【正文】 。對特征描述的定義即如何量化地描述一個特征，一個好的特征描述定義應(yīng)該盡量做到以下幾點：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；一個特征有多個特征可匹配，要使特征的描述盡量簡單，過于復(fù)雜的描述會增加計算復(fù)雜度。理想的特征點中含有反映圖像的重要結(jié)構(gòu)信息，容易與別的像素點區(qū)別，并且當圖像發(fā)生變換或者獲取圖像的視覺發(fā)生變化時，仍然能保持獨立性。(2)特征點位的精確性?；诨?度 特 征 點 提 取 算 法 主 要 根 據(jù) 像 素 點 的 灰 度 或 梯 度 特 征 提 取 特 征 點 。SIFT 算法的實現(xiàn)主要包括4個步驟:(1) 檢測尺度空間極值，以初步確定關(guān)鍵點位置和所在尺度?，F(xiàn)在所要解決的問題就是要求出這個模型的參數(shù)。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比區(qū)域匹配更少的計算量。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]。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 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。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)。13)這樣在e ( i, j) = 255處的梯度方向為 for e(i,j)=255 (2要加快運算速度，就要減少搜索位置和每個位置處的計算量。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。匹配過程如圖2最后給出迭代結(jié)果，片對其進行分析評價。 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 器 學 習 、信 號 處 理 、 自 適 應(yīng) 控 制 和 人 工 生 命 等 領(lǐng) 域 。1)。 顯然，F(xiàn)(R i)表示R塊R i 的灰度與相鄰8個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。圖 33基于灰度圖象位置(200，200)匹配結(jié)果圖 36 所示，匹配詳細程序見附錄。7 所示，基準圖中加入高斯噪聲后，圖像變得模糊。匹配所用的時間為 秒。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。使用基準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圖像中不存在的邊緣。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。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確率。加入噪聲后仿真程序詳見附錄！所用時間為 秒。下面為選取一 5050 的模板圖進行旋轉(zhuǎn)匹配測試； 另選一個 5050 模板圖與基準圖匹配結(jié)果如圖 4本文選取的特征點都是灰度值最大的一階特征點。1 一階特征點 圖 5(3) 用模板圖像T 的匹配特征點與參考圖像 P上找到的同階特征點依次匹配，并計算兩幅圖像的相似性度量，找出相似性度量最優(yōu)的位置作為匹配位置，從而找到兩幅圖像中像素點的對應(yīng)關(guān)系。圖 5jjj=145。圖 59 所示。10 加入噪聲后基準圖中符合模板圖匹配條件的一階特征點北京化工大學畢業(yè)設(shè)計（論文）393 種匹配算法仿真結(jié)果如表 1 所示：表 5比較了基于灰度、基于邊緣特征、基于一階特征點圖像匹配算法的準確性、快速性、抵抗干擾和旋轉(zhuǎn)性能。北京化工大學畢業(yè)設(shè)計（論文）42參考文獻[1] 楊曉敏，吳煒，卿粼波，等．圖像特征點提取及匹配技術(shù)[J]．光學精密工程，2022，17（9）：22762282 ．[2] ZHANG K , WANG H, LI Y. A Robust Steerable PyramidBased Image Matching Algorithm [N]. Journal of Astronautics,20221126(6).[3] 王軍，張明柱．圖像匹配算法的研究進展[J]．