图像特征点提取及匹配算法研究本科毕业论文.docx
《图像特征点提取及匹配算法研究本科毕业论文.docx》由会员分享，可在线阅读，更多相关《图像特征点提取及匹配算法研究本科毕业论文.docx（61页珍藏版）》请在冰豆网上搜索。
本科毕业设计（论文）
题目名称：
图像特征点提取及匹配算法研究
目录
II
摘 要 III
ABSTRACT IV
第一章绪论 1
1.1研究背景 1
1.2研究现状综述 2
1.2.1特征点提取研究现状 2
1.2.2特征点匹配研究现状 4
1.3研究内容 5
1.4论文组织结构 6
第二章图像特征点提取算法研究 8
2.1Harris特征点提取算法 8
2.1.1Harris特征点检测原理 8
2.1.2Harris特征点检测步骤 9
2.1.3实验分析 9
2.2SIFT特征点提取算法 12
2.2.1SIFT特征点提取算法原理及步骤 12
2.2.2实验分析 16
2.3本章小结 19
第三章改进的H/S特征点提取算法 20
3.1H/S算法分析 20
3.1.1H/S算法提出的可行性分析 20
3.1.2H/S算法结合方案研究 21
3.2H/S算法实现 22
3.2.1多尺度特征点检测 22
3.2.2特征点描述 23
3.3实验分析 25
3.3.1算法评价标准 25
3.3.2分情况特征点提取结果分析 25
3.4本章小结 28
第四章基于H/S的特征点匹配方法 29
4.1相似三角形方法局限性分析 29
4.1.1三角形匹配原理 29
4.1.2三角形相似方法局限性 31
4.2改进的相似三角形匹配方法实现 31
4.2.1三角形选取方案研究 32
4.2.2相似三角形检索方法改进 33
4.2.3多模板改进方法分析 35
4.3实验结果与分析 36
4.4本章小结 39
第五章工作总结与展望 40
5.1工作总结 40
5.2工作展望 41
致谢 42
参考文献 43
摘 要
图像匹配是图像处理领域的基础课题，在图像拼接、全景视图、对象识别等计算机视觉方面有广泛应用。
图像匹配分为基于灰度的方法和基于特征的方法，前者简单易行，但算法时间复杂度高，难以处理图像存在旋转和尺度变化等情况，后者在适应性和速度方面有很大优势，但图像特征的提取以及如何建立特征之间的对应关系一直是这类方法的研究难题。
本文提出了一种新的特征点检测算法，并根据三角形相似原理，提出一种改进特征点匹配方法。
本文首先对两种特征点提取算法（Harris算法和SIFT算法）进行分析比较，Harris角点检测算法效率高，但对尺度变化和抗噪性的鲁棒性差，SIFT算法对尺度变化及抗噪性鲁棒性好，但算法时间复杂度高，且对图像纹理要求高，本文结合两种算法的优点，提出了一种新的H/S特征点提取算法，该算法特征点检测效率高，并且尺度不变性及抗噪性得到很大改善。
在采用新的H/S特征点提取算法得到图像中特征点后，对特征点匹配方法进行研究。
传统的三角形相似匹配方法虽然实现简单，鲁棒性好，但时间复杂度高，针对此局限性，本文提出了一种改进三角形匹配方法，将传统方法被动搜索相似三角形变为在复数空间下选择基线后主动构造相似三角形，并利用特征点组成基线向量对应三角形组得到多个模板在实物图中匹配，提高了改进算法的实时性和稳定性。
关键词 特征点，H/S算法，机器视觉，相似三角形检索
IV
ABSTRACT
Imagematchingisabasicprobleminthefieldofimageprocessing,ithaswideapplicationsincomputervision,suchasimagestitching,panoramicview,objectrecognitionandsoon.Itincludesgray-basedmethodandfeature-basedmethod.Theformermethodissimple,butthetimecomplexityofthisalgorithmishigh,especiallyit’sdifficulttodealwiththesituationsofimagerotationandscaling.Thelattermethodismuchmoreeasilyovercomingthedifficultieswhichencounteredbytheformermethod,buthowtocreatethecorrespondingrelationshipsbetweentheimages’featuresisalwaysadifficultproblem.Anewfeaturepointextractingmethodisproposedinthisthesis,andanewmatchingmethodwhichisbasedonsimilartrianglesisproposed.
