【正文】 觀、容易理解以及吸引人注意等優(yōu)點(diǎn)，是人們感知和認(rèn)識外部的重要載體，人們生活中離不開圖像。圖像匹配是圖像處理的一個(gè)基本問題。 數(shù) 字 圖 像 處 理 的 產(chǎn) 生 和 迅 速 發(fā) 展 主 要 受 三 個(gè) 因 素 的 影響 ： 一 是 計(jì) 算 機(jī) 的 發(fā) 展 ； 二 是 數(shù) 學(xué) 的 發(fā) 展 ； 三 是 廣 泛 的 農(nóng) 牧 業(yè) 、 林 業(yè) 、 環(huán) 境 、 軍事 、 工 業(yè) 和 醫(yī) 學(xué) 等 方 面 的 應(yīng) 用 需 求 的 增 長 。 數(shù) 字 圖 像 處 理 的 發(fā) 展 從 20世 紀(jì) 20年 代初 的 應(yīng) 用 于 改 善 倫 敦 和 紐 約 之 間 海 底 電 纜 發(fā) 送 的 圖 片 質(zhì) 量 ， 到 20世 紀(jì) 70年 代 圖 像處 理 主 要 和 模 式 識 別 及 圖 像 理 解 系 統(tǒng) 的 研 究 相 聯(lián) 系 。簡單地說，圖像匹配就是找到兩幅不同圖像之間的空間位置關(guān)系。圖像可以分為模擬圖像和數(shù)字圖像之分。數(shù)字圖像是用二進(jìn)制來表示圖像的，是離散的數(shù)據(jù)集，可以通過數(shù)碼相機(jī)等數(shù)字設(shè)備來獲取。(2) 軍 事 、 公 安 、 檔 案 等 其 它 方 面 的 應(yīng) 用 軍 事 目 標(biāo) 的 偵 察 、 制 導(dǎo) 和 警 戒 系 統(tǒng) 、自 動 火 器 的 控 制 及 反 偽 裝 ； 公 安 部 門 的 現(xiàn) 場 照 片 ； 指 紋 、 手 跡 、 印 章 、 人 像 等 的進(jìn) 一 步 處 理 和 辨 識 ； 歷 史 文 字 和 圖 片 檔 案 的 修 復(fù) 和 管 理 ； 以 及 其 它 方 面 圖 像 信 息的 顯 示 、 記 錄 、 處 理 和 文 字 自 動 識 別 等 。(4) 數(shù) 字 圖 像 處 理 還 應(yīng) 用 于 工 業(yè) 生 產(chǎn) 中 的 產(chǎn) 品 質(zhì) 量 檢 測 、 生 產(chǎn) 過 程 的 自 動 控 制 、計(jì) 算 機(jī) 輔 助 設(shè) 計(jì) 與 制 造 、 醫(yī) 學(xué) 和 農(nóng) 業(yè) 等 各 個(gè) 方 面 。 圖像匹配就是把具有同一場景的兩幅或多幅圖像在空間上對準(zhǔn)，進(jìn)而確定它們之間變換關(guān)系的過程，這些圖像可能是在不同時(shí)間、用不同傳感器、從不同視角拍攝下來的?，F(xiàn)在約40％的機(jī)器視覺應(yīng)用中需要用到圖像匹配技術(shù)，所涉及的應(yīng)用領(lǐng)域從上述幾種應(yīng)用擴(kuò)大到工業(yè)檢測的地形匹配、光學(xué)和雷達(dá)的圖像跟蹤、工業(yè)流水線的白動監(jiān)控、工業(yè)儀表的自動監(jiān)控、資源分析、氣象預(yù)報(bào)、醫(yī)療診斷、交通管理、文字識別以及圖像檢索等。第 節(jié) 圖像匹配的概述 圖像匹配的概念 圖 像 匹 配 是 指 通 過 一 定 的 匹 配 算 法 在 兩 幅 或 多 幅 圖 像 之 間 識 別 同 名 點(diǎn) ， 如 二維 圖 像 匹 配 中 通 過 比 較 目 標(biāo) 區(qū) 和 搜 索 區(qū) 中 相 同 大 小 的 窗 口 的 相 關(guān) 系 數(shù) ， 取 搜 索 區(qū)中 相 關(guān) 系 數(shù) 最 大 所 對 應(yīng) 的 窗 口 中 心 點(diǎn) 作 為 同 名 點(diǎn) 。圖像匹配的研究涉及到多方面，包括圖像采集、圖像分割、圖像處理、特征提取等方面，并且與計(jì)算機(jī)視覺、多維信號處理和數(shù)值計(jì)算方法緊密結(jié)合?；?