基于特征的图像匹配算法毕业设计论文(含源代码)(3)

数字图像处理的主要应用领域包括：

(1)图像传输、电视会议、电视电话、视频和多媒体系统等等。

(2) 军事、公安、档案等其它方面的应用军事目标的侦察、制导和警戒系统、自动火器的控制及反伪装；公安部门的现场照片；指纹、手迹、印章、人像等的进一步处理和辨识；历史文字和图片档案的修复和管理；以及其它方面图像信息的显示、记录、处理和文字自动识别等。

(3)遥感分航空遥感和航天遥感。遥感图像需要用图像处理技术加工处理并提取有用的信息。可用于地质、矿藏勘探和森林、水利、海洋、农业等资源的调查；自然灾害预测预报；环境污染监测；气象卫星云图处理以及用于军事目的的地面目标识别。

(4) 数字图像处理还应用于工业生产中的产品质量检测、生产过程的自动控制、计算机辅助设计与制造、医学和农业等各个方面。

图像匹配是图像处理的一个基本问题，用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配，其最终目的在于建立两幅图像之间的对应关系，确定一幅图像与另一幅图像的几何变换关系式，用以纠正图像的形变。 总的来说图像匹配就是找到两幅不同图像之间的空间位置关系。图像匹配技术是实现图像融合、图像校正、图像镶嵌以及目标识别与跟踪的关键步骤之一。

图像匹配就是把具有同一场景的两幅或多幅图像在空间上对准，进而确定它们之间变换关系的过程，这些图像可能是在不同时间、用不同传感器、从不同视角拍摄下来的。随着科学技术的发展，图像匹配不仅成为现代信息处理领域中一项十分重要的技术，而且是一些图像分析技术的基础，在许多方面有着重要的应用价值，如医学图像诊断、遥感数据分析、模式识别和计算机视觉等[2]。

(1)医学图像诊断：肿瘤检测、CT、MRI、PET 图像结构信息融合、数字剪影血管造影术等；

(2)遥感数据分析：分类、定位和识别多谱段的场景信息、自然资源监控、核生长监控、市区增长监控等；

(3)模式识别：目标物体运动跟踪、序列图像分析、稳像、特征识别、签名检测等；

(4)计算机视觉：三维重建、目标定位、自动质量检测、虚拟现实等。 随着科学技术的发展，图像匹配己成为图像信息处理领域中一项非常重要的

技术。现在约40％的机器视觉应用中需要用到图像匹配技术，所涉及的应用领域从上述几种应用扩大到工业检测的地形匹配、光学和雷达的图像跟踪、工业流水线的白动监控、工业仪表的自动监控、资源分析、气象预报、医疗诊断、交通管理、文字识别以及图像检索等。

图像匹配的研究涉及到多方面，包括图像采集、图像分割、图像处理、特征提取等方面，并且与计算机视觉、多维信号处理和数值计算方法紧密结合。它也是一些图像分析技术的基础。正因为图像匹配应用的广泛性，新的要求和新的应用逐步产生，使得图像匹配算法的研究逐步加深[3]。

第1.2节 图像匹配的概述

1.2.1图像匹配的概念

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配就是找到两幅不同图像之间的空间位置关系。图像匹配技术是实现图像融合、图像校正、图像镶嵌以及目标识别与跟踪的关键步骤之一[4]。

图像匹配的研究涉及到多方面，包括图像采集、图像分割、图像处理、特征提取等方面，并且与计算机视觉、多维信号处理和数值计算方法紧密结合。它也是一些图像分析技术的基础。正因为图像匹配应用的广泛性，新的要求和新的应用逐步产生，使得图像匹配算法的研究逐步加深，出现了快速、稳定、鲁棒性好的匹配算法因此，对现有匹配算法展开分析对几实际工程提高图像处理质量和识别精度具有非常重要的意义。

一般来说，图像的模板匹配技术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两大类。灰度匹配的基本思想：以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点。特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法[5]。

1.2.2 影响图像匹配的主要因素

根据已知模式的图像在一幅陌生图像中寻找对应该模式的子图像被称为图像匹配。由于传感器噪声、光照、目标移动和变形、成像过程中视角改变或者环境的改变会使同一场景在不同条件下投影所得到的二维图像会有很大的差异。为解决图像畸变带来的匹配难度，人们基于以下四个要素提出了许多匹配算法：

