基于局部不变特征的图像匹配技术研究

论文摘要

图像匹配是计算机视觉领域的研究热点,经过几十年的发展,虽然该方面的研究取得了许多令人鼓舞的研究成果,但成像条件的复杂多变使得该领域的研究依然十分具有挑战性。本文针对大量不同成像条件下获得的多视图像,研究利用局部不变特征及其空间布局约束进行图像匹配的方法,并成功应用于图像配准和相似性度量。开展的工作和取得的成果如下:本文首先从尺度空间理论入手,详细的研究了SIFT、SURF特征提取的算法原理后,开发了算法软件,实现了图像SIFT、SURF特征点的提取。在提取SIFT特征点时,利用SIFT特征点的极值性,将SIFT特征分为两类:局部极大值点和局部极小值点,实现了SIFT特征的加速最近邻次近邻距离比匹配,匹配效率提高接近一倍。然后,针对基于最近邻次近邻距离比的图像初匹配结果中存在的错误匹配,试图分别用两阶段的procrustes迭代匹配和传统的RANSAC方法去除初始匹配中的错误匹配点。但两阶段procrustes迭代匹配时间随初始匹配点对的数量增加而急剧增加,传统的RANSAC方法的运算量则随初始匹配中错误匹配率的增大而急剧增大,且匹配结果具有很强的随机性和不确定性。为此,本文提出了基于精准核的RANSAC算法,成功解决了上述问题,均衡快速的实现了基于局部不变特征的图像匹配。并通过普通数码相机图像的配准实验和不同波段的多光谱图像的配准实验验证了本算法的适用性,成功实现了基于SIFT和SURF两种特征的图像配准。最后,分别构建了基于SIFT特征和SURF特征的属性图模型,提出了基于加速最近邻次近邻距离比匹配的稳健局部不变特征点选择算法,实现了稳健局部不变特征的快速选择。针对单向属性图对匹配不对等的问题,提出了属性图对互匹配算法,在基于精准核的RANSAC匹配基础上定义了图像相似性度量,并分析了基于SIFT、SURF特征属性图模型相似性度量的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状和趋势
• 1.2.1 图像匹配算法研究现状和趋势
• 1.2.2 图像目标建模与相似性度量研究现状和趋势
• 1.3 本文主要工作
• 第二章 尺度空间理论与局部不变特征提取
• 2.1 尺度空间理论分析
• 2.1.1 尺度空间理论
• 2.1.2 尺度的自动选择
• 2.2 尺度不变特征变换（SIFT）
• 2.2.1 尺度空间极值点检测
• 2.2.2 极值点精确定位
• 2.2.3 确定特征点主方向
• 2.2.4 描述子生成
• 2.3 SURF 特征提取
• 2.3.1 SURF 特征点检测
• 2.3.2 SURF 特征描述子生成
• 2.4 小结
• 第三章 基于局部不变特征的图像匹配
• 3.1 图像局部特征描述向量粗匹配
• 3.1.1 最近邻匹配
• 3.1.2 基于最近邻次近邻距离比的特征匹配
• 3.1.3 加速的最近邻次近邻距离比匹配
• 3.2 两阶段的procrustes 迭代匹配
• 3.2.1 第一阶段的procrustes 匹配
• 3.2.2 第二阶段的procrustes 迭代匹配
• 3.3 改进的RANSAC 匹配
• 3.3.1 单应矩阵约束
• 3.3.2 随机抽样一致性（RANSAC）稳健估计方法
• 3.3.3 基于精准核的RANSAC 算法
• 3.4 小结
• 第四章 基于改进的RANSAC 算法的图像配准与相似性度量
• 4.1 基于改进的RANSAC 算法的图像配准
• 4.1.1 基于改进的RANSAC 算法的图像配准流程
• 4.1.2 配准精度分析方法
• 4.1.3 配准实验分析
• 4.2 属性图模型与属性图相似性度量
• 4.2.1 属性图模型的构建
• 4.2.2 基于属性图模型的图像相似性度量
• 4.3 小结
• 第五章 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 附录 图像匹配所用10 幅图