论文部分内容阅读
图像匹配是指用有效的匹配算法对给定的两幅或多幅图像搜索相同或相似关键点的过程。图像匹配是数字图像处理中一个非常重要的问题,也是众多计算机视觉理论和应用的基础。在医学图像处理和分析、遥感监测、工业自动化、武器制导和机器视觉等应用中,图像匹配技术都是必不可少的关键的步骤。图像具有较强的结构特征,如角点、边缘、统计和纹理等特征,这些特征在图像匹配技术中大多发挥着重要作用,很多图像匹配问题的关键很大程度上取决于特征的选取、检测和表达。对于不同的图像匹配问题,由于选取的特征不同,匹配结果可能会有较大的差异。图像匹配技术根据人的参与程度划分为半自动匹配和全自动匹配。半自动匹配是以人机交互的方式提取特征(如角点等),然后利用电脑对图像进行特征匹配、变换和重采样。全自动匹配是直接利用电脑完成匹配过程,只要把待匹配的图像输入程序就可以了,其他过程均不需要人的参与。本文主要研究基于特征的图像匹配相关问题,总结了图像预处理的常见方法,并给出了具体例子,同时对常见的图像匹配方法也进行了总结。基于特征的图像匹配方法通常有以下几个步骤:第一步是对图像做必要的预处理,使得图像能够更方便更好的为接下来的工作服务;第二步是对待匹配的两幅图像或多幅图像进行特征提取,形成特征空间;第三步是在特征空间中对提取的特征进行匹配,找到参考图中特征在待匹配图中对应的特征位置并完成匹配。针对以上步骤,本文在总结前人研究的基础上,提出了一种新的基于Harris角点的特征匹配算法,该算法同时结合角点周边的灰度信息对图像进行匹配。首先对要匹配的图像进行预处理,然后对参考图和待匹配图分别进行Harris角点检测,对检测到的角点记录其坐标、灰度值以及其灰度值在邻域内所占的比例,再设定一个灰度阈值和比例阈值。也就是综合考虑待匹配图像中特征点和参考图像中对应特征点的灰度差和占邻域的比例是否在设定的阈值内,相较于一般的图像匹配算法具有精度高、速度快的特点。