论文部分内容阅读
图像特征匹配的本质是通过特征提取和匹配来建立图像间的几何对应关系,它是自动目标识别、图片检索和智能监控等众多应用的技术基础。对于宽基线图像特征匹配,由于没有基线限制,图片相互独立,在无法借助图片之间的关联信息进行特征提取和匹配的情况下,如何提取独立于视点变化的显著特征,是宽基线匹配的核心问题。在宽基线匹配中,一个局部图像区域的几何变换可以用仿射变换来近似,因此,如何提取仿射不变的局部特征,成为宽基线特征匹配研究的关键和难点问题。
本文以宽基线条件下的自动目标识别为研究背景,研究如何提取和匹配仿射不变的局部图像特征,使具有较大基线变化的图片之间仍有较多的匹配特征。
Harris-Affine和Hessian-Affine算法是根据仿射尺度空间理论构造的仿射不变特征提取算法,但事实上其算法性能受到基线宽度的限制,不能适应较宽的基线变化。针对这一不足,提出了以二阶矩矩阵和Hessian矩阵度量特征区域的仿射变形,将特征区域由各向异性转化为各向同性,再使用SIFT算法提取仿射不变特征的改进算法。实验表明,该算法提取的匹配特征数量明显多于Harris-Affine和Hessian-Affine算法。
针对MSER特征提取算法提取的特征数量较少、特征难以描述和匹配的问题,提出了一种完全仿射不变特征提取算法,该算法充分利用MSER特征定位精度和重复率高的优点,根据MSER特征选取变换区域,在变换区域上提取仿射变特征。实验数据表明,该算法与其他现有的算法相比,所提取的仿射不变特征数量更多,验证了算法的有效性。
研究了仿射变形形状归一化及匹配问题。提出了一种确定主方向的新方法,大大简化了形状归一化的数学计算。提出了新的基于距离直方图的形状描述符,实现了归一化形状的匹配。实验验证了算法的有效性。
为了滤除特征匹配中的错误匹配,根据平面单应变换模型验证每个匹配的正确性。PEARL算法是一种有效的多模型验证算法,但它仍有初始模型不准确和类间平滑项设置不合理的问题。针对模型初始化问题,使用SPRT算法对抽样生成的模型进行检验,选取质量较高的模型作为PEARL算法的初始模型,使算法收敛到正确的模型。为PEARL算法的全局能量函数的类间平滑项设定距离阈值,提高模型计算的精度。实验结果表明,改进后的算法计算的模型更加准确和合理。