大氣與環(huán)境光學學報，2022，2（1）：1115．[4] YING J ,YUAN Y,XU L,SONG Q. A New Fingerprint Minutiae Matching Algorithm [N], School report instruments instrument table, 20220。在保證匹配精度的同時，大大縮短了匹配時間。1 可以看出，基于灰度圖像匹配算法不能有效地抑制噪聲干擾，加入噪聲后出現(xiàn)誤匹配，而且快速性也較差。10 為基準圖中加入噪聲后符合匹配條件的一階特征點，由圖可見符合匹配條件的一階特征點個數(shù)明顯增多，但都不在模板圖剪切范圍之內(nèi)。9 加入噪聲后的基準圖一階特征點圖 57 所示。 4 基準圖、模板圖中一階特征點北京化工大學畢業(yè)設(shè)計（論文）35為基準圖中滿足匹配條件的一階特征點位置。4 為基準圖和模板圖中一階特征點顯示，基準圖中一階特征點數(shù)量很多，一階特征點廣泛存在，由圖 5特征點的選取方式?jīng)Q定了其對噪聲和灰度值的線性變化具有一定的“免疫性”，因此對灰度值不均勻的圖像匹配問題同樣適用。第 節(jié) 一階特征點的定義 定義 1 　一階特征點: 灰度值大于其上、下、左、右、左上、右上、左下、右下8 個方向上的最鄰近一個像素點灰度值的像素點(如圖 5試驗所用的時間為 秒。3 另選一沒有邊緣特征的模板圖北京化工大學畢業(yè)設(shè)計（論文）30圖 42 基于邊緣特征的圖像匹配結(jié)果北京化工大學畢業(yè)設(shè)計（論文）29以上 2 個仿真試驗證明，基于理想情況下的邊緣匹配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確率。這與模板圖在基準圖中剪切位置完全符合，匹配成功！匹配所用時間為 秒。選擇緩沖區(qū)檢測法，和以確定變化檢測的結(jié)果。選擇 Canny 算子提取圖象中的線性特征。8 加入高斯噪聲后基于灰度圖像匹配結(jié)果北京化工大學畢業(yè)設(shè)計（論文）25圖 3在基準圖中加入高斯噪聲，基準圖中像素點灰度值發(fā)生很大的變化，采用傳統(tǒng)的基于灰度圖像匹配方法匹配結(jié)果也出現(xiàn)了錯誤。圖3把基準圖旋轉(zhuǎn)一定角度后保證基準圖大小不變，這樣才能保證匹配正常進行。仿真結(jié)果成功。首先將整幅圖像劃分為 KK 尺寸且互不重疊的方塊，K可根據(jù)問題任意選擇，稱該方塊R塊。遍歷整個圖像后，把與參考子圖Ps相似性度量最優(yōu)的位置作為匹配位置，從而找到兩幅圖像中像素點的對應(yīng)關(guān)系 [16]。(4)比值匹配法算法比值匹配法是在第一幅圖像重疊區(qū)域內(nèi)，取相鄰兩列上的部分像素，用它們的比值作為模板，在另一幅圖像中也用兩列的部分像素比值與模板相比較，找出最佳匹配。解釋的方法是把計算機中的模型同外部世界中的物體或現(xiàn)象建立起對應(yīng)關(guān)系，利用圖像的結(jié)構(gòu)特征或關(guān)系特征，把物體和物體間的關(guān)系表示成結(jié)構(gòu)，通過沿圖中的弧作關(guān)聯(lián)搜索，建立圖中結(jié)點之間的關(guān)系，借助語義網(wǎng)絡(luò)、框架理論和圖論方法尋求匹配問題的解決。北京化工大學畢業(yè)設(shè)計（論文）17圖像預(yù)處理 對圖像進行J 層小波分解灰度量化低頻部分 搜索最大匹配測量值 計算相似度測量值計算灰度組合矩陣 得到一層匹配結(jié)果 根據(jù)匹配結(jié)果在上一層局部范圍內(nèi)進行相關(guān)匹配 得到最終匹配結(jié)果圖 2 分解層數(shù)的取值應(yīng)滿足：Lmin } (2由小波變換原理可知，圖像經(jīng)過小波變換后，被分為低頻部分和高頻部分，低頻部分保持圖像的整體特征，高頻部分保持圖像的細節(jié)特征。顯然，邊界方向不受圖像中對象的位置的影響，為了達到不受圖像縮放的影響，需要對得到的邊緣方向直方圖進行歸一化：Histogram[ i ] /nEdge。沿著x方向的梯度(水平梯度)為： P(i,j)={G(i,j+1)G(i,j)+G(i+1,j+i)G(i+1,j)} /2,0i,jn (2不易漏檢真實邊緣，不把非邊緣點作為邊緣點檢出，使輸出的信噪比最大。適當選取閾值門限τ ，如果 f ′(i, j) τ ，則認為點(i ,j)是邊緣點。4) fy=f(i,j+1) f(i+1,j) (2圖像的邊緣劃分為階躍狀和屋頂狀。