基于自適應(yīng)分?jǐn)?shù)階階次的圖像增強(qiáng)和圖像匹配.pdf

1、圖像增強(qiáng)和圖像匹配是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的兩個(gè)基礎(chǔ)性的重要研究?jī)?nèi)容。傳統(tǒng)的圖像增強(qiáng)和圖像匹配方法大多數(shù)是基于整數(shù)階微積分，對(duì)圖像中存在弱導(dǎo)數(shù)性質(zhì)的弱邊緣和弱紋理效果不理想。分?jǐn)?shù)階微分具有在增強(qiáng)圖像的同時(shí)可以更好地保留圖像中的弱邊緣和弱紋理細(xì)節(jié)信息的優(yōu)良特性，但已有的基于分?jǐn)?shù)階微分的圖像增強(qiáng)方法，需要通過(guò)人工尋找最佳階次，缺乏微分階次自適應(yīng)性；在圖像匹配中，將SIFT(Scale Invariant Feature Transform

2、)匹配算法與分?jǐn)?shù)階微分相結(jié)合，在模糊圖像和弱紋理圖像中能提取到更多的特征點(diǎn)，從而提高了匹配的精度，但是最佳微分階次的選擇仍然需要人工調(diào)整，費(fèi)時(shí)費(fèi)力。因此，本文針對(duì)這兩個(gè)問(wèn)題展開(kāi)研究，具體工作如下：
　　1.通過(guò)分析分?jǐn)?shù)階微分對(duì)信號(hào)的作用，構(gòu)造了在分?jǐn)?shù)階微分圖像增強(qiáng)中的微分階次自適應(yīng)模型，該模型以反正切函數(shù)為原型，以圖像的梯度信息、局部信息熵、亮度和對(duì)比度為自變量，建立了分?jǐn)?shù)階微分階次與圖像局部信息之間的關(guān)系，從而可以根據(jù)圖像的局部

3、特征信息自動(dòng)計(jì)算圖像中各個(gè)像素點(diǎn)的最佳階次，并將該模型應(yīng)用到分?jǐn)?shù)階微分Tiansi算子的圖像增強(qiáng)中。為了驗(yàn)證本文模型的有效性，選用標(biāo)準(zhǔn)圖像庫(kù)中的多幅紋理圖像進(jìn)行實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了定性和定量分析，并與二階微分Laplacian算子，Tiansi算子進(jìn)行比較。理論分析和實(shí)驗(yàn)結(jié)果均可表明本文建立模型的有效性，對(duì)灰度圖像可以得到持續(xù)變化的增強(qiáng)效果，接近于最佳分?jǐn)?shù)階微分階次的增強(qiáng)實(shí)驗(yàn)效果，符合人類在視覺(jué)上的感受。
　　2.提出了一種自適

4、應(yīng)分?jǐn)?shù)階的 SIFT算法，用于圖像匹配。算法在Riemann-Liouvill(R-L)分?jǐn)?shù)階微分的基礎(chǔ)上，設(shè)計(jì)了一種新的分?jǐn)?shù)階微分掩膜，并將其融入到SIFT算法中，提取到更多精確有效的關(guān)鍵點(diǎn)，從而提高了SIFT算法的匹配精度；然后根據(jù)圖像的局部特征，構(gòu)造了分?jǐn)?shù)階微分階次自適應(yīng)數(shù)學(xué)模型。該模型以反正切函數(shù)為原型，以圖像的梯度信息、局部信息熵為自變量，建立了分?jǐn)?shù)階微分階次與圖像局部特征信息之間的關(guān)系，從而可以根據(jù)圖像的局部特征信息自動(dòng)計(jì)算