度 匹 配 的 基 本 思 想 ： 以 統(tǒng) 計(jì) 的 觀 點(diǎn) 將 圖 像 看 成 是 二 維 信 號 ，北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）4采 用 統(tǒng) 計(jì) 相 關(guān) 的 方 法 尋 找 信 號 間 的 相 關(guān) 匹 配 。由于傳感器噪聲、光照、目標(biāo)移動和變形、成像過程中視角改變或者環(huán)境的改變會使同一場景在不同條件下投影所得到的二維圖像會有很大的差異。搜索策略有窮盡搜索、分層搜索、模擬退火算法、Powell方向加速法、動態(tài)規(guī)劃法、遺傳算法和神經(jīng)網(wǎng)絡(luò)法等。70年代初，美國首先在飛行器輔助導(dǎo)航系統(tǒng),武器投射系統(tǒng)的末制等應(yīng)用研究中首先提出了圖像匹配這一概念。 1所示。1 匹 配 三 要 素特征空間 相似性度量 搜索策略灰度 相關(guān)系數(shù) 層次特征點(diǎn) 歸一化相關(guān)系數(shù) 迭代點(diǎn)匹配邊緣強(qiáng)度 歸一化相關(guān)系數(shù)及匹配濾波器 層次迭代或模擬退火二值邊緣 統(tǒng)計(jì)相關(guān)與匹配濾波器 模擬退火曲線 絕對差之和、局部熵差 遺傳算法、神經(jīng)網(wǎng)絡(luò)表面 奄模相關(guān) 樹或圖匹配統(tǒng)計(jì)屬性 Hausdorff距離 松弛算法模型 最小距離分類器 能量最小化高層匹配 互信息 快速FFT北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）6第 2 章 圖像匹配的幾種算法 圖像匹配研究涉及到了圖像采集、圖像預(yù)處理、圖像分割、特征提取等，并且與計(jì)算機(jī)視覺、多維信號處理和數(shù)值計(jì)算方法等緊密結(jié)合。圖像匹配的算法很多, 但基本原則是不變的：算法必須有效；必須穩(wěn)定；必須快速?；?于 灰 度 相 關(guān) 的 匹 配 算 法 直 接 利 用 圖 像 的 灰 度 進(jìn) 行 匹 配 ， 可 以 利 用 圖 像 的 所 有 信息 ， 但 需 要 處 理 很 大 的 信 息 量 ， 計(jì) 算 復(fù) 雜 而 且 容 易 出 錯(cuò) ， 很 難 達(dá) 到 實(shí) 時(shí) 匹 配 的 要求 ， 而 且 對 圖 像 間 的 細(xì) 微 差 別 很 敏 感 ， 一 個(gè) 很 小 的 變 化 都 有 可 能 對 匹 配 的 結(jié) 果 產(chǎn)生 很 大 的 影 響 ， 從 而 導(dǎo) 致 匹 配 的 失 敗 。（1）不變矩匹配法 不變矩匹配算法用兩個(gè)圖像之間七個(gè)不變矩之間的相似性來描述相似度。最簡單的基于灰度值的方法是利用灰度的絕對差值 (absolute difference，簡稱AD) 即計(jì)算模板與搜索子圖灰度值的 L1 距離 [8]: D(i,j)= |Mi,j(m,n)N(n,m)| (2顯然，此種算法的時(shí)間復(fù)雜度是O(M 2N2) ，一旦搜索圖的灰度發(fā)生變化，算法將可能會失效。利用灰度信息匹配方法存在著各種缺陷，實(shí)際工作中一般都有一定的速度要求，所以這些方法很少被使用。 點(diǎn) 點(diǎn) 匹 配 首 先 按 一定 的 約 束 關(guān) 系 得 到 兩 個(gè) 點(diǎn) 集 ， 然 后 利 用 其 它 的 約 束 條 件 剔 除 錯(cuò) 誤 匹 配 點(diǎn) ， 最 好 確定 點(diǎn) 與 點(diǎn) 的 一 一 對 應(yīng) 關(guān) 系 。特 征 匹 配 首 先 對 圖 像 進(jìn) 行 預(yù) 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(yīng) 關(guān) 系 ， 通 常 使 用 的 特 征 基 元 有 點(diǎn) 特 征 、 邊 緣 特 征 和 區(qū)域 特 征 。而全局特征就是局部特征的組合。對特征描述的定義即如何量化地描述一個(gè)特征，一個(gè)好的特征描述定義應(yīng)該盡量做到以下幾點(diǎn)：來自兩幅圖像的特征應(yīng)該就有幾何不變性，特征值受噪聲的影響應(yīng)該小；要使特征值盡量分散，即不同的特征應(yīng)該有不同的特征值，這樣才可以避免歧義性；一個(gè)特征有多個(gè)特征可匹配，要使特征的描述盡量簡單，過于復(fù)雜的描述會增加計(jì)算復(fù)雜度?