图像配准特征点提取算法研究

论文摘要

图像配准是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配融合。图像配准是多种图像处理及应用如物体辨识、变化检测、三维建模等的基础。 图像配准的方法有很多种，其中基于图像特征的图像配准是配准中最常见的方法。基于特征的图像配准中，特征主要针对点特征。基于点特征的图像配准，特征点的提取是图像配准的关键步骤，本文中详细分析对比了Moravec算子、Plessey算子、SUSAN算子、Forstner算子、Traikovic算子。从提取效率、算子稳定性、定位准确性、抗噪性、计算效率上对提取算子进行分析比对，用测试图像对各个提取算子进行试验分析。本文对每个算子的特点提出了自己的见解，同时对它们的局限性做了研究。本文针对Trajkovic算子的不足，做了8-领域改进，提高了它的提取性能。 在对特征点提取算子研究的基础上，本文对基于特征点的图像配准的实现进行了研究。本文详细分析了图像配准过程中的每个关键步骤，采用了将图像划分成大小相等的细网格，再根据每个网格的熵提取特征点的方法。采用该方法后，在配准过程中，信息量较大的区域所获得的配准精度较高，在信息量较少的区域也能保证基本的配准精度要求。本文对于控制点的匹配采用了先粗匹配再精匹配的方法，提高了匹配效率。最后利用仿射变换实现了图像配准。本文对图像配准方法中涉及的仿射变换、多重判据相关、误匹配点删除、局部匹配等算法分别进行了分析和研究，并进行了配准实验。通过实验结果分析可以看出，本文实现的配准方法配准精度和可靠性都较高，能对图像进行有效的配准。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文背景及选题意义
• 1.1.1 图像配准简介
• 1.1.2 选题意义
• 1.2 特征点提取简介
• 1.3 本文主要工作及文章结构
• 2 图像配准理论基础
• 2.1 图像配准模型
• 2.2 图像变换
• 2.2.1 刚体变换
• 2.2.2 仿射变换
• 2.2.3 投影变换
• 2.2.4 非线性变换
• 2.3 相似性侧度
• 2.3.1 距离度量法
• 2.3.2 角度度量法
• 2.3.3 相关度量法
• 2.4 重采样
• 2.4.1 图像插值定义
• 2.4.2 插值权系数确定
• 2.4.3 插值函数的选择
• 2.4.4 常用插值函数
• 2.5 本章小结
• 3 特征点提取算子分析及试验结果
• 3.1 引言
• 3.1.1 角点提取算子的要求
• 3.1.2 评估比较角点提取算子
• 3.2 Moravec算子
• 3.2.1 讨论
• 3.2.2 算法
• 3.2.3 测试图像试验结果
• 3.2.4 实验结果分析
• 3.3 Plessey算子
• 3.3.1 讨论
• 3.3.2 算法
• 3.3.3 测试图像试验结果
• 3.3.4 实验结果分析
• 3.4 Forstner算子
• 3.4.1 算法
• 3.4.3 测试图像试验结果
• 3.5 SUSAN算子
• 3.5.1 算法
• 3.5.3 测试图像试验结果
• 3.6 Trajkovic算子
• 3.6.1 讨论
• 3.6.2 算法
• 3.6.3 测试图像试验结果
• 3.6.4 实验结果分析
• 3.7 Trajkovic算子（8-领域改进）
• 3.7.1 改进分析
• 3.5.2 算法
• 3.7.3 测试图像试验结果
• 3.7.4 实验结果分析
• 3.8 本章总结
• 4 基于点特征的图像配准
• 4.1 引言
• 4.1.1 基于点特征图像配准步骤
• 4.2 特征点选择
• 4.2.1 运用熵理论的划分子网格的方法
• 4.2.2 子网格内特征点的自动提取
• 4.3 特征点匹配
• 4.3.1 点—点对应匹配步骤
• 4.3.2 点集匹配简介
• 4.3.2 匹配点修正算法
• 4.3.3 粗匹配与精匹配
• 4.4 仿射变换实现图像配准
• 4.4.1 配准系数的计算
• 4.4.2 试验结果分析
• 4.5 结论
• 5 结束语
• 5.1 本文总结
• 5.2 进一步的工作
• 致谢
• 参考文献
• 附录A 硕士期间参与的科研项目