Thethesisfirstlyanalysesandcomparestwokindsofextractingfeaturepointsalgorithms（HarrisalgorithmandSIFTalgorithm）,Harrisalgorithmhashighefficiencyandpooranti-scalingandanti-noiseperformance,SIFTalgorithmhasgoodrobustnessaboutanti-scalingandanti-noise,butthetimecomplexityofthisalgorithmishigh,andithasagreatdemandonimagetexture.Thethesiscombinestheadvantages ofthesetwoalgorithms,anewH/Salgorithmwhichisusedtoextractfeaturepointsisproposed,thisalgorithmhaswellefficiency,meanwhile,theanti-scalingandanti-noise performanceisgreatlyimproved.
WhilethefeaturepointsofimagesareobtainedbyusingthenewH/Salgorithm,thematchingmethodsarestudied.Traditionalsimilartrianglesmatchingmethodissimpleandhasgoodrobustness,butthetimecomplexityofthisalgorithmishigh,becauseofthislimitations,thethesisproposesaimprovedmatchingmethodwhichisbasedonsimilartriangles,makingthetraditionalpassivelysearchingsimilartrianglestoselectthebaselinetoactivelyconstructsimilartriangles.Thealgorithmusesmulti-templatestomatchintheimage,therealtimeabilityandstabilityofthealgorithmisimproved.
KEYWORDS featurepoints,H/Salgorithm,computervision,similartrianglesretrieval
图像特征点提取及匹配算法研究
第一章绪论
第一章绪论
1.1研究背景
图像特征点提取和匹配是图像处理研究领域中的基础课题，也是机器视觉的关键技术之一，广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中，具有广泛的应用前景及社会经济价值。
因此，特征点的提取和匹配越来越得到研究人员的关注。
图像匹配可以认为是在不同时间或相同时间、从不同视角或相同视角对同一场景拍摄的两幅或者多幅图像进行的空间域上的匹配过程。
它通过建立两幅图像之间的对应关系，确定相应的几何变换参数，对两幅图像中的同一目标进行匹配。
近几年在许多领域中，都对图像配准进行了大量的研究，比较有代表的有：
模式识别、自动导航、遥感领域、医学诊断、计算机视觉等。
经过国内外研究者多年的努力，人们提出了多种图像匹配方法。
这些方法大致可分为基于灰度值的方法和基于特征的方法两大类[1]。
基于灰度的匹配就是逐像素地把一个以一定大小的实时图像窗口的灰度矩阵与实际图像的所有可能的窗口灰度矩阵按某种相似性度量方法进行搜索比较的匹配方法。
为了克服基于灰度匹配方法缺点，提出了基于特征的匹配方法。
特征匹配方法首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，常用的特征基元有点特征、边缘特征和曲线轮廓及区域特征等。
由于兴趣点（角点、拐点等）的信息含量高、数量相对较少且局部不变等特点，使其在基于特征的匹配中有更加广泛的应用。
如何建立图像兴趣点之间的对应关系一直是这类方法的研究热点。
目前已有许多有关此类问题的如SanjayRanade等提出的松弛算法[2]、ZsoltMiklós等提出的三角形匹配算法[3]等。
特征点匹配方法首先依赖于好的特征提取方法，特征点提取方法是从众多特征中求出那些对分类识别最有效的特征，从而实现特征空间维数或数据量的压缩。
特征提取方法一般包含两个阶段：
一是对图像进行分割，提取目标区域或其边界，抽取目标的基本特征，如灰度、纹理、形状描述。
二是找出或构造目标作某种运动或无论目标作何种运动都不变化的目标图像特性的特征不变量。
当提取特征点数目过多时就会存在大量的干扰信息（如：
伪匹配点），这将影响匹配的正确率和速度，当提取特征点过少时，将不利于精确匹配。
同时特征点匹配方法需要保证在两幅图像点集中存有大量有效点，而当图像特征点较多时，算法复杂度较大。
本文基于以上热点问题展开研究，首先对两种特征点提取算法 （Harris算法和
33
SIFT算法）进行原理分析及实验比较，得出Harris角点检测算法效率高，但对尺度变化和噪声干扰鲁棒性差，以及SIFT算法对尺度变化及抗噪性鲁棒性好，但算法时间复杂度高，且对图像纹理要求高等结论，提出一种在多尺度下提取图像稳定特征点的H/S（Harris/SIFT）算法，并在此基础上采用复数空间中相似三角形多模版匹配算法进行特征点间匹配，通过理论分析及实验证明该方法在时间复杂度方面的改进和在图像存在旋转、缩放情况时匹配的准确性和有效性。
1.2研究现状综述
1.2.1特征点提取研究现状
在实际问题中图像可能受到噪声、背景的干扰，也可能发生平移、尺度、视角、光照等变化，如何选择合理的特征和描述算子，使得这些特征不仅具有良好的表征性能，而且在上述因素变化下保持相对不变（即不变性），直接决定了基于特征点的图像匹配效果。
以计算机视觉的
升级会员 