【正文】 與傳統(tǒng)的模板匹配算法相比，基于一階特征點(diǎn)圖像匹配算法在搜索策略上有根本性的變化。圖 5這與模板圖在基準(zhǔn)圖中剪切位置完全符合，匹配成功！仿真程序詳見(jiàn)附錄！ 在基準(zhǔn)圖中另選一 3030 的模板圖，由仿真程序可知模板圖選取位置為i1（80，80） ，利用基于一階特征點(diǎn)的圖像匹配算法觀(guān)察匹配結(jié)果，如圖 5第 節(jié) 一階特征點(diǎn)的尋找與匹配仿真 圖 5在模板圖中找到所要求的一階特征點(diǎn)后，記錄下灰度值，然后在基準(zhǔn)圖中尋找到相同的灰度值的一階特征點(diǎn)，作為匹配目標(biāo)點(diǎn)，逐一匹配。圖 4jj=145?；谶吘壧卣鞯钠ヅ渌惴ǖ牟襟E：1)提取邊緣特征。為模擬在噪聲情況下匹配情況，以下程序?yàn)樵诨鶞?zhǔn)圖中加入高斯噪聲。4 另選取一位置(80，80)匹配結(jié)果北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）22第 節(jié) 灰度圖像旋轉(zhuǎn)后匹配仿真 把基準(zhǔn)圖旋轉(zhuǎn) 5 度后，再進(jìn)行匹配。通過(guò)對(duì)R塊尺寸K 的選擇，可以改變圖像處理粒度的大小，以改變抵抗不同頻率噪聲的能力。 它 是 現(xiàn) 代 有 關(guān) 智 能 計(jì) 算 中 的 關(guān) 鍵 技 術(shù) 。 2所示。因此，改進(jìn)傳統(tǒng)的圖像匹配算法，將小波變換運(yùn)用到圖像匹配當(dāng)中，利用小波變換的多分辨率特性，將圖像進(jìn)行多層分解，形成金字塔式圖像數(shù)據(jù)，然后分別在每一層對(duì)圖像進(jìn)行匹配。接著對(duì)濾波后的圖像求梯度。8)Sobel 邊緣檢測(cè)算子是綜合圖像每個(gè)像素的上、下、左、右鄰點(diǎn)灰度的加權(quán)和，接近中心的權(quán)值較大。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。(2) 精煉特征點(diǎn)位置。提取的特征點(diǎn)盡可能接近其真實(shí)位置。在多數(shù)情況下這幾點(diǎn)是矛盾的，所以一個(gè)好的特征描述定義應(yīng)該很好的權(quán)衡好這幾點(diǎn)問(wèn)北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）9題。北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）8第 節(jié) 基于特征的匹配算法 基于特征的匹配算法根據(jù)兩幅圖像相同特征的集合關(guān)系計(jì)算配準(zhǔn)參數(shù)，而圖像的低級(jí)別特征主要有點(diǎn)、邊緣及面特征等。 所 以 該 算 法 抗 噪 聲 及 其 他 抗 干 擾 的 能 力 比較 差 ， 只 能 用 于 對(duì) 具 有 相 同 外 界 條 件 的 兩 幅 圖 像 進(jìn) 行 匹 配 [7]。 發(fā) 展 到 80年 代 以 后 ， 圖 像 匹 配 應(yīng) 用 已 從 原 來(lái) 的 軍 事應(yīng) 用 擴(kuò) 展 到 其 他 領(lǐng) 域 。它也是一些圖像分析技術(shù)的基礎(chǔ)。圖像匹配是圖像處理的一個(gè)基本問(wèn)題，用于將不同時(shí)間、不同傳感器、不同視角及不同拍攝條件下獲取的兩幅或多幅圖像進(jìn)行匹配，其最終目的在于建立兩幅圖像之間的對(duì)應(yīng)關(guān)系，確定一幅圖像與另一幅圖像的幾何變換關(guān)系式，用以糾正圖像的形變。對(duì)同一物體或場(chǎng)景使用不同的傳感器、在不同的光照條件下以不同的攝像位置和視角獲得的圖像一般都會(huì)不同，其差異可能表現(xiàn)為不同的分辨率、不同的灰度屬性、不同的位置平移和旋轉(zhuǎn)、不同的大小縮小和放大、以及其他的非線(xiàn)性變化部分物體被遮擋等。第 節(jié) 課 題 的 研 究 背 景當(dāng)今社會(huì)是信息社會(huì)，各種媒體各種工具相互交存于社會(huì)的方方面面，而圖像在其中又占據(jù)了極其重要的地位。 總的來(lái)說(shuō)圖像匹配就是找到兩幅不同圖像之間的空間位置關(guān)系。正因?yàn)閳D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(duì)現(xiàn)有匹配算法展開(kāi)分析對(duì)幾實(shí)際工程提高圖像處理質(zhì)量和識(shí)別精度具有非常重要的意義。 根 據(jù) 實(shí) 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。北京化工大學(xué)畢業(yè)設(shè)計(jì)（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。但是面特征提取比較麻煩，耗時(shí)多，因此基于特征的匹配算法主要是研究利用特征點(diǎn)和邊緣特征進(jìn)行匹配。特征匹配策略是指如何快速準(zhǔn)確地找到特征之間的對(duì)應(yīng)關(guān)系。(3)穩(wěn)定性。通過(guò)擬和三維二次函數(shù)以精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)（因?yàn)镈OG算子會(huì)產(chǎn)生較強(qiáng)的邊緣響應(yīng)），以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。