论文部分内容阅读
图像匹配一直是摄影测量与计算机视觉领域研究的重点内容,它是三维重建、目标识别、导航制导等应用需要解决的关键技术问题。由于外界条件和传感器自身因素的影响,图像可能产生噪声、畸变、甚至部分信息的损失,而利用包含图像重要信息的特征点来确定图像间的变换关系是解决此问题的一种有效方法。本文重点研究了基于高斯尺度空间下图像特征点的提取问题,以及在采取一定的匹配策略下,应用金字塔分解的最小二乘算法实现图像匹配,目的是解决摄影测量中数字影像处理自动化的问题。具体研究的内容包括以下几个方面。1)阐述了图像多尺度的基本概念和发展,给出了金字塔式的多尺度表达和高斯尺度空间的多尺度表达的相关理论;探讨了高斯尺度空间下尺度参数的自适应确定问题,根据信息论的原理,图像熵值的大小能反应特征的丰富程度,尝试应用图像熵来表达特征尺度;2)结合传统的Forstner算子,运用多尺度空间理论,利用图像熵来代替高斯尺度空间的尺度参数,并进一步通过最大极值熵的方法求图像的局部尺度,实验证实了改进后的算子在保持Forstner算子本身优点的同时,又具有尺度不变性;讨论了影像金字塔的分层层数问题,并通过实验分析,阐释尺度选择是具有范围的;3)深入研究了最小二乘匹配算法,采用金字塔模式对图像分层,利用本文改进的探测算子提取出特征点,建立两幅图像的初始局部特征点种群,然后采取特征点局部图像相关测度作为同名点的相似性度量,逐层对匹配点进行精度校正,最终得到原始图像上的同名点,从而准确完成图像的匹配过程,通过仿真实验表明算法能够取得令人满意的目标匹配结果;