基于特征點的圖像匹配技術(shù)研究.pdf

1、圖像配準是對取自不同時間、不同傳感器或者不同視角的同一場景的兩幅圖像或者多幅圖像進行匹配的過程，隨著計算機視覺技術(shù)的發(fā)展，圖像匹配技術(shù)被廣泛地應用在遙感圖像、醫(yī)學圖像、三維重構(gòu)、機器人視覺等諸多領(lǐng)域中。圖像配準的方法大致分為兩類：基于像素的圖像配準方法和基于特征的圖像配準方法。而基于特征的圖像配準方法是目前圖像配準最常用的方法，其最大的優(yōu)點在于能夠?qū)φ麄€圖像進行的各種分析轉(zhuǎn)化為對圖像特征（特征點、特征曲線等）的分析，從而大大減小了圖像

2、處理過程的運算量。經(jīng)過多年的研究，基于特征的圖像配準技術(shù)已經(jīng)取得了一定的研究成果，其主要步驟包括：圖像采集、特征提取、特征匹配、圖像變換。
　　 本文內(nèi)容以圖像配準的四個步驟為主線，首先概括介紹圖像配準技術(shù)的研究現(xiàn)狀、特點及應用領(lǐng)域，從而展示了圖像配準技術(shù)廣闊的應用前景。接著根據(jù)不同的硬件采集設(shè)備介紹了圖像采集的兩種方式以及圖像配準常用的數(shù)學模型。論文分析和總結(jié)了現(xiàn)有圖像匹配的主要方法、性能以及存在的問題，主要研究了兩個方面的內(nèi)

3、容：(1)本文通過研究邊緣特征和點特征，著重介紹了SIFT(Scale Invariant Feature Transform)點的形成過程以及涉及的邊緣提取技術(shù)，為了改善信噪比低的圖像的邊緣檢測效果，提出了一種基于多尺度多結(jié)構(gòu)元素的數(shù)學形態(tài)學與Canny算子相結(jié)合的邊緣檢測算法，得到的邊緣比較清晰，圖像的細節(jié)表現(xiàn)力和抗噪能力得到加強，為后續(xù)的特征提取、目標識別打下了良好的基礎(chǔ)；(2)在經(jīng)典的SIFT特征點的基礎(chǔ)上，針對不同的視角拍攝、

4、不同的光照和明暗變換、尤其包含考驗匹配算法的相似結(jié)構(gòu)多的情形的圖片，提出了一種基于網(wǎng)絡流的特征優(yōu)化匹配算法－最小費用K流算法(MKP)。該算法綜合利用了SIFT特征點的方向信息和梯度信息，采用本文改進的匹配度量函數(shù)衡量特征點之間的相似性來作為流網(wǎng)絡上的費用，借助于最小費用最大流的算法求出特征點之間的最優(yōu)匹配點對，根據(jù)弧上的匹配度量比值和雙向檢查約束的方法來剔除偽匹配對，得到兩幅圖像的優(yōu)化匹配點對，匹配準確率比一些經(jīng)典算法提高了14％，使