论文部分内容阅读
图像特征匹配的目的就是要准确、可靠地找出两幅或者多幅图像之间的对应特征,它通常作为其他计算机视觉应用的第一步,例如三维重建、图像拼接、图像配准、物体识别等。因此,图像特征匹配一直以来都是计算机视觉的基本研究内容之一,受到了学术界和工业界的广泛关注。然而,由于场景多样、成像条件差异等因素的影响,在这个领域中仍然有许多问题尚待解决。
本文针对图像特征匹配进行了深入的研究,涉及到基于局部描述子的特征点匹配、含重复性纹理图像的特征点匹配、直线匹配三个方面。本文的主要创新点如下:
●实验分析了现有的特征描述子的不足之处,并提出了一种基于灰度序的支撑区域划分方法。通过分别使用基于局部方向梯度的图像特征和基于灰度差分符号的图像特征,得到了两种特征描述子:MROGH和MRRID。它们都具有旋转不变性,同时对线性光照也是不变的。此外,MRRID对于单调光照变化也具有不变性,因此它可以处理更为复杂的光照变化的情况。实验结果表明,它们对于其他图像变化,比如视角变化、尺度变化、图像模糊、JPEG压缩等,也具有很强的鲁棒性。
●针对含重复性纹理图像的特征点匹配问题,提出了一种基于特征点对的匹配方法。该方法利用点对与点对之间的几何约束,从特征点对的匹配集合中得到一个可靠的点匹配集合。实验表明,该方法对于含重复性纹理图像的特征点匹配可以取得比较理想的匹配结果,并且要优于文献中提出的其他方法。
●介绍了两种点线不变量:由1条直线和2个点计算得到的仿射不变量以及由1条直线和4个点计算得到的射影不变量,并提出了一种基于点线不变量的直线匹配方法,将现有的特征点匹配方法融入直线匹配的框架,借助特征点匹配的结果来进行直线匹配。尽管该方法借助于点匹配来进行直线匹配,但是它对于点匹配中存在的误匹配具有很好的鲁棒性,一般的特征点匹配方法得到的点匹配结果都可以用到该方法中进行直线匹配。实验结果表明,该方法不仅在各种图像变化下(尺度变化、图像旋转、图像模糊、光照变化、视角变化、遮挡)都具有非常出色的匹配结果,而且要优于文献中提出的其他方法。