论文部分内容阅读
随着科技的不断发展,人类越来越多地依赖海洋走进海洋,对于深浅海的探索在不断的加深。为了更好的利用海洋资源,针对水下光学图像的匹配本文展开了研究,在传统算法的基础上结合图像的拓扑结构特征并使用张量谱半径的迭代算法更好的实现了水中图像的匹配。对于人类而言视觉图像永远是最直接最直观的信息接收方式,同样在海洋的探索中图像是最能给人们带来直观感受的,但光在水中传播不同于在空气中传播,因此光学图像在水下会存在很多受限制的地方和因素。比如光线在水中存在很强的衰减特性,同时水中的气泡和水中悬浮杂质对光线传播的影响都会对光学成像造成很多障碍。在水下航行器的水下勘测、搜援、特种作业、智能识别、军事任务以及回收中,基于光学图像的识别、匹配和智能分析又是必不可少的,而目前传统的SIFT、SURF等图像匹配算法中强调的是点特征与点特征的匹配,由于是通过点与点之间的特征比较,无法体现出结构的特征。并且水下图像的特征点受影响因素多,尤其在水下航行器的人造光源下很容易造成特征点特征信息的失真,从而大大影响匹配的准确率。故本文研究了针对水下图像的兴趣点提取并使用张量来建立两组图像视觉特征之间的对应关系,以及通过迭代算法求解对称张量的谱半径问题,从而实现一种基于张量的水下图像匹配算法。不同于现有算法中通过特征点所在空间邻域的结构特征建立对应关系,该算法意在组合图像的多种视觉特征,寻求一个最优解实现这些组合中最小的差异化。该差异化函数由匹配图之间的特征的差异构建的张量来定义,通过局部到整体的拓扑结构特征实现匹配。最后通过迭代算法求解张量谱半径得出最优匹配解,从而实现图像的匹配。