基于特征點(diǎn)的立體影像匹配.pdf

1、隨著科學(xué)技術(shù)的迅速發(fā)展，影像匹配技術(shù)已發(fā)展成為近代信息處理尤其是影像處理信息領(lǐng)域中的一項(xiàng)重要的技術(shù)。目前，國內(nèi)外研究學(xué)者對影像匹配已開展了大量的研究工作，提出了很多影像匹配方法，并取得了較好的成果。一般來說分為基于灰度匹配和基于特征匹配的方法兩大類?；诨叶绕ヅ涞姆椒ㄓ?jì)算量大，計(jì)算速度慢，而且在灰度信息匱乏的區(qū)域，匹配錯(cuò)誤概率會(huì)上升?；谔卣鞯钠ヅ浞椒ㄓ行У谋苊饬嘶诨叶绕ヅ涞娜秉c(diǎn)，該方法不是直接利用灰度信息進(jìn)行匹配，而是利用灰度信息導(dǎo)

2、出的符號(hào)特征來實(shí)現(xiàn)匹配，這樣就大大壓縮了影像的信息量，提高了匹配的速度，而且特征的匹配度量值對位置變化比較敏感，提高了匹配的精度。另外，特征受噪聲的影響小，對灰度變化、影像形變以及遮擋等都有較好的適應(yīng)能力。目前基于特征的匹配方法中，特征點(diǎn)的匹配方法是應(yīng)用較廣泛的，而傳統(tǒng)的基于特征點(diǎn)的匹配方法是基于參考影像和待匹配影像提取的特征點(diǎn)，然后在待匹配影像上遍歷整幅影像的特征點(diǎn)計(jì)算相似性度量，這樣就會(huì)產(chǎn)生一對多的偽匹配的情況，而且對于大量的數(shù)據(jù)來

3、說計(jì)算量也比較大。因此，本文提出一種基于影像分割結(jié)果的特征點(diǎn)匹配方法。該方法不僅減少了特征點(diǎn)匹配的計(jì)算量，也提高了計(jì)算速度和匹配精度。具體實(shí)現(xiàn)過程如下： 1.影像預(yù)處理，包括圖像的灰度化，灰度歸一化和中值濾波。 2.利用Harris算子提取特征點(diǎn)。 3.K-均值影像分割，對于分割后的區(qū)域按照灰度均值從小到大排序，并給以標(biāo)記。 4.影像匹配。在兩幅影像中標(biāo)號(hào)相同的區(qū)域進(jìn)行歸一化互相關(guān)系數(shù)匹配，大于給定閾值的

4、點(diǎn)對即為候選匹配點(diǎn)對。 5.剔除粗差，得到最佳匹配點(diǎn)對。 6.對于匹配結(jié)果進(jìn)行精度評定。 本文的主要內(nèi)容包括以下幾部分： 第一部分，闡述了影像匹配技術(shù)的研究意義和國內(nèi)外研究現(xiàn)狀以及主要研究的內(nèi)容。 第二部分，簡單介紹了影像匹配的基礎(chǔ)理論。 第三部分，對于目前常用的4種特征點(diǎn)提取算子(Moravec算子、Forstner算子及SUSAN算子，Harris算子)的原理和性能進(jìn)行闡述和分析，并對

5、匹配中常用的Forstner和Harris算子進(jìn)行試驗(yàn)分析和比較。選取算法較穩(wěn)定的Harris算子進(jìn)行特征點(diǎn)提取。 第四部分，介紹了影像分割中基于區(qū)域分割的常用方法，對其基本思想和特點(diǎn)進(jìn)行闡述和分析，并對影像理解中較常用的K-均值方法進(jìn)行試驗(yàn)分析。 第五部分，利用航空立體影像，基于MATLAB7.1軟件對本文的方法進(jìn)行試驗(yàn)分析，并將匹配結(jié)果與傳統(tǒng)的基于特征點(diǎn)的匹配結(jié)果進(jìn)行比較分析。 結(jié)論表明，本文提出的方法在匹配