基于機器學習的圖像匹配方法研究.pdf

1、隨著智能化制造的大力發(fā)展，機器視覺已經成為多種領域不可或缺的技術之一，而借助計算機對圖像分析和處理的能力模擬人類視覺引導和控制機械結構動作，必然會成為智能制造的趨勢。圖像匹配技術作為機器視覺中的一項分支，是多種圖像處理技術的關鍵步驟，匹配程度的好壞通常直接決定系統(tǒng)整體性能。但現(xiàn)有匹配技術已無法滿足日益出現(xiàn)的新需求，急需新的理論。因此，本文針對圖像匹配技術的研究進行了如下工作：
　　1）首先對現(xiàn)有圖像匹配技術進行綜述，分析了圖像匹配

2、技術研究的目的和意義，按照基于像素灰度的圖像匹配方法和基于特征的圖像匹配方法分別總結當前國內外的研究現(xiàn)狀，為后續(xù)研究工作奠定理論基礎。
　　2）針對基于像素灰度的匹配技術展開研究，在介紹了常見匹配算法和算子的基礎上，著重介紹一種被多種領域廣泛應用的技術“Lucas-Kanade算法”，本文將對其進行深入學習和推導。
　　3）針對基于特征的圖像匹配技術展開研究，在介紹了經典的幾類特征提取算子的基礎上，著重分析一種基于圖像邊緣特

3、征的匹配算法，經測試其對復雜場景、光照變化、遮擋等均具有魯棒性。
　　4）針對點模式匹配問題展開研究，對現(xiàn)有點模式匹配方法進行了詳細分析，針對點模式匹配算法中存在的缺陷并結合多種機器學習方法提出了一種基于遺傳算法的非剛性點集匹配算法，并通過對比實驗驗證其有效性。
　　本文著重介紹的兩種圖像匹配技術能為一線工程人員提供直接有效的參考；提出的基于遺傳算法的點集匹配方法不僅展現(xiàn)了優(yōu)秀的性能，更擴展了遺傳算法的應用領域，為智能學習方