的特征點(diǎn)來(lái)說(shuō)，易出現(xiàn)不正確的匹配。啟發(fā)于全局特征描述符可以反映整幅圖像的信息，提出了全

4、局分布描述符，并結(jié)合局部特征描述符用來(lái)共同表征當(dāng)前特征點(diǎn)的空間分布信息，以減少誤匹配的算法改進(jìn)思想。全局分布描述符僅對(duì)基于邊緣輪廓區(qū)域內(nèi)的特征點(diǎn)進(jìn)行描述，通過(guò)引入光照敏感性較低的邊緣積分圖概念，由于求取邊緣的積分圖只需遍歷一次原始圖像，計(jì)算復(fù)雜度不高。通過(guò)對(duì)多組圖像進(jìn)行實(shí)驗(yàn)，發(fā)現(xiàn)本方法在沒(méi)有明顯增加算法計(jì)算復(fù)雜度的情況下，達(dá)到了增強(qiáng)特征點(diǎn)的獨(dú)特性和降低誤匹配率的目的。
　?、菫榱蓑?yàn)證改進(jìn)算法的有效性，我們將基于改進(jìn)的SURF配準(zhǔn)算