基于結(jié)構(gòu)特征的圖像匹配算法及應(yīng)用.pdf

1、圖像匹配是圖像處理和模式識別領(lǐng)域中的一個非常關(guān)鍵問題，同時也是眾多
　　 計算機視覺理論與應(yīng)用的基礎(chǔ)，它的研究成果廣泛應(yīng)用于目標識別、遙感測量、
　　 自動導航、虛擬現(xiàn)實、醫(yī)學診斷、生產(chǎn)自動化及軍事等方面。由于圖像具有很強
　　 的結(jié)構(gòu)性，而圖作為一種描述數(shù)據(jù)的工具可以保留結(jié)構(gòu)、區(qū)域之間的相互關(guān)系，
　　 是一個非常重要而有效的結(jié)構(gòu)特征信息的表示方式，因此，用圖來描述圖像的結(jié)
　　 構(gòu)特征并且應(yīng)用

2、圖匹配來研究圖像特征之間的匹配問題受到了越來越多的關(guān)注，
　　 成為了目前模式識別等領(lǐng)域的研究熱點問題。本文采用圖的方法來描述圖像中點
　　 特征之間的結(jié)構(gòu)關(guān)系，對不同場合下的圖像結(jié)構(gòu)匹配問題進行了研究，主要成果
　　 和創(chuàng)新之處如下：
　　 1、提出了一種結(jié)合顏色矢量和奇異值分解（SVD）的不同光源圖像的匹配
　　 算法。該算法首先通過對現(xiàn)有的SVD 結(jié)構(gòu)匹配算法的分析，針對其對存在較大

3、　　 光照變化圖像的匹配性能下降的問題，從空間矢量關(guān)系的角度提取不受光源影響
　　 的圖像的顏色矢量，然后結(jié)合圖像點的幾何特征，共同構(gòu)造表示圖像結(jié)構(gòu)特征的
　　 賦權(quán)完全圖，最后通過對圖的鄰接矩陣進行SVD分解，利用特征向量之間的關(guān)
　　 系獲取圖像點之間的匹配關(guān)系。實驗結(jié)果表明，該算法提高了SVD 匹配算法對
　　 不同光照條件下圖像匹配的精度。
　　 2、提出了一種結(jié)合奇異值分解和松弛迭代的

4、圖像匹配算法。針對存在較大
　　 尺度、旋轉(zhuǎn)、仿射等變換的圖像匹配問題，該算法首先根據(jù)圖像點構(gòu)造表示全局
　　 結(jié)構(gòu)特征的賦權(quán)完全圖，通過對其對應(yīng)的Laplace 矩陣進行SVD分解獲取初始
　　 匹配概率；然后，引入具有形變不變性的測地線-灰度直方圖（GIH），利用它的
　　 局部相似性作為相容性約束；最后通過松弛迭代的方式得到精確的匹配概率，從
　　 而獲取圖像點之間的匹配關(guān)系。實驗結(jié)果表明，

5、該算法克服了單純依賴SVD分
　　 解獲取匹配關(guān)系的局限性，通過多特征、多算法相互融合，提高了匹配的精度，
　　 同時促進了圖匹配方法在圖像匹配領(lǐng)域的發(fā)展。
　　 3、提出了一種基于K-NN 圖的非剛體圖像匹配算法。對于只有坐標信息而沒
　　 有任何其它任何信息的非剛體圖像點匹配問題，該算法首先利用形狀上下文獲得
　　 待匹配圖像點集的初始匹配；其次，根據(jù)圖像在發(fā)生非剛體形變過程中點的鄰域

6、　　 結(jié)構(gòu)變化不大的特點，利用圖像點集構(gòu)造反映點鄰域局部結(jié)構(gòu)的K-NN 圖，由點
　　 集對應(yīng)的K-NN 圖的結(jié)構(gòu)差異剔除初始匹配中存在的誤匹配點或出格點；接著，
　　 利用匹配點對估算圖像之間的TPS（Thin Plate Spline）變換模型的參數(shù)，再利用
　　 這些參數(shù)使圖像中待匹配點集相互逼近；最后通過迭代方式得到非剛體圖像點之
　　 間的精確匹配。實驗結(jié)果表明，該算法通過剔除誤匹配點，提高了

7、圖像點之間的
　　 匹配精度和TPS 模型參數(shù)計算的準確性，并且具有較高的魯棒性。
　　 4、受上述算法啟發(fā)，提出了一種基于最小生成樹和TPS 變換模型的圖像匹
　　 配和拼接算法。該算法首先提取具有尺度、縮放、旋轉(zhuǎn)不變性的SIFT（Scale
　　 Invariable Feature Transformation）特征點，然后利用最小生成樹描述這些特征點
　　 之間的結(jié)構(gòu)關(guān)系，并用SIFT 向

8、量距離作為權(quán)值構(gòu)造Laplace 矩陣，通過SVD算
　　 法獲取匹配關(guān)系，接著估算待拼接圖像之間的TPS（Thin Plate Spline）變換模型
　　 的參數(shù)，通過迭代的方法最終獲得匹配關(guān)系和精確的TPS 變換參數(shù)，最后通過
　　 坐標變換和融合技術(shù)來實現(xiàn)圖像的拼接。實驗結(jié)果表明，與SIFT 匹配算法相比，
　　 該算法提高了圖像特征點匹配的精度，并且同時解決了圖像拼接中圖像匹配和變