【正文】 本科畢業(yè)設計(論文) 題目名稱： 學 院： 專業(yè)年級： 學生姓名： 班級學號： 指導教師： 二O一O年 月 日 目 錄摘 要 IIIABSTRACT IV第一章 緒論 1 研究背景 1 研究現(xiàn)狀綜述 2 特征點提取研究現(xiàn)狀 2 特征點匹配研究現(xiàn)狀 4 研究內容 5 論文組織結構 6第二章 圖像特征點提取算法研究 8 Harris特征點提取算法 8 Harris特征點檢測原理 8 Harris特征點檢測步驟 9 實驗分析 9 SIFT特征點提取算法 12 SIFT特征點提取算法原理及步驟 12 實驗分析 16 本章小結 19第三章 改進的H/S特征點提取算法 20 H/S算法分析 20 H/S算法提出的可行性分析 20 H/S算法結合方案研究 21 H/S算法實現(xiàn) 22 多尺度特征點檢測 22 特征點描述 23 實驗分析 25 算法評價標準 25 分情況特征點提取結果分析 25 本章小結 27第四章 基于H/S的特征點匹配方法 29 相似三角形方法局限性分析 29 三角形匹配原理 29 三角形相似方法局限性 31 改進的相似三角形匹配方法實現(xiàn) 31 三角形選取方案研究 32 相似三角形檢索方法改進 33 多模板改進方法分析 35 實驗結果與分析 36 本章小結 39第五章 工作總結與展望 40 工作總結 40 工作展望 41致 謝 42參考文獻 4344摘 要圖像匹配是圖像處理領域的基礎課題，在圖像拼接、全景視圖、對象識別等計算機視覺方面有廣泛應用。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，但算法時間復雜度高，難以處理圖像存在旋轉和尺度變化等情況，后者在適應性和速度方面有很大優(yōu)勢，但圖像特征的提取以及如何建立特征之間的對應關系一直是這類方法的研究難題。本文提出了一種新的特征點檢測算法，并根據三角形相似原理，提出一種改進特征點匹配方法。本文首先對兩種特征點提取算法(Harris算法和SIFT算法)進行分析比較，Harris角點檢測算法效率高，但對尺度變化和抗噪性的魯棒性差，SIFT算法對尺度變化及抗噪性魯棒性好，但算法時間復雜度高，且對圖像紋理要求高，本文結合兩種算法的優(yōu)點，提出了一種新的H/S特征點提取算法，該算法特征點檢測效率高，并且尺度不變性及抗噪性得到很大改善。在采用新的H/S特征點提取算法得到圖像中特征點后，對特征點匹配方法進行研究。傳統(tǒng)的三角形相似匹配方法雖然實現(xiàn)簡單，魯棒性好，但時間復雜度高，針對此局限性，本文提出了一種改進三角形匹配方法，將傳統(tǒng)方法被動搜索相似三角形變?yōu)樵趶蛿?shù)空間下選擇基線后主動構造相似三角形，并利用特征點組成基線向量對應三角形組得到多個模板在實物圖中匹配，提高了改進算法的實時性和穩(wěn)定性。關鍵詞 特征點，H/S算法，機器視覺，相似三角形檢索ABSTRACTImage matching is a basic problem in the field of image processing, it has wide applications in puter vision, such as image stitching, panoramic view, object recognition and so on. It includes graybased method and featurebased method. The former method is simple, but the time plexity of this algorithm is high, especially it’s difficult to deal with the situations of image rotation and scaling. The latter method is much more easily overing the difficulties which encountered by the former method, but how to create the corresponding relationships between the images’ features is always a difficult problem. A new feature point extracting method is proposed in this thesis, and a new matching method which is based on similar triangles is proposed.The thesis firstly analyses and pares two kinds of extracting feature points algorithms( Harris algorithm and SIFT algorithm ), Harris algorithm has high efficiency and poor antiscaling and antinoise performance, SIFT algorithm has good robustness about antiscaling and antinoise, but the time plexity of this algorithm is high, and it has a great demand on image texture. The thesis bines the advantages of these two algorithms, a new H/S algorithm which is used to extract feature points is proposed, this algorithm has well efficiency, meanwhile, the antiscaling and antinoise performance is greatly improved. While the feature points of images are obtained by using the new H/S algorithm, the matching methods are studied. Traditional similar triangles matching method is simple and has good robustness, but the time plexity of this