多方法融合的圖像特征點(diǎn)匹配算法研究.pdf

1、圖像匹配是圖像處理領(lǐng)域的一個(gè)基本問題。圖像匹配分為基于灰度的方法和基于特征的方法。前者簡單易行，應(yīng)用普遍，但算法時(shí)間復(fù)雜度高，特別是難以處理圖像存在旋轉(zhuǎn)和尺度變化等情況。后者比較容易克服前者遇到的困難，但如何建立圖像特征之間的對(duì)應(yīng)關(guān)系一直是這類方法的研究難題。本文根據(jù)三角形相似原理，融合二維聚類算法及基于描述符方法思想，提出一種新的特征點(diǎn)匹配算法。 基于特征點(diǎn)的匹配方法分為特征點(diǎn)的提取和特征點(diǎn)的匹配兩個(gè)步驟。特征點(diǎn)提取作為基于特

2、征點(diǎn)匹配方法的首要步驟，對(duì)匹配的效果具有直接的影響。分析和比較常用的一些特征點(diǎn)提取算法之后，選取實(shí)驗(yàn)效果比較好的Harris角點(diǎn)檢測(cè)算法，用于本文灰度圖像的特征點(diǎn)提取。由于傳統(tǒng)Harris角點(diǎn)提取算法不適合圖像存在尺度變換情況，通過在尺度空間下進(jìn)行改進(jìn)，使新的算法能夠抗尺度變化。 經(jīng)過分析與比較，基于三角形相似的匹配方法實(shí)現(xiàn)簡單，魯棒性好，但需要對(duì)每個(gè)三角形對(duì)進(jìn)行同向相似性判斷，時(shí)間復(fù)雜度很高，且算法的穩(wěn)定性較大程度上依賴于特征

3、點(diǎn)的提??；另一種特征點(diǎn)匹配算法二維聚類方法，算法效率高，但其對(duì)初始有效點(diǎn)的數(shù)目要求比較高；基于描述符的方法能夠適應(yīng)圖像存在一定的形變和透視變換，但一般實(shí)現(xiàn)起來比較復(fù)雜，且對(duì)圖像紋理要求高。本文將上述方法進(jìn)行有機(jī)融合，使融合后的算法大大降低了對(duì)初始有效點(diǎn)的要求。 將傳統(tǒng)被動(dòng)的相似三角形檢索方法改進(jìn)為主動(dòng)檢索方法，使算法時(shí)間復(fù)雜度由O（n3）降為O（n2）。并通過在向量空間中實(shí)現(xiàn)改進(jìn)方法及參數(shù)聚類，算法效率得到了大大提高。同時(shí)改用一