三级项目报告图像匹配算法的实现及分析解读.docx
《三级项目报告图像匹配算法的实现及分析解读.docx》由会员分享，可在线阅读，更多相关《三级项目报告图像匹配算法的实现及分析解读.docx（8页珍藏版）》请在冰豆网上搜索。
三级项目报告图像匹配算法的实现及分析解读
三级项目设计（论文）
图像匹配算法的实现及分析
摘要
图像匹配是计算机视觉和图像处理领域中非常重要的工作，当我们需要在一副图像中寻找是否存在一个物体或一个小场景，并确定其位置，这时候我们就应当将具有灰度相关的图像进行匹配，实现图像匹配算法，通过计算它们之间的相关系数，确定协方差，进而进行图像匹配，确定其存在与否，并定位。
关键词：
灰度相关;图像匹配;相关系数；协方差
前言
随着科技的进步，图像匹配技术已经成为信息处理领域极为重要和基本的技术。
在军事上，它普遍应用于导弹的地图/地形匹配制导，飞机的导航等；在民用上，它普遍应用于运载工具自动导航仪，仪表导航，环境导航，环境保护，材料检测，机器人，交通等。
图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。
其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。
常见方法有：
像素灰度相关匹配，图像特征匹配等等。
图像匹配是数字图像处理重要的研究课题之一。
正文
一．图像匹配方法原理与实现步骤
本项目要求，要用一个较小的图像，即模板与目标图像进行比较，以确定在目标图像中是否存在与该模板相同或相似的区域，若该区域存在，还可确定其位置。
下面介绍几种常见的匹配方法
1.基于图像特征的配准方法
需要对图像进行预处理，然后提取图像中保持不变的特征,如边缘点、闭区域的中心、线特征、
2.基于模型的匹配方法
在计算机视觉领域中的应用非常广泛，它可以分为刚体形状匹配和变形模板匹配[4]两大类。
Kass提出的Snake主动轮廓模型是比较典型的自由式变形模板模型。
3.基于变换域的匹配的方法
有基于傅立叶变换、基于Gabor变换和基于小波变换的匹配，这些匹配方法对噪声不敏感，检测结果不受照度变化影响，可以较好的处理图像之间的旋转和尺度变化。
综合看来：
选择变换域的匹配方法可以较好的进行图像匹配。
根据相关定理，若
和
为二维时域函数，那么，定义以下相关运算：
式中，
符号表示相关运算。
式中，
表示傅里叶变换，
是
的傅里叶变换；
是
的傅里叶变换；
是
的共轭。
也就是说，由于相关定理表示两个物体的相关程度，相关程度越高，说明两个物体越相似。
那么我们根据定理，利用傅里叶变换，对两个图像做相关，然后观察出现的峰值，若峰值越高，表明两个物体越相似，并确定最高峰值的位置，则可以确定模板图在目标图中的位置。
根据所给的条件，具体实现步骤如下：
1、制作模板图和目标图。
根据所给的模板，利用画图工具重新制作一个模板图和目标图，要求目标图中间与左上角位置有与模板同样的图形，其他位置在画出另外三个图形。
（如下图1、2、3）
2、将模板图与目标图数字化。
即将模板图与目标图分别读入Matlab中，并存入相关矩阵，为了减少计算量，可将两幅图的数据矩阵转换为二值图像数据矩阵。
3、做傅里叶变换。
根据相关定理，时域的相关，等于频域的乘积。
所以要将模板图与目标图分别做傅里叶变换，变换的频域中去。
（如下图4、5）
4、相关。
模板图与目标图经傅里叶变换后，两图所得矩阵数乘，其中目标图的矩阵要先取共轭，然后经过反傅里叶变换到频域中去，并利用fftshift函数将低频部分移到中间去，并将图形旋转180度，得到正确的坐标轴，然后观察出现的五个峰值。
（如下图6）
5、定位。
求出相应矩阵中的最大值，根据最大值设置一阈值，找出高于此阈值的坐标，即为模板图在目标图中的位置。
（如下图7）
二.实现过程举例
根据上面所述实现步骤，具体实现过程如下
第一步所对应图形：
模板图目标图
第三步所对应图形：
图4模板图的傅里叶变换频谱
图5目标图的傅里叶变换频谱
第四步所对应的图形：
图6模板图与目标图相关后的图形
第五步所对应的图形：
图7模板图在目标图中的位置（最高峰值出现的位置）
三.程序实现
具体实现程序如下：
functiony=imagePosition（）%图像匹配
%在一目标图像中，检测特定模板图像，并确定其位置
templet=imread（'mig25_2.tif'）;%将模板图中的数据读入templet矩阵中
level=graythresh（templet）;%设置黑白转换阀值
bw=im2bw（templet,level）;%转换为二值图像数据
F=fft2（bw）;%对模板图做快速傅里叶变换
figure,mesh（fftshift（abs（F）））;%绘制模板图经过傅里叶变换后的三维图
title（'模板图的傅里叶变换频谱'）;%图像题目