；谔卣鞯膱D像匹配方法流程如圖 2理想的特征點(diǎn)中含有反映圖像的重要結(jié)構(gòu)信息，容易與別的像素點(diǎn)區(qū)別，并且當(dāng)圖像發(fā)生變換或者獲取圖像的視覺發(fā)生變化時(shí)，仍然能保持獨(dú)立性。還有的就是雖然算法定位精度和運(yùn)算速度很理想，但是有噪聲影響，導(dǎo)致其性能下降。(2)特征點(diǎn)位的精確性。(4)簡單性。基于灰 度 特 征 點(diǎn) 提 取 算 法 主 要 根 據(jù) 像 素 點(diǎn) 的 灰 度 或 梯 度 特 征 提 取 特 征 點(diǎn) 。SIFT算法的主要思路是：首先建立圖像的尺度空間表示，然后在尺度空間中搜索圖像的極值點(diǎn)，由極值點(diǎn)建立特征描述向量。SIFT 算法的實(shí)現(xiàn)主要包括4個(gè)步驟:(1) 檢測尺度空間極值，以初步確定關(guān)鍵點(diǎn)位置和所在尺度。(4) 生成本地特征點(diǎn)描述符?，F(xiàn)在所要解決的問題就是要求出這個(gè)模型的參數(shù)。文中將第二幅圖像平面分成 16 個(gè)小方格，每次選取 4 個(gè)包含特征點(diǎn)的方格，再在每個(gè)方格內(nèi)隨機(jī)選取一個(gè)點(diǎn)，由這四個(gè)點(diǎn)計(jì)算透視矩陣。第 節(jié) 基于邊緣特征的匹配算法邊緣無疑是圖像中最顯著和直觀的特征，它存在于圖像的目標(biāo)區(qū)域和背景之間，對應(yīng)著圖像中更抽象的信息和匹配時(shí)比區(qū)域匹配更少的計(jì)算量。在數(shù)學(xué)上可以利用灰度的導(dǎo)數(shù)來描述邊緣點(diǎn)的變化，對階躍狀邊緣、屋頂狀邊緣分別求其一階、二階導(dǎo)數(shù)。其中 Canny 算子是比較常用的方法，下面將簡單介紹上述的邊緣特征提取方法 [12]。6)通過差分可以求得Roberts 算子在差分點(diǎn)(i +1/2, j +1/2)處連續(xù)梯度幅度的近似值R(i, j)。7) Sy=[f(i+1,j1)+2f(i+1,j)+f(i+1,j+1)][f(i1,j1)+2f(i1),j+f(i1,j+1)] (2但是，Sobel 算子也檢測出了一些偽邊緣，使得邊緣比較粗，降低了檢測定位精度。 Canny 邊緣檢測算子 圖像邊緣檢測的方法很多，而Canny算子是目前圖像邊緣檢測方法中最好的，它是Canny于1986年提出的，具有良好的信噪比和檢測精度。檢測到的邊緣點(diǎn)與實(shí)際邊緣點(diǎn)位置最近。9)其中δ是高斯函數(shù)的散步參數(shù)，用于控制平滑程度(假設(shè)取值為1)；f( i, j)為待平滑的圖像數(shù)據(jù),即圖像I中的像素，G( i, j)為平滑后的圖像數(shù)據(jù)， H ( i,j)是高斯濾波函數(shù)。1 x方向梯度模板j1 j j+1i1 0 0 0I 0 1 1i+1 0 1 1 沿著y方向的梯度(垂直梯度)為： Q(i,j)={G(i,j)G(i+1,j)+G(i,j+1)G(i+1,j+1)} /2,0i,jn (213)這樣在e ( i, j) = 255處的梯度方向?yàn)? for e(i,j)=255 (2但是，邊緣方向會受到圖像旋轉(zhuǎn)的影響，進(jìn)而影響到其直方圖，采用下面的平滑公式對直方圖進(jìn)行平滑： Histogram[j]s= (2要加快運(yùn)算速度，就要減少搜索位置和每個(gè)位置處的計(jì)算量。 算法步驟如下所示： (1) 分別對源圖像和模板圖像進(jìn)行J 層小波分解，得到各級分解后的灰度信息； (2) 在第J 層上，采用相似度測量模板匹配法，對源圖像和模板圖的低頻部分進(jìn)行粗匹配，得到該尺度上的最佳匹配區(qū)域； (3) 在第J1 層上，對上一步中得到的最佳匹配區(qū)域內(nèi)進(jìn)行歸一化互相關(guān)匹配計(jì)算，得到本尺度的最佳匹配區(qū)域； (4) 依此類推，重復(fù)步驟(3) 的匹配計(jì)算； (5) 在第0層上，對前一步得到的最佳匹配區(qū)域進(jìn)行匹配計(jì)算，得到最終匹配結(jié)果。