基于局部不變特征方法的圖像匹配算法研究及其應(yīng)用.pdf

1、基于局部不變特征的圖像匹配算法近年來(lái)受到廣泛重視，成為圖像處理、三維重構(gòu)、目標(biāo)識(shí)別與跟蹤等科學(xué)研究領(lǐng)域內(nèi)的熱點(diǎn)，也被廣泛的應(yīng)用在包括工業(yè)檢測(cè)領(lǐng)域、交通管理領(lǐng)域、軍事領(lǐng)域、社會(huì)生活領(lǐng)域等多個(gè)領(lǐng)域中。近年來(lái)，隨著社會(huì)生活和日常工業(yè)生產(chǎn)的自動(dòng)化需求的急速增長(zhǎng)，圖像匹配被日益廣泛的應(yīng)用到工業(yè)生產(chǎn)和日常生活中，越來(lái)越受到人們的重視，因此，圖像匹配算法的研究具有十分重要的意義。
　　圖像匹配算法主要有基于象素灰度信息的匹配、基于特征的匹配和基

2、于其他理論的匹配。基于象素灰度的圖像匹配有很大的圖像信息需要進(jìn)行處理，計(jì)算較為復(fù)雜，實(shí)時(shí)性差，且對(duì)圖像的較小的變化都十分敏銳，抗噪抗干擾能力差?；谔卣鞯膱D像匹配包括全局不變特征和局部不變特征的圖像匹配。由于全局不變特征不容易獲取以及無(wú)法區(qū)分出前景和背景，利用全局不變特征的算法很少被使用。圖像的局部不變特征是指在圖像的視角變化、旋轉(zhuǎn)變化、尺度變換、光照變化、圖像模糊和圖像壓縮等各種變換下保持不變的局部特征?；诰植坎蛔兲卣鞯膱D像匹配的計(jì)

3、算復(fù)雜度較基于灰度相關(guān)的算法有所降低，抗噪抗干擾能力較強(qiáng)。因此，本文主要研究基于局部不變特征的圖像匹配算法，本文的主要內(nèi)容有:
　　首先對(duì)圖像進(jìn)行特征檢測(cè)，目前特征檢測(cè)領(lǐng)域中廣泛使用的方法有Harris仿射法，Hessian仿射法，MSER法，DoG法，IBR法，EBR法等。綜合分析以上幾種特征檢測(cè)算法的性能，然后是特征描述，對(duì)于特征檢測(cè)得到的區(qū)域，使用局部不變特征描述子進(jìn)行特征描述。其中最為經(jīng)典的局部不變特征描述子有SIFT和D

4、AISY描述子，而MROGH，MRRID，LIOP和HRI-CSLTP描述子是近年來(lái)研究最為熱門和最受關(guān)注的描述子。比較這六種描述子在圖像的視角變化、旋轉(zhuǎn)變化、尺度變換、光照變化、圖像模糊和圖像壓縮共六種變換下的性能曲線。
　　然后，為了實(shí)現(xiàn)匹配效果的進(jìn)一步提升，改進(jìn)了一種基于局部不變特征的算法來(lái)進(jìn)行匹配，首先在匹配過(guò)程中用角度相似性分析代替?zhèn)鹘y(tǒng)的歐氏距離分析法，同時(shí)改進(jìn)了角度相似性圖像匹配算法，設(shè)置了最小夾角、次小夾角以及最小夾

5、角與次小夾角對(duì)應(yīng)的歐氏距離的比值閾值，從而提出了一種新的匹配算法IBoAS算法。接著將IBoAS算法與其它已有匹配算法進(jìn)行在六種不同描述子提取情況下的圖像視角變化、旋轉(zhuǎn)變化、尺度變換、光照變化、圖像模糊以及圖像壓縮共六種變換下的匹配率和匹配速度的比較。IBoAS算法減少了計(jì)算步驟，有效的提高了圖像的匹配速度，因?yàn)樵O(shè)置閾值刪除了誤匹配點(diǎn)，從而有效的提高了圖像的匹配率。
　　最后，將IBoAS算法應(yīng)用在圖像拼接上，使用安徽大學(xué)藝術(shù)樓、