【正文】 分信息，從而實(shí)現(xiàn)復(fù)雜背景中目標(biāo)的識(shí)別與確認(rèn)。由于它不需要進(jìn)行邊緣提取工作，所以在實(shí)際中得到了廣泛的應(yīng)用。主要缺點(diǎn)是對(duì)邊緣提取算法依賴性大，如果提取的邊緣發(fā)生錯(cuò)誤，或是邊緣線發(fā)生中斷(在實(shí)際中經(jīng)常會(huì)遇到這種情況)，則對(duì)角點(diǎn)的提取結(jié)果將造成較大影響。基于邊緣提取的角點(diǎn)檢測(cè)算法的基本思想是：角點(diǎn)是一種邊緣上的點(diǎn)，它是一種特殊的邊界點(diǎn)，即兩條以上邊界的交點(diǎn)。其在三維場(chǎng)景重建、運(yùn)動(dòng)估計(jì)、目標(biāo)跟蹤、目標(biāo)識(shí)別、圖像配準(zhǔn)與匹配等計(jì)算機(jī)視覺(jué)領(lǐng)域起著非常重要的作用。1. 角點(diǎn)檢測(cè)方法一直以來(lái)角點(diǎn)沒(méi)有明確的數(shù)學(xué)定義，人們普遍認(rèn)為角點(diǎn)是二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲線上曲率極大值的點(diǎn)。由于興趣點(diǎn)(角點(diǎn)、拐點(diǎn)等)的信息含量高、數(shù)量相對(duì)較少且局部不變等特點(diǎn)，使其在基于特征的匹配中應(yīng)用最廣。芬蘭的Oulu大學(xué)機(jī)器視覺(jué)小組于2004年開(kāi)始進(jìn)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(biāo)識(shí)別與配準(zhǔn)。近年來(lái)，不變特征已引起國(guó)內(nèi)外研究者和研究機(jī)構(gòu)的廣泛關(guān)注。2) 不變性獲取的途徑，如通過(guò)特征變換、小波理論、神經(jīng)網(wǎng)絡(luò)、編碼技術(shù)、特征描述子的構(gòu)造等。圖像特征的不變性研究目前已取得了大量的研究成果。 研究現(xiàn)狀綜述 特征點(diǎn)提取研究現(xiàn)狀在實(shí)際問(wèn)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(duì)不變(即不變性)，直接決定了基于特征點(diǎn)的圖像匹配效果。同時(shí)特征點(diǎn)匹配方法需要保證在兩幅圖像點(diǎn)集中存有大量有效點(diǎn)，而當(dāng)圖像特征點(diǎn)較多時(shí)，算法復(fù)雜度較大。二是找出或構(gòu)造目標(biāo)作某種運(yùn)動(dòng)或無(wú)論目標(biāo)作何種運(yùn)動(dòng)都不變化的目標(biāo)圖像特性的特征不變量。特征點(diǎn)匹配方法首先依賴于好的特征提取方法，特征點(diǎn)提取方法是從眾多特征中求出那些對(duì)分類識(shí)別最有效的特征，從而實(shí)現(xiàn)特征空間維數(shù)或數(shù)據(jù)量的壓縮。目前已有許多有關(guān)此類問(wèn)題的如Sanjay Ranade等提出的松弛算法[2]、Zsolt Mikl243。由于興趣點(diǎn)(角點(diǎn)、拐點(diǎn)等)的信息含量高、數(shù)量相對(duì)較少且局部不變等特點(diǎn)，使其在基于特征的匹配中有更加廣泛的應(yīng)用。為了克服基于灰度匹配方法缺點(diǎn)，提出了基于特征的匹配方法。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]。近幾年在許多領(lǐng)域中，都對(duì)圖像配準(zhǔn)進(jìn)行了大量的研究，比較有代表的有：模式識(shí)別、自動(dòng)導(dǎo)航、遙感領(lǐng)域、醫(yī)學(xué)診斷、計(jì)算機(jī)視覺(jué)等。圖像匹配可以認(rèn)為是在不同時(shí)間或相同時(shí)間、從不同視角或相同視角對(duì)同一場(chǎng)景拍攝的兩幅或者多幅圖像進(jìn)行的空間域上的匹配過(guò)程。