论文部分内容阅读
图像匹配是指通过某种方法在几幅图像之间寻找同名点的过程,作为图像信息处理领域内的一项极为关键的技术,它已经被广泛地应用于机器视觉领域、对运动目标的检测领域、医学分析领域、工业检测领域等等,而用于图像匹配的两个图像或几个图像通常是摄像机在不同时间,不同角度,不同地点,不同天气下所拍摄的具有相同对象的图像。在具体的图像匹配应用领域,往往是对包括清晰度、遮挡度、噪声污染等不同复杂性的多个图像之间进行图像的匹配。因此,我们的目标是寻求一个精度高、实时性好的图像匹配方法。当前主要有基于图像灰度和基于图像特征这两种用于匹配图像的方法,第一种匹配方法实现简单、容易掌握,且匹配精度良好,但是不具有抗旋转性、抗尺度变换性及抗缩放性;第二种匹配方法适用于大多数的应用领域,但是匹配时的计算量大,匹配方法复杂。本文着重研究了基于特征的匹配方法,重点特征提取的方法,对既存的特征提取算法进行改进,以求能够实现一种精度高、实时性好的图像匹配算法。论文的主要研究内容有:(1)对图像匹配的基本方法进行学习,深入研究了基于特征的图像匹配方法,以便能够掌握经典的局部特征检测算法的检测原理,并对使用局部特征作为图像特征点的匹配算法的匹配性能进行了剖析。(2)针对商标图像搜索时使用SIFT特征检测方法的局限性,提出了一种将SIFT特征检测子和Harris特征检测子相结合的方法,在该方法中,使用计算SIFT特征描述子的方法来求得Harris特征点的特征描述子,该方法利用了检测图像的角点计算量小、用时少、特征点分布均匀的优点。实验证明,使用基于SIFT特征和Harris特征的方法提取商标图像的特征,具有高效性、实时性的特点。(3)对存在较大仿射角度的彩色图像之间的匹配问题,使用经典SIFT算法能够提取较多的特征点,但是提取特征点的时间很长;而使用SURF算法对图像进行匹配时,图像之间的错配率较高并且不能充分利用原图像的彩色信息。因此,本文提出了一种具有仿射不变性的彩色图像匹配方法,该方法通过对原图像进行仿射变换而得到一系列的图像序列,然后计算这些图像的颜色不变量,最后对其进行特征点的检测和特征点的匹配。实验证明,使用本文方法提取特征点用时更短且匹配率更高,能够很好地解决彩色图像匹配过程中由于仿射角度过大引起的误匹配问题。