论文部分内容阅读
本文主要研究基于点特征的图像匹配算法。点特征是图像上具有明显特性并能够把目标标识出来的点，它可以较好的描述目标的特征。点特征检测和图像匹配技术在计算机视觉和图像理解等领域应用很广，例如运动跟踪、目标识别、立体视觉等。点特征检测技术被广泛应用的原因在于：点特征包含丰富的图像信息，能够对视觉处理提供足够的约束，极大地提高运算速度，可以在图像之间进行可靠的匹配。
本文首先介绍了一些经典的点特征检测和匹配算法。随后本文详细描述了一种基于尺度空间的特征点检测和基于生物视觉原理的特征点匹配方法来完成图像匹配的算法——SIFT算法。实验结果表明经典SIFT算法在图像发生平移变化、旋转变化、尺度变化下具有很好的匹配性能，对亮度变化、仿射变化、噪声也具有一定的适应能力。本文针对算法的实时性利用积分图像的原理对经典SIFT算法进行了加速，并对加速后的算法进行了改进，使之较加速算法的稳定性有所提高。仿真实验结果表明：加速并改进算法在运算速度和存储容量上较经典SIFT算法有所提高，更加适合目标识别和跟踪的目的。
本文在最后的章节中尝试了SIFT算法在电子稳像技术方面的应用，仿真实验结果表明，SIFT算法在稳像精度和抗旋转效果方面都取得了良好的实验效果。