關(guān)鍵詞 特征點(diǎn)，H/S算法，機(jī)器視覺(jué)，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(diǎn)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(diǎn)提取和匹配是圖像處理研究領(lǐng)域中的基礎(chǔ)課題，也是機(jī)器視覺(jué)的關(guān)鍵技術(shù)之一，廣泛應(yīng)用于虛擬現(xiàn)實(shí)、視頻壓縮、圖像復(fù)原、圖像數(shù)據(jù)庫(kù)檢索等技術(shù)中，具有廣泛的應(yīng)用前景及社會(huì)經(jīng)濟(jì)價(jià)值。在采用新的H/S特征點(diǎn)提取算法得到圖像中特征點(diǎn)后，對(duì)特征點(diǎn)匹配方法進(jìn)行研究。本文提出了一種新的特征點(diǎn)檢測(cè)算法，并根據(jù)三角形相似原理，提出一種改進(jìn)特征點(diǎn)匹配方法。本科畢業(yè)設(shè)計(jì)(論文) 題目名稱： 學(xué) 院： 專業(yè)年級(jí)： 學(xué)生姓名： 班級(jí)學(xué)號(hào)： 指導(dǎo)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(diǎn)提取研究現(xiàn)狀 2 特征點(diǎn)匹配研究現(xiàn)狀 4 研究?jī)?nèi)容 5 論文組織結(jié)構(gòu) 6第二章 圖像特征點(diǎn)提取算法研究 8 Harris特征點(diǎn)提取算法 8 Harris特征點(diǎn)檢測(cè)原理 8 Harris特征點(diǎn)檢測(cè)步驟 9 實(shí)驗(yàn)分析 9 SIFT特征點(diǎn)提取算法 12 SIFT特征點(diǎn)提取算法原理及步驟 12 實(shí)驗(yàn)分析 16 本章小結(jié) 19第三章 改進(jìn)的H/S特征點(diǎn)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(jié)合方案研究 21 H/S算法實(shí)現(xiàn) 22 多尺度特征點(diǎn)檢測(cè) 22 特征點(diǎn)描述 23 實(shí)驗(yàn)分析 25 算法評(píng)價(jià)標(biāo)準(zhǔn) 25 分情況特征點(diǎn)提取結(jié)果分析 25 本章小結(jié) 27第四章 基于H/S的特征點(diǎn)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(jìn)的相似三角形匹配方法實(shí)現(xiàn) 31 三角形選取方案研究 32 相似三角形檢索方法改進(jìn) 33 多模板改進(jìn)方法分析 35 實(shí)驗(yàn)結(jié)果與分析 36 本章小結(jié) 39第五章 工作總結(jié)與展望 40 工作總結(jié) 40 工作展望 41致 謝 42參考文獻(xiàn) 4344摘 要圖像匹配是圖像處理領(lǐng)域的基礎(chǔ)課題，在圖像拼接、全景視圖、對(duì)象識(shí)別等計(jì)算機(jī)視覺(jué)方面有廣泛應(yīng)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(jiǎn)單易行，但算法時(shí)間復(fù)雜度高，難以處理圖像存在旋轉(zhuǎn)和尺度變化等情況，后者在適應(yīng)性和速度方面有很大優(yōu)勢(shì)，但圖像特征的提取以及如何建立特征之間的對(duì)應(yīng)關(guān)系一直是這類方法的研究難題。本文首先對(duì)兩種特征點(diǎn)提取算法(Harris算法和SIFT算法)進(jìn)行分析比較，Harris角點(diǎn)檢測(cè)算法效率高，但對(duì)尺度變化和抗噪性的魯棒性差，SIFT算法對(duì)尺度變化及抗噪性魯棒性好，但算法時(shí)間復(fù)雜度高，且對(duì)圖像紋理要求高，本文結(jié)合兩種算法的優(yōu)點(diǎn)，提出了一種新的H/S特征點(diǎn)提取算法，該算法特征點(diǎn)檢測(cè)效率高，并且尺度不變性及抗噪性得到很大改善。