target=imread（'mig25_3.tif'）;%将目标图中的数据读入target矩阵中
level=graythresh（target）;
BW=im2bw（target,level）;
F2=fft2（BW）;%对目标图做快速傅里叶变换
%打开新的图形窗口，并绘制目标图经过傅里叶变换后的三维图
figure,mesh（fftshift（abs（F2）））;
title（'目标图的傅里叶变换频谱'）;
%在频域内用F点乘F2的共轭，相当于在时域内模板图与目标图做相关运算
%然后在做反傅里叶变换到时域，用fftshift函数将傅里叶变换的零频率部分移到数组中间
R=fftshift（abs（ifft2（F.*conj（F2））））;
R=rot90（R,2）;%将R矩阵逆时针旋转180度，得到正确的坐标图
figure,mesh（R）%打开新的图形窗口，并绘制相关后的三维图，观察五个峰值
title（'两个图相关后的频谱'）;
thresh=max（R（:
））;%求矩阵R中的最大值
%求矩阵中最大值的所在的数组下标，即图像中最大峰值的位置
[rowcol]=find（R>thresh-1）;
figure,imshow（BW）;%显示原始目标图
holdon%在当前坐标图形里添加绘制图形
%以找到的峰值的坐标为圆心，在原图上画圆做标记，即在目标图上标记模板图
fori=1:
1:
length（row）
angle=0:
0.1:
2*pi;%采用极坐标法，其中半径设为10
plot（10*cos（angle）+col（i）,10*sin（angle）+row（i）,'LineWidth',3）;
End
四.结果分析
根据结果显示在目标图像中，与模板图像相同的图形被圈上了蓝圆圈，在相似图像的位置上有傅里叶函数变换频谱的峰值，进以证明图像在此相似度高，图像匹配。
同时定位了相似图像的位置。
通过对图像的像素的灰度值计算，可以充分利用图像的所有信息来高精度地区分不同对象，但因此处理的信息量很大，计算复杂度很高。
同时不能分辨目标图片旋转，拉伸或压缩后的图像匹配问题。
五.扩展解决方案
现如今为解决计算复杂度很高的问题可以通过SSDA算法，它的匹配精度与理论值相同，相位相关法匹配时间介于SSDA算法和ABS算法二者中间，也存在一个像素的误差；
为解决不能分辨目标图片旋转，拉伸或压缩后的图像匹配问题可以使用基于图像特征的匹配算法，应用图像边缘特征和频域相关相结合的图像处理技术进行图像匹配，能够达到较高精确地定位，具有自动匹配的优点。
在带有旋转误差的图像匹配中，具有较好的稳定性，极大的减少了人为因素带来的误差，缩短了匹配时间，匹配效果良好。
这些方法都是进一步不错的解决图像匹配问题的方法，在这里不做过多的描述。
结论
1.基于傅立叶变换的匹配，这些匹配方法对噪声不敏感，检测结果不受照度变化影响，可以较好的处理图像之间的旋转和尺度变化。
所以采用此变换方式来进行研究。
2.此匹配方法的优点：
对噪声不敏感，检测结果不受光照变化影响。
有成熟的快速算法并且易于硬件实现。
缺点：
该方法仅符合存在平移量的剧像间的配准，然而在实际中，图像间不仅存在平移量的不同，而且还有旋转角度、缩放尺度等的不同。
3.经过此次三级项目的制作与学习，不仅使我们对图像匹配算法有了更深的了解和认识，还加强了我们组内成员之间的沟通协作能力，让我们最感兴趣的是大家在一起共同探究，集思广益，各抒己见，这种形式让大家的观点来得更直接、更朴素、更真实。
在交流中得到启发，得到快乐。
参考文献：
1.西安电子科技大学硕士学位论文“图像匹配算法研究”
2.哈尔滨工程大学计算机科学与技术学院“特定图像的检测与定位”
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。
——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。
——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：
心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。
——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。
——高尔基
14、书到用时方恨少、事非经过不知难。
——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。
——笛卡儿
17、学习永远不晚。
——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。
——刘向
19、学而不思则惘，思而不学则殆。
——孔子
20、读书给人以快乐、给人以光彩、给人以才干。
——培根
升级会员 