基于特征的圖像分割與匹配的研究和應(yīng)用.pdf

1、圖像分割與匹配是數(shù)字圖像處理技術(shù)中兩個重要的研究方向,近年來,隨著信息技術(shù)的發(fā)展和計算機硬件成本的降低,圖像分割與匹配開始廣泛應(yīng)用在很多領(lǐng)域。在醫(yī)學(xué)圖像上,通過將病人腫瘤區(qū)域進行分割,有利于對病情診斷和治療,通過將病人不同時間拍攝的同一模態(tài)圖片進行匹配,可以研究病情進展情況,通過將病人不同模態(tài)的圖像進行融合,可以在單幅圖像上看到有關(guān)病人更豐富的信息;在計算機視覺上,通過匹配技術(shù)可以進行目標(biāo)識別與運動追蹤。
　　 本文基于圖像的特

2、征區(qū)域提出一種快速有效的圖像分割算法。算法首先利用LoG算子進行特征區(qū)域提取,然后對要分割的區(qū)域在一定尺度范圍內(nèi)進行射線化,在每條射線上采用7階多項式對灰度進行擬合,通過在LoG中心點兩側(cè)找局部最小值并進行優(yōu)化以達到分割的最優(yōu)化。大量比較試驗表明,算法較基于梯度的分割算法有明顯的改進。
　　 本文同時還基于圖像特征點提出一種環(huán)式邊角碼模型,并將該模型應(yīng)用于點模式匹配。相似環(huán)式邊角碼描述了兩個特征點的局部相似空間結(jié)構(gòu),同時可以用于

3、估計局部相似變換。兩個特征點的相似度由它們關(guān)聯(lián)的最大相似環(huán)式邊角碼的長度來衡量,算法首先根據(jù)特征點的局部空間結(jié)構(gòu)的相似性進行結(jié)構(gòu)匹配,然后利用局部相似變換并結(jié)合聚類技術(shù)將正確匹配的特征點和錯誤匹配的特征點進行分離,如果最大類和次大類滿足一定約束,最大類將作為對應(yīng)關(guān)系用于最優(yōu)變換估計。算法同時對相似條件和聚類條件進行松馳,從而保證算法不僅具有相似變換不變性,還對一定程度的仿射和視角變換具有魯棒性。廣泛的訓(xùn)練實驗說明了環(huán)式邊角碼模型在點模式