基于顯著輪廓信息的異源圖像匹配關(guān)鍵技術(shù)研究.pdf

1、圖像匹配技術(shù)在視覺導(dǎo)航、目標(biāo)搜索和醫(yī)學(xué)影像方面都有廣泛的應(yīng)用。目前已有很多針對同源圖像的目標(biāo)匹配研究，但對由不同傳感器（如可見光成像傳感器、紅外成像傳感器、雷達(dá)傳感器等）形成的異源圖像間的匹配仍有許多問題尚待解決，例如精確目標(biāo)特征提取、局部特征描述及視角變換造成的形變物體的匹配等。本文從圖像中目標(biāo)輪廓信息入手，研究了精確顯著目標(biāo)輪廓提取、匹配對象輪廓篩選、視角變化魯棒性的局部輪廓結(jié)構(gòu)特征描述子和基于PNP算法的圖像視角校正等基于輪廓信息

2、的異源圖像匹配中會遇到的關(guān)鍵問題。
　　本文首先針對現(xiàn)有輪廓提取算法無法在復(fù)雜背景下精確提取異源圖像顯著目標(biāo)輪廓的問題，根據(jù)先聚類再分割的思想，研究了基于改進(jìn)meanshift聚類的圖像分割算法，將紋理熵值圖像中提取的顯著目標(biāo)輪廓位置信息作為先驗(yàn)知識帶入聚類，自適應(yīng)控制平滑尺度，并通過動態(tài)調(diào)整聚類使用的核函數(shù)提高算法實(shí)時性。對比實(shí)驗(yàn)結(jié)果證明，與傳統(tǒng)meanshift算法相比，算法的輪廓提取精度平均提高了30％，且實(shí)時性提高了約40

3、%。然后，為了提高后續(xù)異源圖像特征提取、匹配算法的準(zhǔn)確性與，研究了一種基于輪廓復(fù)雜度評價的圖像中人造目標(biāo)輪廓檢測算法，并以此對聚類得到的輪廓進(jìn)行篩選，只保留具有匹配價值且包含有足夠信息量的潛在人造物目標(biāo)（如橋梁、房屋、飛機(jī)、車輛等）輪廓，為后續(xù)的特征提取和特征描述與匹配等工作奠定了基礎(chǔ)。其次，針對目前基于輪廓信息的匹配算法對于視角變換造成形變輪廓匹配效果不佳的問題，研究了一種新的局部輪廓特征描述算法，即提取待匹配目標(biāo)輪廓上的角點(diǎn)作為特征

4、點(diǎn)，以其左右兩側(cè)的局部輪廓結(jié)構(gòu)作為特征描述對象，根據(jù)角點(diǎn)的相鄰關(guān)系、輪廓段的凹凸性等局部結(jié)構(gòu)特征，構(gòu)建了具有旋轉(zhuǎn)、縮放、平移以及較大視角變換導(dǎo)致的輪廓形變魯棒性的局部輪廓特征描述算法。實(shí)驗(yàn)結(jié)果表明，該輪廓特征描述算法與基于傅里葉變換的輪廓描述算法和傳統(tǒng)輪廓結(jié)構(gòu)描述算法相比，對輪廓形變的抵抗性分別提高了21%與5%。最后，針對實(shí)際異源圖像匹配中單純使用局部輪廓信息會產(chǎn)生較多誤匹配的問題，使用PNP算法結(jié)合初匹配獲得的同名點(diǎn)組合推算出兩張圖