论文部分内容阅读
随着计算机的发展和多媒体技术的广泛应用，图像处理的应用范围有了较大的扩展。图像处理领域的相关研究重点也从图像效果处理、图像视频编码转移到智能化的高级应用方面，比如目标的提取、识别，基于内容的图像检索，目标跟踪等等。其中图像匹配是很多图像处理和计算机视觉的一个基本且具有挑战性的问题，在智能图像处理有广泛的应用，近年来得到很大的发展，产生很多的基于不同思想的算法。基于特征点的图像匹配算法利用了图像局部的低级特征，能够非常有效地实现很多复杂变化情况下的图像匹配，甚至部分图像的匹配，成为近年来研究的热点。其中特征点和特征描述符的提取算法是基于特征点图像匹配算法的两个最重要的问题。经过多年的研究，已经提出了多种特征点和特征描述符的提取算法。在这些算法的基础上，本文提出了不同的匹配思想，实现了不同的匹配算法。
在很多图像匹配的实际应用中，是一幅基准图像和图像库中的多幅目标图像进行一一匹配。根掘特征匹配中基准图像和目标图像所处的不同的地位，本文提出对基准图像在不同尺度上插值，分别在不同的尺度上提取特征点，对于一幅基准图像形成不同分辨率上的特征点表示。对于目标图像直接提取特征点，和基准图像的特征点形成多对一的匹配。由于对基准图像的处理可以离线进行，而对目标图像的在线处理可以在单尺度上进行，因而这种图像匹配可以节省部分计算量。
基于这种多对一的匹配思想本文设计了相应的特征点提取算法，提出一种新得特征描述符提取算法，这些算法能够实现在一定范围内尺度、角度及视角变换的图像间的匹配，具有较好的稳定性，同时特征点和特征描述符具有易于提取，计算简单的优点。本文还介绍了图像预处理、特征匹配及图像映射参数计算等方面的问题，形成完整的图像匹配算法。并把本文提出的算法和其他已有的算法进行了定性的比较并通过实验进行定量的计算。