特征点提取及其在图像匹配中的应用研究

论文摘要

图像匹配技术是计算机视觉和数字图像处理的重要内容,在目标识别与分析、机器人视觉导航、模式识别、医学影像分析等众多领域有着广泛的应用。成像条件的变化,造成了遥感图像之间的几何变形和灰度差异,这些因素都给匹配带来了困难,为了使图像匹配技术得到更完美的应用,众多学者都致力于图像匹配技术的研究。本文对遥感图像目标匹配问题进行了研究和探讨,深入研究了基于特征点的匹配算法,围绕特征点提取、基于特征点位置关系的匹配方法以及基于特征点特征描述的匹配方法三个方面进行了研究和实验。本文的主要工作和创新点如下:1.分析了特征点匹配的重要性和研究的必要性,详细归纳总结了特征点提取技术和图像匹配技术的分类、研究现状及应用现状,分析了图像匹配技术面临的主要问题。2.重点研究了直接基于图像灰度信息的特征点提取方法,分析了摄影测量领域中几种常用的特征点提取算子和机器视觉领域中的尺度不变特征变换算子(SIFT),并通过实验,对各算子的速度、精度以及适应性等进行了综合评价。3.在对Hausdorff距离和遗传算法分析的基础上,提出了一种改进的Huasdorff距离形式IHD(Improved Hausdorff Distance)和一种用于图像匹配的遗传搜索策略,设计了一种以IHD为匹配测度,遗传搜索为匹配策略的基于特征点位置关系的图像匹配方法。实验证明,在遥感影像之间存在部分变形和明显灰度畸变的情况下,该方法能够较好地实现目标匹配。4.深入研究了SIFT特征描述符的生成方法,提出了利用特征点邻域的圆形区域构造描述符的方法,设计了一种基于改进SIFT特征描述符的特征点匹配方法。实验表明,对于分辨率接近的光学影像或雷达影像,在影像之间存在复杂的几何变形和灰度变化的情况下,该方法仍能取得令人满意的目标匹配结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 特征点提取技术现状
• 1.3 图像匹配技术综述
• 1.3.1 基于灰度的图像匹配
• 1.3.2 基于特征的图像匹配
• 1.3.3 基于理解和解释的图像匹配
• 1.4 应用现状和面临的主要问题
• 1.5 论文的主要内容和组织结构
• 第二章 特征点提取算法研究
• 2.1 引言
• 2.2 几种常用的特征点提取算子
• 2.2.1 Moravec算子
• 2.2.2 F（o|¨）rstner算子
• 2.2.3 Harris算子
• 2.2.4 SUSAN算子
• 2.3 SIFT算子
• 2.4 特征点提取算子性能评估
• 2.4.1 速度比较实验
• 2.4.2 精度比较实验
• 2.4.3 适应性实验
• 2.5 本章小结
• 第三章 基于IHD和遗传搜索的特征点匹配算法
• 3.1 引言
• 3.2 Hausdorff距离测度
• 3.2.1 经典的Hausdorff距离改进形式
• 3.2.2 本文提出的Hausdorff距离改进形式
• 3.2.3 IHD的可行性分析
• 3.3 遗传搜索策略
• 3.3.1 基本遗传算法的实现策略
• 3.3.2 本文提出的遗传搜索策略
• 3.3.3 本文遗传搜索策略的可行性分析
• 3.4 实验与分析
• 3.4.1 实验步骤及参数设定
• 3.4.2 实验结果与分析
• 3.5 本章小结
• 第四章 基于改进SIFT特征描述符的特征点匹配算法
• 4.1 引言
• 4.2 SIFT特征描述符及其改进
• 4.2.1 SIFT特征描述符
• 4.2.2 改进的SIFT特征描述符
• 4.3 特征点匹配的实现策略
• 4.4 特征点匹配评价
• 4.4.1 目视观察法
• 4.4.2 参数评价法
• 4.4.3 比较评价法
• 4.5 实验论证与结果分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