結(jié)合區(qū)域匹配和點(diǎn)匹配的大視角圖像匹配方法.pdf

1、圖像匹配技術(shù)是圖像融合、目標(biāo)識(shí)別、三維重建等計(jì)算機(jī)視覺(jué)領(lǐng)域中極為重要的基礎(chǔ)步驟。然而由于在不同時(shí)間,不同角度或不同傳感器獲得的同一場(chǎng)景的圖像之間可能存在著平移、尺度、旋轉(zhuǎn)、仿射等局部畸變,因而尋找到能夠應(yīng)對(duì)這些畸變的魯棒且精確的一致性特征成為當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的研究重點(diǎn)和難點(diǎn)。
　　本文的主要研究工作及貢獻(xiàn)如下:
　　1、較為詳細(xì)地討論了目前最為有效的局部不變特征提取與匹配算法,包括尺度不變特征(SIFT)算法、完全仿射不變

2、特征(ASIFT)算法以及最大穩(wěn)定極值區(qū)域(MSER)算法。研究表明,目前的算法存在一些問(wèn)題。對(duì)于SIFT算法,它采用固定形狀的鄰接區(qū)域來(lái)描述特征點(diǎn)。這一方法雖然對(duì)于一些比較特殊的圖像變換,比如尺度變換,可以得到較好的匹配效果,但是對(duì)于一般的圖像變換,尤其是存在大視角變化的圖像,匹配效果較差。對(duì)于ASIFT算法,它雖然達(dá)到全仿射不變性,但這是通過(guò)犧牲大量的存儲(chǔ)空間和算法效率達(dá)到的。對(duì)于MSER算法,它雖然可以達(dá)到仿射不變性,但是一般產(chǎn)生

3、的匹配區(qū)域?qū)^少。除此之外,大多現(xiàn)有算法僅僅利用了圖像的光學(xué)信息來(lái)描述特征點(diǎn),而忽略了特征點(diǎn)之間的空間信息。
　　2、針對(duì)上述三種算法所存在的問(wèn)題,提出了一種結(jié)合區(qū)域匹配和點(diǎn)匹配的大視角圖像匹配方法,該方法首先對(duì)兩幅圖像進(jìn)行MSER檢測(cè)以及匹配;其次在匹配的MSER上進(jìn)行SIFT尺度不變特征點(diǎn)檢測(cè),根據(jù)特征點(diǎn)所屬M(fèi)SER的二階矩矩陣構(gòu)造具有仿射不變性的自適應(yīng)橢圓鄰接區(qū)域,而后將橢圓區(qū)域歸一化到圓形區(qū)域,利用SIFT描述符對(duì)歸一化圓

4、形區(qū)域進(jìn)行描述得到128維描述符;然后將特征點(diǎn)所屬的MSER歸一化到單位圓區(qū)域,利用特征點(diǎn)和歸一化圓區(qū)域之間的空間關(guān)系,形成二維空間描述符,來(lái)進(jìn)一步改善特征點(diǎn)的可區(qū)分性;最后,定義一個(gè)結(jié)合距離作為特征點(diǎn)之間的相似性度量指標(biāo),獲得正確的匹配點(diǎn)對(duì)。采用C++編程語(yǔ)言,在Visual Studio2010編程環(huán)境下,應(yīng)用OpenCV2.4.2計(jì)算機(jī)視覺(jué)庫(kù),實(shí)現(xiàn)了本文方法,同時(shí)在相同的環(huán)境下實(shí)現(xiàn)了算法SIFT,ASIFT以及MSER,經(jīng)過(guò)大量的