论文部分内容阅读
图像匹配是图像处理和计算机视觉领域的核心问题之一,对后续的图像分析和图像理解有着非常重要的作用。在计算机视觉领域,随着人们对人工智能的深入了解,基于双摄像头的视觉系统越来越成为当前研究的热点问题。本文对双目视觉中的图像匹配算法进行了研究。首先,本文对国内外关于图像匹配技术的研究成果和现状进行了综述。在此基础上,从图像匹配的定义、影响因素、流程等几个方面系统地阐述了图像匹配的基本理论,并对图像匹配领域的现有算法进行了分类,着重介绍了基于特征的图像匹配算法原理。然后,本文详细分析了目前常用的几种特征提取算法和匹配搜索方法的原理,并设计对比实验检测了算法性能。实验结果表明,与Haar角点检测算法以及SIFT算法相比,SURF特征提取算法不仅检测到的特征点对尺度、平移、旋转、光照等具有不变性,而且方框滤波器和积分图像的引入,大大减少了特征点检测所需的时间;在基于最近邻的匹配搜索方法中,与全局穷举搜索方法相比,通过KD-Tree概念的引入,加快了最近邻点的查找过程,大大提高了匹配搜索效率,同时通过限制每次搜索需要查询的叶子结点的最大数目,及时终止了无效的搜索过程,并利用优先级队列简化了匹配搜索过程。最后将SURF特征提取算法和改进了的KD-Tree双向搜索算法相结合应用到双目视觉领域。cones左右视图的匹配实验表明,该算法在保证图像匹配精度的前提下,能较好地满足计算机视觉中实时性的要求。