论文部分内容阅读
图像匹配一般用于匹配不同时间、不同传感器或者从不同视角采集的两幅或多幅图像,它是图像理解和机器视觉的基础。图像匹配算法的研究涉及到许多相关的知识领域,如图像采样、变换、预处理、分割、特征提取等。
本文研究了两类图像匹配算法:直接基于图像灰度信息的算法和基于图像特征的匹配算法。基于图像灰度信息的匹配算法可以实现精确的图像匹配。但对图像质量要求严格,在有灯光原因产生干扰时,难以做到精确匹配。基于图像特征的匹配算法对光照和遮挡影响不敏感,可以在一定程度上克服非线性的不均匀光照的干扰。但是匹配算法相对比较复杂。
本文分析了现有的一些基于图像灰度信息的算法。对序贯相似性检测算法(SSDA)做了深入的研究,提出了一种基于SSDA的加速算法,并通过实验证明了该算法在匹配的精度和速度方面的改进;另一类基于图像特征的匹配算法,在特征的选定和提取,相似性准则的确定和实现等方面进行了较深入的研究。本文以点特征作为提取单元,充分利用角点信息含量高的优点。结合区域分类和角点提取由粗到精的思想,对低层次图像处理小核值相似区(SUSAN)算法做了一些改进。最后通过Hausdorff距离为匹配准则实现了对图像的匹配。实验结果表明,改进的SUSAN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。