圖像的邊緣劃分為階躍狀和屋頂狀。適當(dāng)選取閾值門(mén)限τ ，如果 f ′(i, j) τ ，則認(rèn)為點(diǎn)(i ,j)是邊緣點(diǎn)。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由小波變換原理可知，圖像經(jīng)過(guò)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(xì)節(jié)特征。北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）17圖像預(yù)處理 對(duì)圖像進(jìn)行J 層小波分解灰度量化低頻部分 搜索最大匹配測(cè)量值 計(jì)算相似度測(cè)量值計(jì)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(jìn)行相關(guān)匹配 得到最終匹配結(jié)果圖 2(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。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(wèn)題任意選擇，稱(chēng)該方塊R塊。把基準(zhǔn)圖旋轉(zhuǎn)一定角度后保證基準(zhǔn)圖大小不變，這樣才能保證匹配正常進(jìn)行。在基準(zhǔn)圖中加入高斯噪聲，基準(zhǔn)圖中像素點(diǎn)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(cuò)誤。選擇 Canny 算子提取圖象中的線(xiàn)性特征。這與模板圖在基準(zhǔn)圖中剪切位置完全符合，匹配成功！匹配所用時(shí)間為 秒。3 另選一沒(méi)有邊緣特征的模板圖北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）30圖 4第 節(jié) 一階特征點(diǎn)的定義 定義 1 　一階特征點(diǎn): 灰度值大于其上、下、左、右、左上、右上、左下、右下8 個(gè)方向上的最鄰近一個(gè)像素點(diǎn)灰度值的像素點(diǎn)(如圖 54 為基準(zhǔn)圖和模板圖中一階特征點(diǎn)顯示，基準(zhǔn)圖中一階特征點(diǎn)數(shù)量很多，一階特征點(diǎn)廣泛存在，由圖 57 所示。10 為基準(zhǔn)圖中加入噪聲后符合匹配條件的一階特征點(diǎn)，由圖可見(jiàn)符合匹配條件的一階特征點(diǎn)個(gè)數(shù)明顯增多，但都不在模板圖剪切范圍之內(nèi)。在保證匹配精度的同時(shí)，大大縮短了匹配時(shí)間。比較了基于灰度、基于邊緣特征、基于一階特征點(diǎn)圖像匹配算法的準(zhǔn)確性、快速性、抵抗干擾和旋轉(zhuǎn)性能。9 所示。jjj=145。(3) 用模板圖像T 的匹配特征點(diǎn)與參考圖像 P上找到的同階特征點(diǎn)依次匹配，并計(jì)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(diǎn)的對(duì)應(yīng)關(guān)系。本文選取的特征點(diǎn)都是灰度值最大的一階特征點(diǎn)。加入噪聲后仿真程序詳見(jiàn)附錄！所用時(shí)間為 秒。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。目前，用于邊緣檢測(cè)的算子有很多，如Roberts 算子、Sobel 算子、Prewitt 算子和Canny 算子。7 所示，基準(zhǔn)圖中加入高斯噪聲后，圖像變得模糊。3基于灰度圖象位置(200，200)匹配結(jié)果圖 3 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(duì)值，因此對(duì)整體灰度值的變化具有相對(duì)的穩(wěn)定性。 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(hào) 處 理 、 自 適 應(yīng) 控 制 和 人 工 生 命 等 領(lǐng) 域 。匹配過(guò)程如圖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。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)。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第 節(jié) 基于邊緣特征的匹配算法邊緣無(wú)疑是圖像中最顯著和直觀(guān)的特征，它存在于圖像的目標(biāo)區(qū)域和背景之間，對(duì)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。SIFT 算法的實(shí)現(xiàn)主要包括4個(gè)步驟:(1) 檢測(cè)尺度空間極值，以初步確定關(guān)鍵點(diǎn)位置和所在尺度。(2)特征點(diǎn)位的精確性。對(duì)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(lái)自?xún)煞鶊D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??；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(jiǎn)單，過(guò)于復(fù)雜的描述會(huì)增加計(jì)算復(fù)雜度。