基于圖理論的圖像特征匹配算法研究.pdf

1、圖像匹配是指將不同時間、不同成像條件下獲取的的兩幅或多幅圖像進行空間上的對準，確定圖像之間的幾何映射關(guān)系，進而使得圖像能夠匹配的過程。作為計算機視覺的核心技術(shù)之一，圖像匹配是圖像分析與處理中的基礎(chǔ)問題。圖像匹配在目標對象識別、紋理發(fā)現(xiàn)與分析、圖像信息融合、圖像檢索等領(lǐng)域的應(yīng)用越來越廣泛，具有十分重要的研究意義。
　　基于特征的圖像匹配算法由于對圖像的尺度變化、仿射形變等具有良好的穩(wěn)定性和魯棒性，受到了國內(nèi)外學者的廣泛關(guān)注。圖模型作

2、為一種描述數(shù)據(jù)的工具，可以有效的表示圖像的結(jié)構(gòu)特征，同時保留區(qū)域之間的相互聯(lián)系，利用圖模型來實現(xiàn)圖像特征點匹配的研究受到了學術(shù)界的青睞。基于圖理論的圖像特征點匹配方法，由于具有較好的適應(yīng)性和較高的匹配精度，是近年來研究的熱點和難點問題。本文圍繞基于圖理論的圖像特征匹配方法進行了相關(guān)研究，主要研究內(nèi)容和研究成果如下:
　　(1)研究分析了圖像匹配的理論意義和實用價值，對國內(nèi)外關(guān)于圖像匹配的研究現(xiàn)狀進行了概括和總結(jié)。重點對圖像特征匹配

3、進行了理論方面的概述，首先重點介紹了圖的基本概念和矩陣表示，然后介紹了圖像特征匹配中的兩個關(guān)鍵技術(shù):特征提取和特征描述，最后對經(jīng)典的SIFT圖像特征匹配算法進行了詳細的分析。圖的相關(guān)理論和對SIFT算法的研究，為本文圖像匹配算法的提出奠定了重要的理論基礎(chǔ)。
　　(2)針對圖像特征點匹配，結(jié)合層次聚類的思想，本文給出了一種基于自頂向下分裂聚類的圖像匹配算法。該算法的主要思想是采用互k近鄰圖模型來表示圖像之間的對應(yīng)關(guān)系，在互k近鄰圖表

4、示模型中，頂點代表特征點之間的對應(yīng)關(guān)系，頂點之間的邊代表對應(yīng)關(guān)系的幾何相容性。定義的團密度函數(shù)可以衡量是否屬于同一個團，一般情況下，團密度的值越大，越有可能是正確的團。該算法不僅可以獲得圖像之間的對應(yīng)關(guān)系，還可以指示出哪些對應(yīng)關(guān)系屬于同一個目標。同一個團內(nèi)的對應(yīng)關(guān)系之間幾何相容性較高，不同團之間的對應(yīng)關(guān)系相容性則較低，因此不同的目標會呈現(xiàn)出不同的團。在互k近鄰圖表示模型的基礎(chǔ)上，通過團檢測方法獲得圖中的團，利用的是分裂聚類的思想。最終，

5、根據(jù)團內(nèi)包含的頂點恢復(fù)出團內(nèi)的對應(yīng)關(guān)系，從而達到圖像匹配的目的。在真實圖像上的對比實驗表明，自頂向下分裂聚類的圖像匹配算法在匹配性能上要優(yōu)于ACC算法，提高了圖像匹配的查全率和查準率，實驗的效果圖和定量分析結(jié)果都表明該算法具有較好的匹配結(jié)果。
　　(3)為了進一步提高圖像特征匹配算法的準確度，本文提出了一種基于局部近鄰圖的特征描述與特征匹配算法，通過為每個特征點構(gòu)建局部近鄰圖來深層次挖掘圖像上的結(jié)構(gòu)信息。該算法首先通過FAST和S

6、URT算法檢測初始的特征點，然后為所有的特征點構(gòu)造局部近鄰圖，每個局部圖由該特征點及其近鄰特征點組成，至此形成一種新穎的特征描述方法。在這個新穎的特征描述符的基礎(chǔ)上，給出了一個相似性度量函數(shù)和一個能量函數(shù)，鑒于此，提出了一種基于局部近鄰圖模型的特征匹配算法。為了驗證該算法的有效性，進行了兩個方面的實驗:高斯噪聲模擬實驗和真實圖像匹配實驗。高斯噪聲模擬實驗的目的是為了分析離群點和變形噪聲對算法性能的影響，而在真實圖像庫上進行實驗，是為了驗