基于特征的圖像匹配算法研究與應(yīng)用.pdf

1、長久以來，圖像匹配在眾多領(lǐng)域都有著廣泛的應(yīng)用，如軍事、網(wǎng)絡(luò)安全、工業(yè)、醫(yī)學(xué)等等。它是圖像處理的關(guān)鍵基礎(chǔ)技術(shù)，對其進(jìn)一步的探索是一個具有挑戰(zhàn)性并有著重要意義的研究。關(guān)于圖像匹配的研究已經(jīng)比較成熟，相關(guān)的算法也很多，從最初基于灰度的圖像匹配，到如今匹配效果更佳的---基于特征的圖像匹配。本文主要研究基于特征的圖像匹配算法。
　　首先介紹了圖像匹配的概念、一般流程以及影響圖像匹配幾個重要要素，并且簡要闡述了尺度空間的基礎(chǔ)理論。其次研究了

2、圖像匹配中的幾種經(jīng)典算法，如SIFT算法、PCA-SIFT算法、SURF算法和基于顏色的SIFT算法。對于SIFT算法的原理及步驟進(jìn)行了詳細(xì)的研究分析，它提取的特征點(diǎn)具有縮放、平移和旋轉(zhuǎn)不變性，并對視角和光照等具有魯棒性?；赟IFT算法提取的特征點(diǎn)具有相關(guān)性及匹配效率的問題，演化出了PCA-SIFT算法和SURF算法。PCA-SIFT算法利用主成分分析法提取少數(shù)特征來替代SIFT算法中較多的特征。而SURF主要是通過提出了Hessia

3、n實(shí)現(xiàn)加速并更易于并行。Color-SIFT算法對顏色信息和SIFT算法提取的特征點(diǎn)信息結(jié)合來實(shí)現(xiàn)圖像匹配。并且對文中算法用拍攝的圖像實(shí)現(xiàn)了圖像匹配實(shí)驗(yàn)。由于圖像匹配時對生成的描述子匹配的速率不高及原圖像的對稱圖像不具有良好的匹配效果等問題。本文提出了向搜索策略中引入SMC框架和修改SIFT描述子的方法予以解決。
　　搜索策略是圖像匹配算法性能提升的一個重要瓶頸。我們在SIFT算法的基礎(chǔ)上將SMC框架引入到搜索策略。SMC方法主要

4、通過重采樣和潛在約束條件相結(jié)合的方式優(yōu)化搜索。經(jīng)過實(shí)驗(yàn)表明，改進(jìn)后的算法在匹配的準(zhǔn)確性和速度上都有了明顯提高。針對SIFT算法的描述子進(jìn)行逆轉(zhuǎn)處理，讓其具有表征鏡像圖像（原圖的對稱圖像）和原始圖像的特征。主要針對其對稱圖像的匹配效果，通過對SIFT描述的變換，讓其達(dá)到令人滿意的效果。在本文最后提出了在鏡像圖像匹配的基礎(chǔ)上的一個應(yīng)用---圖像分類，在基于SIFT算法的基礎(chǔ)上，將BoF算法引入到圖像分類中，其主要通過對SIFT算法提取的特征