但是分解層數(shù)過大，會損失圖像原有信息，使得高層的匹配結(jié)果很不可靠。在進(jìn)行圖像匹配時(shí)，要求經(jīng)過小波變換后的低頻圖像中要盡可能多的保留原始圖像的有用信息，尤其是邊緣、線段等灰度變換較大的地方，否則容易造成失配。匹配過程如圖2它由神經(jīng)元結(jié)構(gòu)模型、網(wǎng)絡(luò)學(xué)習(xí)算法、網(wǎng)絡(luò)連接模型等幾個(gè)要素組成，是具有某些智能功能的系統(tǒng)。最后給出迭代結(jié)果，片對其進(jìn)行分析評價(jià)。因此， 近幾年的研究逐北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）18漸轉(zhuǎn)向基于區(qū)域和目標(biāo)對象的高層圖像語義描述特征的提取，嘗試由圖像的底層次特征推知高層次語義，從而由高層語義特征計(jì)算圖像相似程度。 遺 傳 算 法 的 這 些 性 質(zhì) ， 已 被 人 們 廣 泛 地 應(yīng) 用 于 組 合 優(yōu) 化 、 機(jī) 器 學(xué) 習(xí) 、信 號 處 理 、 自 適 應(yīng) 控 制 和 人 工 生 命 等 領(lǐng) 域 。 (5) 網(wǎng)格匹配法算法該匹配法是基于塊匹配的，也是在第一幅圖像中找出一塊作為模板，在第二幅圖像中搜索匹配塊時(shí)，首先進(jìn)行粗匹配，每次移動一個(gè)步長，計(jì)算對應(yīng)像素點(diǎn) RGB值的差的平法和，記錄最小值的網(wǎng)格位置為目前最佳匹配位置，接下來以該位置為中心進(jìn)行精確匹配，每次步長減半，再次搜索最小值，循環(huán)該過程直到步長為 0，最終得到最佳匹配位置。1)。1 模板匹配示意圖 定義: F(Ri)為R i塊的20位二進(jìn)制編碼特征表示，簡稱R i塊的編碼。 顯然，F(xiàn)(R i)表示R塊R i 的灰度與相鄰8個(gè)R塊灰度的分布(序)關(guān)系，體現(xiàn)了圖像灰度的相對值，因此對整體灰度值的變化具有相對的穩(wěn)定性。對邊長為H的圖像，共可得到[H 2/K2]個(gè)R塊。圖 3i1 基準(zhǔn)圖 i2 從基準(zhǔn)圖中剪切的模板圖圖 33基于灰度圖象位置(200，200)匹配結(jié)果圖 3如圖 36 所示，匹配詳細(xì)程序見附錄。6 基準(zhǔn)圖旋轉(zhuǎn)5度后匹配的結(jié)果37 所示，基準(zhǔn)圖中加入高斯噪聲后，圖像變得模糊。8 示為加入高斯噪聲后匹配結(jié)果。匹配所用的時(shí)間為 秒。圖像的邊緣主要表現(xiàn)為圖像局部特征的不連續(xù)性，是圖像中灰度變換比較劇烈的地方。目前，用于邊緣檢測的算子有很多，如Roberts 算子、Sobel 算子、Prewitt 算子和Canny 算子。初步提取的邊緣圖象中存在一些短線段和雜亂線條，那些短碎線段不能反映線性體目標(biāo)的輪廓，而雜亂線條是由不規(guī)則的建筑和地表形狀而差生的，需要剔除掉。使用基準(zhǔn)圖像和待檢測圖像的邊緣來產(chǎn)生兩幅邊緣差分圖像，一幅圖像記錄基準(zhǔn)圖像中存在而待檢測圖像中不存在的邊緣，另一幅記錄待檢測圖像中存在而基準(zhǔn)圖像中不存在的邊緣。(3)后處理獲得變化邊緣特征。2 為在理想情況下基于邊緣特征的圖像匹配結(jié)果；仿真程序執(zhí)行結(jié)果顯示，匹配位置 ii=145。1 基準(zhǔn)圖、模板圖邊緣處理北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）28 在基準(zhǔn)圖中另選一個(gè)模板圖，保證模板圖沒有邊緣特征。所以選取基于邊緣特征圖像匹配方法，必須保證模板圖中有足夠的邊緣信息，這樣才能保證匹配準(zhǔn)確率。第 節(jié) 加入噪聲后基于邊緣特征的圖像匹配的仿真 加入高斯噪聲后基準(zhǔn)圖效果如圖 4加入噪聲后仿真程序詳見附錄！所用時(shí)間為 秒。5 加