基于SIFT的图像匹配毕业设计论文.docx

1、毕 业 设 计（论 文）题目基于 SIFT 特征的图像匹配基于 SIFT 特征的图像匹配毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体， 均已在文中作了明确的说明并表示了谢意。作 者 签 名：日期： 指导教师签名：日期： 使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提

2、交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：日期： I基于 SIFT 特征的图像匹配学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用

3、授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日II基于 SIFT 特征的图像匹配摘要当今社会已经进入信息时代，随着计算机技术、通信技术和数学的发展，图像信息处理能力和水平也不断提高，相应的也得到更多关注、研究和更加广泛的应用。图像匹配是处理和解决各种图像信息的基础，已经成为虚拟现实和计算机可视化领域的研究

4、热点。一直以来，研究人员对图像匹配技术进行了大量的研究， 推出了许多匹配算法，其中特征匹配算法有着较高的精确度和稳定性。SIFT（Scale Invariant Feature Transform）特征匹配算法是Lowe提出来的用于图像特征匹配的算法，是目前特征匹配领域的热点，对图像的旋转，尺度缩放和亮度变换保持不变，对视角变换，仿射变换保持一定程度的稳定。SIFT特征点是图像的一种尺度不变局部特征点，具有独特性好，信息量丰富，多量性，高速性，可扩展性等特点。正是借助于这些特点，使得传统图像配准中的许多诸如前面提到的共性问题得到了很大程度的改善。该算法首先给出了尺度空间的生成方法，检测出极值点

5、；接下来给出了SIFT特征点的提取步骤和精确定位极值点的方法；然后基于特征点邻域像素的梯度和方向生成了关键点的描述向量；最后根据特征向量给出了匹配方法，提取了SIFT的特征点，并其应用于图像匹配。本文首先简要介绍了图像匹配所需的基础知识，然后详细介绍了SIFT算法的具体流程。通过大量的实验证明SIFT算法具有较强的匹配能力和鲁棒性，是一种较好的图像匹配算法。关键字：SIFT; 图像匹配; 尺度空间; 极值点; 特征向量AbstractIII基于 SIFT 特征的图像匹配Today， society has entered the information age, with the develo

6、pment of computer technology, communications technology and mathematics, the image information processing capabilities and the level is also rising, and also get moreattention, research and more widely used. The image matching handle and solve all kinds of image information, has become the research

7、focus of the virtual reality and computer visualization. Researchers has been a lot of research for image matching techniques, the introduction of a number of matching algorithm, which featurematching algorithm has higher accuracy and stability. SIFT （Scale Invariant Feature Transform） feature match

8、ing algorithm, proposed by Lowe, is a hot field of feature-matching at present, which remains the same to image rotation, scale zoomand brightness transformations, and also maintains a certain degree of stability on the perspective transformation and affine transformation. SIFT feature points are sc

9、ale-invariant local points of an image, with the characteristics of good uniqueness, informative, large amounts, high speed, scalability, and so on. In this algorithm, at first method for generating image scale space is presented; at second steps for extracting sift key points and accurate positioni

10、ng are provided; then vectors for describing key points based on the gradient magnitude and orientation of pixels neighboring to the key points are generated; at last according to the vectors matching algorithm is described.This paper briefly introduces the basic knowledge required for image matchin

11、g, and then details the specific process of the SIFT algorithm. Large number of experiments to prove the SIFT algorithm has a strong match and robustness, is a good image matching algorithm.Key Words：SIFT; Image Registration; Scale space; extreme points; eigenvector.目录IV基于 SIFT 特征的图像匹配第 1 章 绪论11.1 本

12、课题研究的背景及意义11.2 本课题研究的内容和目标21.3 本文安排2第 2 章图像匹配技术42.1 数字图像处理技术的概述42.2 图像匹配技术的定义52.3 图像匹配技术的方法52.3.1 基于灰度相关的匹配算法52.3.2 基于特征的图像匹配算法62.3.3 两类匹配算法的比较72.4 本章小结8第 3 章 SIFT 算法93.1 SIFT 算法的简介93.2 SIFT 算法实现步骤简述93.3 SIFT 算法详细过程103.3.1 尺度空间的生成-建立高斯金字塔103.3.2 尺度空间的生成-DOG 高斯差分金字塔的生成123.3.3 空间极值点检测133.3.4 极值点的精确定位1

13、43.3.5 关键点方向分配173.3.6 生成 SIFT 特征向量183.3.7 SIFT 特征向量的匹配203.4 小结20第 4 章实验结果分析214.1 实验一214.2 实验二23V基于 SIFT 特征的图像匹配4.3 实验三244.4 实验四264.5 实验五274.6 实验六294.7 实验结论30第 5 章总结32致谢34参考文献35附录37VI第1章 绪论1.1 本课题研究的背景及意义图像无处不在。任何物体通过光线在人眼的视网膜中成像，如同在摄像头或者照相机中成像一样。所以，图像对于人来说是首要的信息。人和高等动物都有着发达的视觉系统，使得客观环境中存在的事物或目标可以被识别

14、，从而引发进一步的处理。对于人类来说，这种功能是与身俱来的，十分轻松的事情。但是，当人眼接受到的图像信息过于庞大、复杂时，图像的处理就会变得相当的复杂。在许多应用中，观察员需要同时监视多种信息源的图像， 从中获取信息并作出判断。此时，观察员就需要将得到的图像进行融合，从中获取对自己有用的信息。但是图像的融合是由观察员的视觉系统和大脑完成的，观察员的劳动负荷大，一名观察员很难从多幅独立的、连续变化的图像中得到可靠的合成视觉信息；通过多名观察员的协同工作获得合成图像信息要么是不可能的，要么代价太大。图像配准技术可以解决这个问题。图像配准技术是现代遥感技术、微电子技术和精密检测技术的综合性产物。图像配准就是将不同时间、不同传感器 (成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。配准技术的流程如下：首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数：最后由坐标变换参数进行图像配准。图像匹配是图像配准的重要环节。图像匹配的实现方式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