基于角點(diǎn)和尺度不變特征變換的圖像配準(zhǔn)方法.pdf

1、圖像配準(zhǔn)，即對同一場景進(jìn)行不同時間、不同視角或不同傳感器拍攝的兩幅或多幅圖像，按照某種相似性度量，進(jìn)行空間變換處理，使得各圖像在幾何上能夠?qū)?yīng)起來。圖像配準(zhǔn)技術(shù)是圖像拼接、醫(yī)學(xué)診斷、計算機(jī)視覺、遙感圖像處理等領(lǐng)域中，必不可少的基本步驟之一，并且配準(zhǔn)得到的結(jié)果將會直接影響到后續(xù)的圖像處理過程。因此，圖像配準(zhǔn)一直被關(guān)注和強(qiáng)調(diào)。根據(jù)圖像配準(zhǔn)過程中利用到的圖像信息的不同將配準(zhǔn)方法分為基于灰度信息的方法、基于變換域的方法和基于特征的方法三大類。其

2、中基于特征的方法現(xiàn)在是圖像配準(zhǔn)中最常見的方法，它最大的優(yōu)點(diǎn)是能夠通過分析圖像的點(diǎn)特征來分析整個圖像，從而在圖像處理過程中大大減少了運(yùn)算量。因此本文重點(diǎn)研究基于特征點(diǎn)的配準(zhǔn)方法。
　　 本論文介紹了角點(diǎn)檢測的常用算法，重點(diǎn)介紹了Harris角點(diǎn)檢測算子和Susan角點(diǎn)檢測算子，并把歸一化互相關(guān)原理(NCC)作為相似性準(zhǔn)則，與這兩種算子結(jié)合對圖像進(jìn)行特征點(diǎn)的提取和匹配。
　　 基于尺度不變特征變換(SIFT)的配準(zhǔn)方法目前已

3、經(jīng)是圖像配準(zhǔn)的主要方法之一。經(jīng)過大量的實(shí)驗證明SIFT算子對圖像的亮度變化、旋轉(zhuǎn)變化、尺度變化具有不變性，對噪聲、仿射變換、視角變化也具有一定的魯棒性。SIFT算子特征點(diǎn)的特征向量描述符有128維，這樣的特征向量具有豐富的信息和獨(dú)特的特點(diǎn)，能夠很好的實(shí)現(xiàn)精確匹配。但是該算法提取出的特征點(diǎn)非常多、特征向量描述符維數(shù)太高、配準(zhǔn)時間太長，并且提取出的大量特征點(diǎn)中仍存在少量的不穩(wěn)定點(diǎn)，這些點(diǎn)會使配準(zhǔn)的精度和效率有所降低。針對這些問題，本文從以下

4、幾個方面對SIFT算法進(jìn)行改進(jìn)。
　　 第一，本文在基于SIFT的圖像配準(zhǔn)中引入Harris角點(diǎn)檢測算子，對SIFT算子提取出的特征點(diǎn)計算其Harris角點(diǎn)響應(yīng)，剔除那些低響應(yīng)的特征點(diǎn)，這樣，經(jīng)過篩選后的特征點(diǎn)更穩(wěn)定，更能代表圖像信息，同時降低了特征點(diǎn)進(jìn)行特征向量描述過程中巨大的計算量。
　　 第二，本文將SIFT算子中特征點(diǎn)的128維的特征描述符進(jìn)行簡化，降為24維。這樣，就能在匹配過程中減少很多時間，加快了配準(zhǔn)的速度

5、。
　　 第三，由于單向匹配算法雖然速度比較快，但匹配效率卻不高，得到的匹配結(jié)果還是有很多錯誤的匹配出現(xiàn)，因此，將匹配策略改為雙向匹配，這種匹配算法雖然增加了匹配時間，但卻大大的提高了匹配效率，在匹配結(jié)果中基本沒有誤匹配出現(xiàn)。
　　 實(shí)驗結(jié)果顯示，改進(jìn)的算法剔除了很多不具有獨(dú)特性的SIFT特征點(diǎn)，留下來的特征點(diǎn)大都聚集在圖像的輪廓處，且數(shù)量少于原有特征點(diǎn)數(shù)量的一半。由于改進(jìn)的算法特征點(diǎn)剔除了大部分并且簡化了特征描述符，因