基于KPCA的圖像匹配算法研究.pdf

1、圖像匹配是根據(jù)已知模式的圖像在一幅陌生圖像中尋找對(duì)應(yīng)該模式的子圖像的過程，它是圖像理解和機(jī)器視覺的基礎(chǔ)，其應(yīng)用領(lǐng)域十分廣泛。圖像匹配研究涉及到了許多相關(guān)知識(shí)領(lǐng)域，如圖像采樣、變換、預(yù)處理、分割、特征提取等，并且與計(jì)算機(jī)視覺、多維信號(hào)處理和數(shù)值計(jì)算方法等緊密結(jié)合。 本文首先系統(tǒng)分析了國(guó)內(nèi)外近年來(lái)關(guān)于圖像匹配問題的研究狀況，總結(jié)了圖像匹配這一研究領(lǐng)域的進(jìn)展，分析討論了圖像匹配的研究方法，比較了它們優(yōu)點(diǎn)和不足，并闡明了有待進(jìn)一步研究的

2、幾個(gè)問題。 基于灰度信息的匹配方法和基于圖像內(nèi)容特征的匹配方法雖有其自身的不足，但由于這兩種方法，尤其是二者相結(jié)合，已取得了比較好的匹配效果，引起了許多學(xué)者的研究興趣。本文著重研究了基于灰度信息的匹配和基于圖像內(nèi)容特征的匹配方法。 其次，主成分分析(PCA)是最為常用的特征提取方法，被廣泛應(yīng)用到各領(lǐng)域。本文詳細(xì)論述了主成分分析的基本思想、數(shù)學(xué)模型、幾何解釋及推導(dǎo)、算法執(zhí)行步驟等內(nèi)容，然后將主成分分析引入圖像匹配處理中，提

3、出基于主成分分析的圖像匹配算法，并對(duì)其進(jìn)行了一定的改進(jìn)，通過實(shí)驗(yàn)，證明了基于主成分分析的圖像匹配方法比傳統(tǒng)的歸一化互相關(guān)匹配方法具有更好的魯棒性，能較好地克服由于圖像尺寸、方向、部分場(chǎng)景內(nèi)容變化以及噪聲干擾等的影響。 再次，由于PCA只考慮了圖像數(shù)據(jù)中的二階統(tǒng)計(jì)信息，未能利用數(shù)據(jù)中的高階統(tǒng)計(jì)信息，忽略了多個(gè)像素間的非線性相關(guān)性。研究表明，一幅圖像的高階統(tǒng)計(jì)往往包含了圖像邊緣或曲線的多個(gè)像素問的非線性關(guān)系。針對(duì)這一問題，本文引入了