基于特征點的立體影像匹配.pdf

1、隨著科學技術的迅速發(fā)展，影像匹配技術已發(fā)展成為近代信息處理尤其是影像處理信息領域中的一項重要的技術。目前，國內(nèi)外研究學者對影像匹配已開展了大量的研究工作，提出了很多影像匹配方法，并取得了較好的成果。一般來說分為基于灰度匹配和基于特征匹配的方法兩大類。基于灰度匹配的方法計算量大，計算速度慢，而且在灰度信息匱乏的區(qū)域，匹配錯誤概率會上升?；谔卣鞯钠ヅ浞椒ㄓ行У谋苊饬嘶诨叶绕ヅ涞娜秉c，該方法不是直接利用灰度信息進行匹配，而是利用灰度信息導

2、出的符號特征來實現(xiàn)匹配，這樣就大大壓縮了影像的信息量，提高了匹配的速度，而且特征的匹配度量值對位置變化比較敏感，提高了匹配的精度。另外，特征受噪聲的影響小，對灰度變化、影像形變以及遮擋等都有較好的適應能力。目前基于特征的匹配方法中，特征點的匹配方法是應用較廣泛的，而傳統(tǒng)的基于特征點的匹配方法是基于參考影像和待匹配影像提取的特征點，然后在待匹配影像上遍歷整幅影像的特征點計算相似性度量，這樣就會產(chǎn)生一對多的偽匹配的情況，而且對于大量的數(shù)據(jù)來

3、說計算量也比較大。因此，本文提出一種基于影像分割結果的特征點匹配方法。該方法不僅減少了特征點匹配的計算量，也提高了計算速度和匹配精度。具體實現(xiàn)過程如下： 1.影像預處理，包括圖像的灰度化，灰度歸一化和中值濾波。 2.利用Harris算子提取特征點。 3.K-均值影像分割，對于分割后的區(qū)域按照灰度均值從小到大排序，并給以標記。 4.影像匹配。在兩幅影像中標號相同的區(qū)域進行歸一化互相關系數(shù)匹配，大于給定閾值的

4、點對即為候選匹配點對。 5.剔除粗差，得到最佳匹配點對。 6.對于匹配結果進行精度評定。 本文的主要內(nèi)容包括以下幾部分： 第一部分，闡述了影像匹配技術的研究意義和國內(nèi)外研究現(xiàn)狀以及主要研究的內(nèi)容。 第二部分，簡單介紹了影像匹配的基礎理論。 第三部分，對于目前常用的4種特征點提取算子(Moravec算子、Forstner算子及SUSAN算子，Harris算子)的原理和性能進行闡述和分析，并對

5、匹配中常用的Forstner和Harris算子進行試驗分析和比較。選取算法較穩(wěn)定的Harris算子進行特征點提取。 第四部分，介紹了影像分割中基于區(qū)域分割的常用方法，對其基本思想和特點進行闡述和分析，并對影像理解中較常用的K-均值方法進行試驗分析。 第五部分，利用航空立體影像，基于MATLAB7.1軟件對本文的方法進行試驗分析，并將匹配結果與傳統(tǒng)的基于特征點的匹配結果進行比較分析。 結論表明，本文提出的方法在匹配