论文部分内容阅读
图像匹配就是对两幅或者多幅从不同时间,不同视角或者不同环境下拍摄的图像进行空间对应关系确立的过程。图像匹配在计算机视觉领域中发挥着重要的作用,是图像配准、图像融合、目标识别以及三维重建等众多学科的基础。从20世纪70年代发展至今,有关图像匹配算法的研究一直是人们关注的重点。根据图像间变换模型的不同,可以将图像匹配分类为相似变换图像匹配、仿射变换图像匹配以及投影变换图像匹配。当前关于图像匹配的算法对于相似变换甚至是仿射变换的图像匹配均具有一定的鲁棒性,但对于更大程度的图像畸变(如投影变换),传统的图像匹配算法往往“捉襟见肘”。因此,研究投影变换下的图像匹配算法成为当前图像匹配技术领域的瓶颈和难点。本文从投影变换图像匹配问题入手,分析总结当前图像匹配算法的优势和不足,进而提出一种投影变换图像匹配方法。首先,本文对现有的图像匹配算法进行了分类总结,将图像匹配算法分为基于灰度的图像匹配、基于特征的图像匹配以及基于模板的图像匹配这三类。重点对基于特征的图像匹配算法进行了分析和探讨。尤其对基于尺度不变特征变换(SIFT)、基于完全仿射不变特征变换(ASIFT)以及基于最大稳定极值区域(MSER)三种应用最为广泛的图像匹配算法进行了深入研究,并对这些算法存在的优势和不足做出总结。其次,对变换不变低秩纹理(TILT)进行了详细介绍和分析。对低秩纹理的定义、TILT模型的含义以及求解过程进行了具体解释说明;探讨了其潜在的应用价值,指出其在处理投影变换图像匹配问题中的可行性。并在此基础上提出一种基于变换不变低秩纹理(TILT)的投影变换图像匹配方法。该方法综合考虑了传统图像匹配算法与TILT各自的优势和不足,通过三个主要步骤完成投影变换图像匹配:(1)根据TILT需要人工确定图像中低秩纹理区域,提出一种低秩纹理区域自动检测算法。(2)根据传统图像匹配算法无法提取具有投影不变性的特征描述符,利用TILT分别对输入的参考图像和待匹配图像进行校正,减少投影变换给图像带来的失真,进而将投影变换图像匹配问题转换为相似变换图像匹配问题。(3)根据TILT校正后的图像依然存在相似变换,利用基于特征的图像匹配算法对校正后的图像进行匹配点对的确立,完成图像匹配。此外,针对含有大量重复或者对称性结构的图像,本文提出一种几何形状描述符与SIFT特征描述符相结合的特征描述符。几何形状描述符的引入提高了算法的正确匹配率。最后,通过实验验证本文算法对于处理投影变换图像匹配的有效性。所有实验均采用Matlab语言编写并在Windows编译环境下实现。实验结果表明,与基于尺度不变特征变换(SIFT)、基于完全仿射不变特征变换(ASIFT)以及基于最大稳定极值区域(MSER)的图像匹配算法相比,本文提出的算法在图像发生较大投影变换的情形下依然能够获得较高的匹配正确率。并且,几何形状描述符的引入也从一定程度上提高了算法的匹配正确率。