基于多尺度特征的圖像匹配與目標(biāo)定位研究.pdf

1、水下環(huán)境的復(fù)雜性使得水下圖像的信息量缺乏，給目標(biāo)識別和定位帶來一定障礙，特別是對于非結(jié)構(gòu)化目標(biāo)的提取與識別存在很大的困難，這也是當(dāng)前水下信息處理領(lǐng)域研究的熱點之一。由于多尺度真實地反映出現(xiàn)實世界的表現(xiàn)形式，因此受到了學(xué)界的廣泛重視。目前對尺度的概念有多種解釋，如采用不同分辨率作為圖像尺度的，也有以圖像尺寸大小為尺度的，有的以距離遠近作為尺度，還有以卷積核的參數(shù)為尺度。本文以海底目標(biāo)為研究對象，重點研究了基于高斯尺度空間的非結(jié)構(gòu)目標(biāo)多尺度

2、模型的建立，多尺度特征的提取，多尺度特征的圖像匹配以及在水下非結(jié)構(gòu)目標(biāo)定位中的應(yīng)用。 論文首先回顧了基于視覺的水下多尺度理論的發(fā)展及現(xiàn)狀，討論了多尺度的定義及其基本理論，闡明了不同的尺度表達模型的特點。重點研究了高斯尺度空間理論，高斯尺度空間成為圖像研究中的一個重要方面，是由于高斯尺度空間理論簡單以及高斯函數(shù)本身的許多獨特性質(zhì)。通常的尺度變換會隨著尺度的增加圖像越來越模糊，更多的細節(jié)被丟失，采用高斯差函數(shù)可以保留這些細節(jié)信息。在

3、高斯尺度空間的構(gòu)造中正確選用尺度參數(shù)，以使圖像信息的變化呈現(xiàn)均勻的特點顯得尤其重要。目前許多高斯尺度空間應(yīng)用中采用的層之間的尺度參數(shù)關(guān)系并不明確，使得分層效果不理想。論文基于視覺特征模型提出一種自適應(yīng)高斯尺度參數(shù)的算法，并通過試驗驗證了它的有效性，從而為圖像的高層次處理如目標(biāo)識別等提供信息量穩(wěn)定變化的尺度空間。 尺度不變性是衡量特征提取算法的一個重要因素。針對水下圖像噪聲大的特點，本文提出了具有抗噪特性的尺度不變特征提取算法，算

4、法是建立在Harris 角點特征和高斯尺度空間的基礎(chǔ)之上，在不同尺度下提取同一目標(biāo)的Harris 角點，從最高層的特征點開始往下搜索它們的對應(yīng)點，本文還給出了該算法下求特征尺度的方法，實驗表明多尺度特征點具有較強的抗噪能力和尺度不變性，且計算量少。SIFT(ScaleInvariant Feature Transform)算子因其具有良好的尺度、旋轉(zhuǎn)、光照等不變特性而在圖像匹配中得到廣泛的應(yīng)用，本文給出了水下圖像的SIFT 特征提取效果

5、。結(jié)合熵的理論，本文給出多尺度熵的定義，并在此基礎(chǔ)上通過多尺度熵差提取了水下煙囪圖像的外部輪廓。 本文接著研究了基于SIFT 算法的水下圖像匹配技術(shù)。為了增加匹配數(shù)，我們分析了彩色圖像特征檢測的可行性，指出了此算法在彩色圖像處理中的應(yīng)用潛力，并為后續(xù)工作提供借鑒及參考。針對SIFT 算法采用128 維向量來表征一個特征點導(dǎo)致計算量過大的缺陷，本文給出了基于圓形窗口的SIFT 簡化算法，對每個特征點只采用12 維特征向量表示，在不

6、明顯降低匹配數(shù)量的同時，較大提高了計算機處理的實時性。同時，由于原算法中主方向的獲得是通過對8 維方向向量的統(tǒng)計獲得，導(dǎo)致主方向產(chǎn)生量化誤差，簡化的SIFT 算法由于采用圓形窗口，不存在量化誤差，因此旋轉(zhuǎn)不變性優(yōu)于原算法，實驗結(jié)果也驗證了該結(jié)論。 論文最后討論了上述研究成果在目標(biāo)定位中的應(yīng)用。首先描述坐標(biāo)之間的轉(zhuǎn)化關(guān)系以及多種相機標(biāo)定方法，并采用Zhang的平面標(biāo)定算法對相機進行內(nèi)部參數(shù)標(biāo)定；再利用SIFT 特征匹配方法求得穩(wěn)定