论文部分内容阅读
图像匹配是图像处理技术领域中最重要的环节之一。可分为区域匹配和特征匹配两个大类。区域匹配中最常用的算法是归一化互相关方法。互相关匹配在两幅图像不相似的情况下,配准率很低,所以近年来,国内外的众多研究工作都在致力于特征匹配方法的研究。 基于特征的匹配方法涉及两个重要部分,一是特征的选定和提取;二是相似性准则的确定及实现。本文提出了一种以角点为特征,以Hausdorff距离为匹配准则的匹配方法,以进行实时图像匹配。对影像中点特征进行了分析,对当前常用的一些点特征提取算法进行了比较。基于SUSAN和角点几何结构分析的思想,提出一种改进的角点特征提取算子。为了提高计算速度,首先进行角点粗探测,然后根据粗探测的结果再分析角点几何结构,剔除初选点中错误的角点。即图像中的像元如果为角点,则它必须满足角点的圈层结构。通常认为角点处各个方向上灰度差变化都较大,所以角点响应函数采用了反映角点突出性的响应函数,使提取的角点含有更高的信息量。 分析了Hausdorff距离作为匹配相似性测度的问题。对Hausdorff距离进行了改进,提出一种平均Hausdorff距离。实现了对改进的Hausdorff距离在图像特征匹配算法中的应用。实验验证了在一些灰度反差较大的情况,基于角点特征的影像匹配算法匹配概率要优于传统的归一化互相关算法。在一些应用领域内角点特征影像匹配算法有一定的理论价值和应用价值。同时,还进行了遗传算法对影像匹配的优化研究。在实时计算中引入遗传算法,对算法进行优化处理。 对论文提出的改进的角点提取算子和特征匹配方法进行了大量实验。角点提取算法实验主要就定位的正确性、运算速度以及提取点的数量几个方面进行了分析。结果表明,改进的角点特征提取算法速度较快,提取效果达到了现有提取算法的水平。特征匹配对同一地区的印度卫星影像和SPOT影像进行了匹配试验,匹配结果较好,速度较快,在特征丰富且图像不相似性较大的地区,匹配效果比归一化互相关方法好。