论文部分内容阅读
图像特征匹配是计算机视觉、模式识别等领域的一项重要研究内容,同时它也是其它计算机视觉应用的一个重要步骤,如图像配准、目标识别、图像拼接、三维重建等。因此,对于图像特征描述和匹配方法的研究,无论是在学术领域还是在工业领域都得到了广泛的关注。然而在实际问题中,由于图像拍摄场景的差异,以及图像间可能存在视角、平移、光照、旋转、尺度等变化,其中,图像形变和重复纹理是重要的两方面,它们是制约图像特征匹配性能的两大瓶颈。因此,如何提高算法对图像变化的鲁棒性仍是计算机视觉和模式识别领域的一项重要研究课题。本文主要研究形变和重复纹理下的特征描述与匹配方法,包括以特征组对为基础的局部不变的特征描述和利用几何引导约束方法解决富含重复纹理图像的特征匹配。本文的创新点体现在下面两点:(1)基于特征组对,提出了一种局部不变的特征匹配方法(WIOMSD)。特征对之间的距离信息被用于计算描述子的支撑区域大小,这不同于传统的利用检测子提供尺度信息确定支撑区域的方法。为了实现旋转不变,引入了基于亮度序的子区域划分方法,该方法避免了主方向估计,对图像旋转具有更好的鲁棒性。为了和经典的描述方法SIFT和SURF对比,我们分别选用DoG和Fast?Hessian检测子启动算法,同时对比实验还包括和我们算法类似的Tell和Fan的方法。实验表明,WIOMSD在多种图像变换下具有鲁棒性,尤其对于尺度和视角变化的图像。(2)针对富含重复性纹理图像的匹配问题,本文提出了一种利用几何引导约束的匹配方法(GCM),该方法对于处理存在图像形变和重复纹理的特征匹配问题表现出良好的性能。在GCM中,检测得到的特征点首先被组成特征对,然后我们引入了连接兼容性用以描述特征对之间相对几何关系,最后我们用定义的几何引导得到后续的潜在匹配特征,并用定义的几何约束验证其正确性。性能评价实验表明,我们的方法在多种图像变换下显著的提高了正确匹配数和匹配正确率。重复纹理场景应用和图像形变应用进一步表明GCM对解决存在图像形变和重复纹理的特征匹配的有效性。