论文部分内容阅读
近年来计算机视觉取得飞速发展,图像匹配作为计算机视觉领域中的一项关键技术,越来越受到国内外学术界的关注。现阶段图像匹配技术被广泛运用于在目标识别、图像检索、三维重建等实际应用中,具备十分重要的研究意义以及应用价值。通过研究人员的不断创新,图像匹配技术获得了显著发展,涌现出一大批优秀的图像匹配算法,取得了较好的效果。然而由于图像信息复杂且所处环境多变,无论哪种图像匹配技术都有其局限性,不可能适用于所有图像的匹配。尤其当发生复杂的图像变化如噪声干扰、仿射形变时,最早提出的基于灰度值的图像匹配算法已无法满足匹配要求。目前基于局部特征的图像匹配算法以其较高的鲁棒性而被广泛应用,该算法主要包括特征检测和特征描述两个方面,并作为本文的研究重点。本文在分析总结经典图像匹配算法基础上,针对算法的鲁棒性以及运算速度方面提出了相关改进算法。具体工作如下:(1)研究了Hessian-Affine算子在图像局部特征区域检测中的应用,提出一种基于Hessian-Affine的DCT域局部特征描述子。该方法首先对图像进行预处理,得到理想的匹配图像,然后利用Hessian-Affine算子检测稳定的特征区域,将特征区域归一化后在极坐标下进行网格采样,对形成的采样矩阵进行DCT变换并通过ZigZag扫描,最后生成一个紧凑的特征向量。并且可以根据目标图像的性质,灵活地选取特征向量的维数,生成具有较高鲁棒性的局部特征描述子。(2)研究了SURF算法在图像快速匹配中的应用,提出了一种基于DCT和SURF的快速遥感图像匹配算法,充分利用了DCT算法在图像分解的去相关性,能量集中性,可分离性以及SURF算法的快速性。算法首先构建了DCT系数缩减矩阵,在此基础上重构图像并作为SURF算法的输入得到预匹配结果;最后利用得到的预匹配结果求解出相应的变换模型参数,并采用随机抽样一致(RANSAC)算法进一步剔除误匹配点对。大量实验结果表明,本算法在保证遥感图像匹配质量的前提下,较大提高了算法的匹配速度,满足了实时要求。