algorithm is high, because of this limitations, the thesis proposes a improved matching method which is based on similar triangles, making the traditional passively searching similar triangles to select the baseline to actively construct similar triangles. The algorithm uses multitemplates to match in the image, the real time ability and stability of the algorithm is improved.KEY WORDS feature points, H/S algorithm, puter vision, similar triangles retrieval圖像特征點提取及匹配算法研究 第一章 緒論第一章 緒論 研究背景圖像特征點提取和匹配是圖像處理研究領域中的基礎課題，也是機器視覺的關鍵技術之一，廣泛應用于虛擬現(xiàn)實、視頻壓縮、圖像復原、圖像數(shù)據庫檢索等技術中，具有廣泛的應用前景及社會經濟價值。因此，特征點的提取和匹配越來越得到研究人員的關注。圖像匹配可以認為是在不同時間或相同時間、從不同視角或相同視角對同一場景拍攝的兩幅或者多幅圖像進行的空間域上的匹配過程。它通過建立兩幅圖像之間的對應關系，確定相應的幾何變換參數(shù)，對兩幅圖像中的同一目標進行匹配。近幾年在許多領域中，都對圖像配準進行了大量的研究，比較有代表的有：模式識別、自動導航、遙感領域、醫(yī)學診斷、計算機視覺等。經過國內外研究者多年的努力，人們提出了多種圖像匹配方法。這些方法大致可分為基于灰度值的方法和基于特征的方法兩大類[1]?；诨叶鹊钠ヅ渚褪侵鹣袼氐匕岩粋€以一定大小的實時圖像窗口的灰度矩陣與實際圖像的所有可能的窗口灰度矩陣按某種相似性度量方法進行搜索比較的匹配方法。為了克服基于灰度匹配方法缺點，提出了基于特征的匹配方法。特征匹配方法首先對圖像進行預處理來提取其高層次的特征，然后建立兩幅圖像之間特征的匹配對應關系，常用的特征基元有點特征、邊緣特征和曲線輪廓及區(qū)域特征等。由于興趣點(角點、拐點等)的信息含量高、數(shù)量相對較少且局部不變等特點，使其在基于特征的匹配中有更加廣泛的應用。如何建立圖像興趣點之間的對應關系一直是這類方法的研究熱點。目前已有許多有關此類問題的如Sanjay Ranade等提出的松弛算法[2]、Zsolt Mikl243。s等提出的三角形匹配算法[3]等。特征點匹配方法首先依賴于好的特征提取方法，特征點提取方法是從眾多特征中求出那些對分類識別最有效的特征，從而實現(xiàn)特征空間維數(shù)或數(shù)據量的壓縮。特征提取方法一般包含兩個階段：一是對圖像進行分割，提取目標區(qū)域或其邊界，抽取目標的基本特征，如灰度、紋理、形狀描述。二是找出或構造目標作某種運動或無論目標作何種運動都不變化的目標圖像特性的特征不變量。當提取特征點數(shù)目過多時就會存在大量的干擾信息(如：偽匹配點)，這將影響匹配的正確率和速度，當提取特征點過少時，將不利于精確匹配。同時特征點匹配方法需要保證在兩幅圖像點集中存有大量有效點，而當圖像特征點較多時，算法復雜度較大。本文基于以上熱點問題展開研究，首先對兩種特征點提取算法(Harris算法和SIFT算法)進行原理分析及實驗比較，得出Harris角點檢測算法效率高，但對尺度變化和噪聲干擾魯棒性差，以及SIFT算法對尺度變化及抗噪性魯棒性好，但算法時間復雜度高，且對圖像紋理要求高等結論，提出一種在多尺度下提取圖像穩(wěn)定特征點的H/S(Harris/SIFT)算法，并在此基礎上采用復數(shù)空間中相似三角形多模版匹配算法進行特征點間匹配，通過理論分析及實驗證明該方法在時間復雜度方面的改進和在圖像存在旋轉、縮放情況時匹配的準確性和有效性。 研究現(xiàn)狀綜述 特征點提取研究現(xiàn)狀在實際問題中圖像可能受到噪聲、背景的干擾，也可能發(fā)生平移、尺度、視角、光照等變化，如何選擇合理的特征和描述算子，使得這些特征不僅具有良好的表征性能，而且在上述因素變化下保持相對不變(即不變性)，直接決定了基于特征點的圖像匹配效果。以計算機視覺的不變理論為基礎，對圖像特征的不變性研究是目前圖像處理的重要環(huán)節(jié)，吸引了眾多研究工作者的興趣。圖像特征的不變性研究目前已取得了大量的研究成果。這些研究主要集中于以下幾方面：1) 不變特征的選取，如圖像的點、線、輪廓，像素點的強度、曲率、矩、特征向量等。2) 不變性獲取的途徑，如通過特征變換、小波理論、神經網絡、編碼技術、特征描述子的構造等。3) 不變特征的描述，如SIFT描述子、PCASIFT描述子、不變矩描述子、傅里葉描述子、微分不變描述子、顏色描述子、鏈碼描述子等。近年來，不變特征已引起國內外研究者和研究機構的廣泛關注。在相關領域中，具有代表性的研究機構是加拿大British Columbia大學智能計算實驗室，該實驗室開展了局部仿射不變特征提取方面的工作，其研究成果已應用于目標識別[4]、全景圖拼接[5]、虛擬現(xiàn)實[6]、機器人自主導航[7]等領域。芬蘭的Oulu大學機器視覺小組于2004年開始進行幾何不變性方面的研究，提出了一種具有完全仿射不變性的特征提取方法，并用于目標識別與配準。Oxford大學的機器人研究小組開展視覺不變性方面的研究，他們的主要成果是提出了一種仿射協(xié)變(Covariant)區(qū)域的檢測方法，用于提取圖像局部區(qū)域的仿射不變特征[8]。由于興趣點(角點、拐點等)的信息含量高、數(shù)量相對較少且局部不變等特點，使其在基于特征的匹配中應用最廣。目前在特征點提取方面，基于角點、局部不變特征點提取研究得到廣泛關注。1. 角點檢測方法一直以來角點沒有明確的數(shù)學定義，人們普遍認為角點是二維圖像亮度變化劇烈的點或圖像邊緣曲線上曲率極大值的點。這些點在保留圖像圖形重要特征的同時，可以有效地減少信息的數(shù)據量，使其信息的含量很高，有效地提高了計算的速度，有利于圖像的可靠匹配，使得實時處理成為可能。其在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領域起著非常重要的作用。目前角點的檢測主要分為兩大類：基于圖像邊緣的角點提取算法和直接基于圖像灰度的角點檢測。基于邊緣提取的角點檢測算法的基本思想是：角點是一種邊緣上的點，它是一種特殊的邊界點，即兩