基于特征點的圖像匹配關(guān)鍵技術(shù)研究.pdf

1、隨著人們獲取圖像的途徑的豐富和所獲圖像的種類的繁多，數(shù)字圖像處理里一些基礎(chǔ)性的研究方向變得更加至關(guān)重要。圖像匹配就是數(shù)字圖像處理和模式識別領(lǐng)域里最基礎(chǔ)、最困難的內(nèi)容之一。圖像匹配技術(shù)已有多年的全面發(fā)展歷史，對它的研究己取得了巨大的進展，其應(yīng)用也己全面展開。但由于圖像匹配的輸入數(shù)據(jù)來源的多樣性，以及不同的應(yīng)用對圖像匹配的要求各不相同，同時由于影響圖像匹配的因素的多樣性，導(dǎo)致圖像匹配問題的復(fù)雜性，圖像匹配的技術(shù)還有待于進一步的發(fā)展。研究圖像

2、匹配的方式及其相關(guān)的技術(shù)是目前國內(nèi)外熱點之一。
　　本文主要針對基于特征的圖像匹配關(guān)鍵技術(shù)進行了研究，本文的主要做了如下工作：
　　1.對圖像匹配基本理論進行了概括性的探討，對圖像匹配的關(guān)鍵要素、匹配性能進行了簡要說明。通過對基于灰度相關(guān)的匹配、基于特征的匹配、基于變換域的匹配和基于模板的匹配特點的初步分析，找出基于特征圖像匹配的技術(shù)優(yōu)勢，并作為本文研究領(lǐng)域。
　　2.對圖像特征的特征點提取中，主要研究了Harris特

3、征點提取法和SIFT特征點提取法。通過實驗發(fā)現(xiàn)Harris特征點提取法的會導(dǎo)致紋理信息較多的地方角點分布過密，使得特征點分布很不均勻，還可能漏掉一些實際的角點，運算速度相對要慢一點。故本文采用SIFT算法提出特征點。
　　3.對SIFT算法進行改進，通過在圖像與高斯和卷積之前不對圖像放大一倍處理的方法，進一步提高了SIFT算法的特征點的提取速度。
　　4.本文利用最近鄰NN算法對特征點進行匹配操作，并針對k-d樹搜索算法在對