(1)特征空间

特征空间是由参与匹配的图像特征构成的，特征可以是灰度值，也可以是边界、轮廓、表面、显著特征、统计特征、高层结构描述与句法描述等。选择合理的特征可以提高匹配性能、降低搜索空间、减小噪声等不确定性因素对算法的影响，提高适应性；

(2)形似性度量

相似性度量指用什么来确定待匹配特征之间的相似性，它通常是某种代价函数或者是距离函数的形式。经典的相似性度量包括相关函数和Minkowski距离,最近人们又提出了Hausdorff距离，互信息作为匹配度量；

(3)搜索空间

图像匹配问题是一个参数的最优估计问题，待估计参数组成的空间即搜索空间， 成像畸变的类型和强度决定了搜索空间的组成和范围；

(4)搜索策略

搜索策略是用合适的搜索方法在搜索空间中找出平移、旋转等变换参数的最优估计，使得图像之间经过变换后的相似性最大。搜索策略有穷尽搜索、分层搜索、模拟退火算法、Powell方向加速法、动态规划法、遗传算法和神经网络法等。

第1.3节 图像匹配的研究现状

图像匹配一直以来都是计算机视觉的基本问题之一，其中包括许多目前炙手可热的领域，如目标或场景识别、立体匹配和目标跟踪等。建立正确匹配是解决问题的关键。各行各业的专家学者从问题的不同方面出发运用多种方法，对如何得到既快又好的匹配算法进行了探索研究[6]。

70年代初，美国首先在飞行器辅助导航系统,武器投射系统的末制等应用研究中首先提出了图像匹配这一概念。发展到80年代以后，图像匹配应用已从原

来的军事应用扩展到其他领域。根据实际应用的需要，人们在提高图像匹配的精度、速度、通用性以及抗干扰性等方面做了大量的研究工作。研究内容主要涉及特征空间、相似性度量和搜索策略，即图像匹配的三要素，如表1·1所示。

从最早的70年代初，P.E.Anuta提出利用FFT（Fast Fourier Transform）算法进行图像互相关检测计算的图像配准技术，提高了图像配准过程的速度；直到现在各种各样的匹配方法的出现，图像匹配算法经过几十年的发展已经取得了很大的进展，但由于拍摄环境复杂多变和实际需求差别较大，现在还没有一种算法能够解决所有图像的匹配问题。于是寻求探讨一种新的算法能综合利用这些方法的优点将会取得更好的匹配结果。

表1·1 匹配三要素

特征空间 灰度 特征点 边缘强度 二值边缘 曲线 表面 统计属性 模型 高层匹配 相似性度量 相关系数 归一化相关系数 归一化相关系数及匹配滤波器 统计相关与匹配滤波器 绝对差之和、局部熵差 奄模相关 Hausdorff距离 最小距离分类器 互信息 搜索策略 层次 迭代点匹配 层次迭代或模拟退火 模拟退火 遗传算法、神经网络 树或图匹配 松弛算法 能量最小化 快速FFT

第2章 图像匹配的几种算法

图像匹配研究涉及到了图像采集、图像预处理、图像分割、特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法因此，对现有匹配算法展开分析对几实际工程提高图像处理质量和识别精度具有非常重要的意义

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。

图像匹配的算法很多, 但基本原则是不变的：算法必须有效；必须稳定；必须快速。基本上可以将匹配算法分为基于象素灰度相关的匹配、基于图像特征的匹配以及基于其它理论的图像匹配, 综述了具有代表性的传统匹配算法以及近年来的新思路和新方法。

第2.1节 基于像素灰度相关的匹配算法

基于灰度相关的匹配算法，即对待匹配得两幅图像以一定的灰度阵列按某种或几种相似性度量顺次搜索匹配的方法，其匹配性能主要取决于相似性度量及搜索策略的选择。匹配窗口大小的选择也是影响匹配性能的一个重要因素，当景物存在遮挡或者图像不光滑时，选择大窗口容易出现错误的匹配，而小窗口又不能满足强度的变化，因此为了达到最好的匹配效果，可以自动适应调整匹配窗口的大小。基于灰度相关的匹配算法直接利用图像的灰度进行匹配，可以利用图像的所有信息，但需要处理很大的信息量，计算复杂而且容易出错，很难达到实时匹配的要求，而且对图像间的细微差别很敏感，一个很小的变化都有可能对匹配的结果产生很大的影响，从而导致匹配的失败。所以该算法抗噪声及其他抗干扰的能力比较差，只能用于对具有相同外界条件的两幅图像进行匹配[7]。

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典综合文库基于特征的图像匹配算法毕业设计论文(含源代码)(3)在线全文阅读。