傳統(tǒng)的三角形相似匹配方法雖然實(shí)現(xiàn)簡(jiǎn)單，魯棒性好，但時(shí)間復(fù)雜度高，針對(duì)此局限性，本文提出了一種改進(jìn)三角形匹配方法，將傳統(tǒng)方法被動(dòng)搜索相似三角形變?yōu)樵趶?fù)數(shù)空間下選擇基線后主動(dòng)構(gòu)造相似三角形，并利用特征點(diǎn)組成基線向量對(duì)應(yīng)三角形組得到多個(gè)模板在實(shí)物圖中匹配，提高了改進(jìn)算法的實(shí)時(shí)性和穩(wěn)定性。因此，特征點(diǎn)的提取和匹配越來(lái)越得到研究人員的關(guān)注。它通過(guò)建立兩幅圖像之間的對(duì)應(yīng)關(guān)系，確定相應(yīng)的幾何變換參數(shù)，對(duì)兩幅圖像中的同一目標(biāo)進(jìn)行匹配。經(jīng)過(guò)國(guó)內(nèi)外研究者多年的努力，人們提出了多種圖像匹配方法?；诨叶鹊钠ヅ渚褪侵鹣袼氐匕岩粋€(gè)以一定大小的實(shí)時(shí)圖像窗口的灰度矩陣與實(shí)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(jìn)行搜索比較的匹配方法。特征匹配方法首先對(duì)圖像進(jìn)行預(yù)處理來(lái)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(duì)應(yīng)關(guān)系，常用的特征基元有點(diǎn)特征、邊緣特征和曲線輪廓及區(qū)域特征等。如何建立圖像興趣點(diǎn)之間的對(duì)應(yīng)關(guān)系一直是這類方法的研究熱點(diǎn)。s等提出的三角形匹配算法[3]等。特征提取方法一般包含兩個(gè)階段：一是對(duì)圖像進(jìn)行分割，提取目標(biāo)區(qū)域或其邊界，抽取目標(biāo)的基本特征，如灰度、紋理、形狀描述。當(dāng)提取特征點(diǎn)數(shù)目過(guò)多時(shí)就會(huì)存在大量的干擾信息(如：偽匹配點(diǎn))，這將影響匹配的正確率和速度，當(dāng)提取特征點(diǎn)過(guò)少時(shí)，將不利于精確匹配。本文基于以上熱點(diǎn)問(wèn)題展開(kāi)研究，首先對(duì)兩種特征點(diǎn)提取算法(Harris算法和SIFT算法)進(jìn)行原理分析及實(shí)驗(yàn)比較，得出Harris角點(diǎn)檢測(cè)算法效率高，但對(duì)尺度變化和噪聲干擾魯棒性差，以及SIFT算法對(duì)尺度變化及抗噪性魯棒性好，但算法時(shí)間復(fù)雜度高，且對(duì)圖像紋理要求高等結(jié)論，提出一種在多尺度下提取圖像穩(wěn)定特征點(diǎn)的H/S(Harris/SIFT)算法，并在此基礎(chǔ)上采用復(fù)數(shù)空間中相似三角形多模版匹配算法進(jìn)行特征點(diǎn)間匹配，通過(guò)理論分析及實(shí)驗(yàn)證明該方法在時(shí)間復(fù)雜度方面的改進(jìn)和在圖像存在旋轉(zhuǎn)、縮放情況時(shí)匹配的準(zhǔn)確性和有效性。以計(jì)算機(jī)視覺(jué)的不變理論為基礎(chǔ)，對(duì)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。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(diǎn)、線、輪廓，像素點(diǎn)的強(qiáng)度、曲率、矩、特征向量等。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。在相關(guān)領(lǐng)域中，具有代表性的研究機(jī)構(gòu)是加拿大British Columbia大學(xué)智能計(jì)算實(shí)驗(yàn)室，該實(shí)驗(yàn)室開(kāi)展了局部仿射不變特征提取方面的工作，其研究成果已應(yīng)用于目標(biāo)識(shí)別[4]、全景圖拼接[5]、虛擬現(xiàn)實(shí)[6]、機(jī)器人自主導(dǎo)航[7]等領(lǐng)域。Oxford大學(xué)的機(jī)器人研究小組開(kāi)展視覺(jué)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(cè)方法，用于提取圖像局部區(qū)域的仿射不變特征[8]。目前在特征點(diǎn)提取方面，基于