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?；?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(duì) 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(duì) 匹 配 的 結(jié) 果 產(chǎn)生 很 大 的 影 響 ， 從 而 導(dǎo) 致 匹 配 的 失 敗 。70年代初，美國(guó)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。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(jué)、多維信號(hào)處理和數(shù)值計(jì)算方法緊密結(jié)合。(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(cè) 、 生 產(chǎn) 過(guò) 程 的 自 動(dòng) 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 。簡(jiǎn)單地說(shuō)，圖像匹配就是找到兩幅不同圖像之間的空間位置關(guān)系。圖像具有包含信息量大、直觀(guān)、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(shí)外部的重要載體，人們生活中離不開(kāi)圖像。圖像匹配技術(shù)是實(shí)現(xiàn)圖像融合、圖像校正、圖像鑲嵌以及目標(biāo)識(shí)別與跟蹤的關(guān)鍵步驟之一。一般來(lái)說(shuō)，圖像的模板匹配技術(shù)主要可以分成基于灰度值的方法以及基于特征提取的方法兩大類(lèi)。 研 究 內(nèi) 容 主 要 涉 及 特 征 空 間 、相似性度量和搜索策略，即圖像匹配的三要素，如表1Y(a，b) ij 表示輸入圖像以(a ，b)為中心，與參考圖像大小相等，對(duì)應(yīng)(i，j)位置的像素灰度。 基 于 特 征 點(diǎn) 的 圖 像 匹 配 主 要 有 點(diǎn) 點(diǎn) 匹 配 和 點(diǎn) 集 匹 配 兩 種 。常用的基于特征的匹配算法有距離匹配方法、最小均方誤差匹配、金字塔小波匹配等，以及現(xiàn)在很熱門(mén)的SIFT算法。當(dāng)圖像受到例如噪聲等干擾時(shí)，仍然能夠踢除相應(yīng)的特征點(diǎn)并且不存在位置偏差。(3) 計(jì)算特征點(diǎn)的描述信息，利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。階躍狀邊緣中邊緣兩邊的灰度值有明顯的變化；而屋頂狀邊緣中邊緣位于灰度增加與減少的交界處。Sobel 邊緣檢測(cè)算子不但可以產(chǎn)生較好的邊緣效果，而且對(duì)噪聲具有平滑作用，減小了對(duì)噪聲的敏感性。10)表 2北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）16先在尺度空間上對(duì)圖像的低分辨率部分進(jìn)行圖像匹配，然后在此結(jié)果上對(duì)高分辨率部分進(jìn)行匹配，減少了迭代次數(shù) [14]。2 匹配算法的過(guò)程 其它理論的圖像匹配(1) 基于神經(jīng)網(wǎng)絡(luò)匹配神經(jīng)網(wǎng)絡(luò)是一種按照人腦的組織和活動(dòng)原理而構(gòu)造的一種數(shù)據(jù)驅(qū)動(dòng)型非線(xiàn)性模型。這種算法比基于塊的匹配計(jì)算量有所減少，但由于所取像素較少，精度也有所降低。如果圖像的邊長(zhǎng)不是K的整數(shù)倍，則將最底部與最右邊剩余的幾行、北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）20幾列裁剪掉。Matlab 工具箱中給出了的 imrotate 函數(shù)，保證旋轉(zhuǎn)后圖像大小不變。如圖 3因?yàn)?Canny 算子能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡。44 在提取邊緣特征的基準(zhǔn)圖中加入噪聲圖 41) 。5 可知基準(zhǔn)圖一階特征點(diǎn)且灰度值與模板圖中灰度值最大的一階特征點(diǎn)相同的一階特征點(diǎn)很少，符合匹配條件的點(diǎn)的灰度值為 0，因?yàn)檫@樣的點(diǎn)很少，所以在圖 4匹配程序詳見(jiàn)附錄；匹配所用時(shí)間 秒。因此基于一階特征點(diǎn)圖像匹配在加入噪聲后匹配失敗。從仿真的結(jié)果可以看出基于灰度圖像匹配方法準(zhǔn)確率較高，在理想狀況下沒(méi)有出現(xiàn)誤匹配結(jié)果。北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）41結(jié)論本文先通過(guò)對(duì)圖像匹配算法的作簡(jiǎn)要的說(shuō)明，特別是基于特征圖像匹配的算法；然后分析了圖像匹配的算法的優(yōu)劣；最后在提出了一種基于圖像灰度值特征點(diǎn)的快速匹配搜索算法。如圖56 基于一階特征點(diǎn)圖像匹配結(jié)果北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）36置 iii=145。 3 算法流程圖北京化工大學(xué)畢業(yè)設(shè)計(jì)（論文）34 (2) 在參考圖像 P中找出所有階數(shù)等于匹配特征點(diǎn) M的階數(shù)的特征點(diǎn)。通常去灰度值最大或最小的