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受到廣泛重視，成為圖像處理、三維重構(gòu)、目標識別與跟蹤等科學研究領(lǐng)域內(nèi)的熱點，也被廣泛的應(yīng)用在包括工業(yè)檢測領(lǐng)域、交通管理領(lǐng)域、軍事領(lǐng)域、社會生活領(lǐng)域等多個領(lǐng)域中。近年來，隨著社會生活和日常工業(yè)生產(chǎn)的自動化需求的急速增長，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行處理，計算較為復(fù)雜，實時性差，且對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

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。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:
　　首先對圖像進行特征檢測，目前特征檢測領(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算法的性能，然后是特征描述，對于特征檢測得到的區(qū)域，使用局部不變特征描述子進行特征描述。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，為了實現(xiàn)匹配效果的進一步提升，改進了一種基于局部不變特征的算法來進行匹配，首先在匹配過程中用角度相似性分析代替?zhèn)鹘y(tǒng)的歐氏距離分析法，同時改進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算法減少了計算步驟，有效的提高了圖像的匹配速度，因為設(shè)置閾值刪除了誤匹配點，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，使用安徽大學藝術(shù)樓、