基于对极几何的图像匹配研究

论文摘要

对极几何表示了同一场景中两幅图像之间的几何关系,它独立于场景结构,仅依赖于摄像机的参数,所以,对极几何是两幅图像间固有的射影性质。研究对极几何,可广泛应用于图像匹配、三维重建等领域。在基于对极几何的图像匹配中,最根本的目的是恢复对极几何。对极几何可用一个3×3基本矩阵描述,所以恢复对极几何的问题就转化为估算基本矩阵。但在噪声干扰下的错误数据和估算所需时间一直是困扰估算基本矩阵的问题。基于此,本文在特征点提取阶段,针对原有特征点检测算法鲁棒性差的特点,在Harris特征点检测算法的基础上,首先对图像作预处理,对图像先采用直方图均衡化,增加图像对比度,丰富图像局部特征信息；采用中值滤波和高斯滤波相结合的滤波器,增强算法的鲁棒性；采用自适应的方法确定阀值,通过阀值剔除一部分特征信息少的伪特征点,为后续的算法做好铺垫。在特征点预匹配阶段,采用归一化互相关预匹配算法,对特征点集作预匹配,得到预匹配点集。在估算基本矩阵阶段,采用鲁棒性好、应用最为广泛的RANSAC(Random Sample Consensus)算法剔除错误数据,通过研究分析RANSAC算法,针对其抽样次数不精确、抽样时间过长、数据检验粗糙等缺陷,作出改进,从而提高算法的效率和鲁棒性。使用改进的算法处理预匹配点集,估算出基本矩阵,恢复对极几何。最后通过实验进行分析和验证,实验结果表明,本文的改进算法效率高、鲁棒性好。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状与水平
• 1.3 本文的研究内容和章节安排
• 1.3.1 研究内容
• 1.3.2 论文章节安排
• 第二章 对极几何
• 2.1 对极几何简介
• 2.2 基本矩阵
• 2.3 基本矩阵估计
• 2.3.1 八点算法
• 2.3.2 改进的八点算法
• 2.3.3 七点算法
• 2.4 单应矩阵
• 2.5 本章小结
• 第三章 特征点检测
• 3.1 Moravec特征点检测算法
• 3.2 Harris特征点检测算法
• 3.2.1 算法原理
• 3.2.2 算法步骤
• 3.3 改进的Harris特征点检测算法
• 3.3.1 图像预处理
• 3.3.2 自适应阀值的确定
• 3.3.3 改进的Harris检测算法的步骤
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 预匹配与估算基本矩阵
• 4.1 图像特征点预匹配
• 4.1.1 绝对平衡搜索算法（Absolute Balance Search）
• 4.1.2 归一化互相关算法
• 4.2 估算基本矩阵
• 4.2.1 RANSAC算法
• 4.2.2 RANSAC算法时间复杂度分析
• 4.2.3 数据检验分析
• 4.3 基于RANSAC的改进算法
• 4.3.1 算法核心思想
• 4.3.2 基于单应矩阵的抽样算法
• 4.3.3 终止抽样的自适应算法
• 4.3.4 基于RANSAC的改进算法的步骤
• 4.4 实验结果与分析
• 4.5 本章小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果目录