在重復(fù)步驟( 1) ～ ( 3) k次之后，對應(yīng)最大count 值的模型即為所求模型，數(shù)據(jù)集合p 中的這count 個數(shù)據(jù)即為內(nèi)點，其余的N count 個數(shù)據(jù)點即為外點。通過擬和三維二次函數(shù)以精確確定關(guān)鍵點的位置和尺度，同時去除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點（因為DOG算子會產(chǎn)生較強的邊緣響應(yīng)），以增強匹配穩(wěn)定性、提高抗噪聲能力。 特 征 點 的 提 取 算 法特征點提取與匹配是計算機圖形學中最基礎(chǔ)的一個研究課題，現(xiàn)在已經(jīng)有很多研究成果和應(yīng)用項目，每種方法都有其優(yōu)點。(3)穩(wěn)定性。由于特征點的定義又很大差異，征點的提取方法也各有各的特點，但是一個理想的特征點提取算法具有以下的特性：(1)能夠提取出所有特征點；(2)提取的特征點位置精確,即不存在位置偏差；(3)對噪聲不敏感；(4)不能提取出錯誤的特征點；(5)能夠?qū)崟r提取特征點； 在實際的操作過程中，由于各種原因不能完全滿足以上的要求，但是可以根據(jù)所需要可以偏重某一方面的性能。特征匹配策略是指如何快速準確地找到特征之間的對應(yīng)關(guān)系。 基于特征的匹配方法主要涉及到兩個關(guān)鍵步驟： （1）特征提?。赫缟衔奶岬降模瑘D像特征分為局部特征和全局特征。但是面特征提取比較麻煩，耗時多，因此基于特征的匹配算法主要是研究利用特征點和邊緣特征進行匹配。D(i, j)值越小，表示兩個像素塊越相似。北京化工大學畢業(yè)設(shè)計（論文）7設(shè)參考圖像 Xij 的大小為 mn，輸入圖像 Yij 的大小為 MN，其中Mm，Nn。正因為其應(yīng)用的廣泛性，新的應(yīng)用和新的要求逐步產(chǎn)生，使得匹配算法的研究逐步走向深入，出現(xiàn)了快速、穩(wěn)定、魯棒性好的匹配算法因此，對現(xiàn)有匹配算法展開分析對幾實際工程提高圖像處理質(zhì)量和識別精度具有非常重要的意義 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，如二維圖像匹配中通過比較目標區(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)的窗口中心點作為同名點。 根 據(jù) 實 際 應(yīng) 用 的 需 要 ， 人 們 在 提 高 圖 像 匹 配 的 精 度 、速度、通用性以及抗干擾性等方面做了大量的研究工作。選擇合理的特征可以提高匹配性能、降低搜索空間、減小噪聲等不確定性因素對算法的影響，提高適應(yīng)性；(2)形似性度量 相似性度量指用什么來確定待匹配特征之間的相似性，它通常是某種代價函數(shù)或者是距離函數(shù)的形式。正因為圖像匹配應(yīng)用的廣泛性，新的要求和新的應(yīng)用逐步產(chǎn)生，使得圖像匹配算法的研究逐步加深，出現(xiàn)了快速、穩(wěn)定、魯棒性好的匹配算法因此，對現(xiàn)有匹配算法展開分析對幾實際工程提高圖像處理質(zhì)量和識別精度具有非常重要的意義。它也是一些圖像分析技術(shù)的基礎(chǔ)。 總的來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。數(shù)字圖像的特點決定了其靈活性，并且以強大的功能成為現(xiàn)階段圖像處理技術(shù)的主流。第 節(jié) 課 題 的 研 究 背 景當今社會是信息社會，各種媒體各種工具相互交存于社會的方方面面，而圖像在其中又占據(jù)了極其重要的地位。北京化工大學畢業(yè)設(shè)計（論文）I基于特征的圖像匹配算法畢業(yè)論文目錄前 言 ..................................................................................................................1第 1 章 緒論 ......................................................................................................2第 節(jié) 課 題 的 研 究 背 景 ..........................................................................2第 節(jié) 圖像匹配的概述 .....