论文部分内容阅读
图像匹配是评价不同条件下获取的两幅或多幅图像相似性以建立对应关系的技术。该技术在国防军事、航空航天、医学诊断等相关领域得到了广泛应用。在武器装备和导航领域,通常对图像匹配的可靠性要求较高,在实时匹配前需要确定各种场景条件下局部特征的稳定性、不变性和分辨能力等方面的综合性能指标,还要针对特定场景进行预先分析,确定具体点特征匹配的正确率和虚警率等性能参数,以便精确定位和匹配在不同场景中的对应特征点,从而提高实时在线阶段的图像匹配速度,降低误匹配率。然而,在复杂场景条件下,光照、尺度等成像条件变化,伪装、相似背景干扰等环境因素的存在,严重影响了图像特征的稳定性、分辨能力和图像匹配方法的性能,现有图像匹配方法在匹配精度、匹配查全率和匹配效率等方面仍存在较大挑战。为提高包含重复结构的复杂场景局部特征的匹配性能,本文在特征稳定性和显著性研究工作的基础上,从局部和整体两个方向拓宽了分析范围,通过研究局部区域特征显著性分析方法和整体综合特征性能评价方法,克服复杂场景中的重复结构相似特征误匹配率高、查全率和利用率低的问题。本文的主要创新工作如下:(1)研究复杂场景条件下的特征分析和高效图像匹配方法。针对复杂场景中重复结构引起的误匹配率高的问题,本文提出一种基于局部特征分析的多区域半随机采样一致性匹配方法。该方法首先在特征分析过程中,研究场景变化对局部特征稳定性的影响,实现稳定特征的筛选;然后,定义一种描述特征分辨能力的评价指标,将稳定特征分为显著特征和非显著特征(重复特征)。在此基础上,从稳定特征匹配集中抽取分辨能力高的显著特征,并利用分区域半随机采样策略,在内点比例较高的显著特征匹配集内抽取可靠且空间分布合理的匹配样本,建立投影模型,以提高算法的性能。实验结果表明,在复杂场景条件下,本文提出的基于多区域半随机采样一致性匹配方法能够有效提高匹配速度和精度。(2)研究特征的区域显著性分析和基于区域分割的特征匹配方法。针对复杂场景条件下重复相似特征匹配利用率低的问题,本文提出一种基于显著性区域分析的特征匹配方法。该方法通过区域分割,降低重复相似特征的相互影响,实现特征显著性的增强;遵循显著性原则,选取分辨能力强的区域显著特征进行匹配,形成可靠种子点对;采用渐细Delaunay三角剖分策略,抑制由相似特征引起的匹配歧义,逐步增强特征显著性,提高特征的利用率,在不降低匹配精度的情况下,提高匹配查全率。实验结果表明,在存在重复结构的复杂场景条件下,通过特征的区域显著性分析,选择显著特征的可靠匹配集作为种子点对,可实现区域的精确分割,有效消除不同区域内相似特征的匹配歧义,提高重复相似特征匹配利用率,获得较高的匹配精度和查全率。(3)研究局部特征分析和综合性能评价策略。为在实时匹配前,确定各种场景条件下局部特征的匹配性能,综合分析和评价特征的不变性、稳定性、显著性以及特征点对与投影模型的相容性,本文基于结构预测的特征分析方法,结合特征显著性分析,通过结构化权重训练,利用训练生成的评分标准综合评价特征性能,实现特征的分析和评价。实验结果表明,利用基于结构预测的特征分析方法,训练生成的特征评分标准具有综合评价特征性能的能力,可作为特征选择和模型一致性验证依据,并有效提高匹配算法性能。