论文部分内容阅读
图像配准是图像处理领域的一个基本问题，它在计算机视觉、模式识别和图像重建等诸多领域有着广泛的应用。近年来，随着图像配准在多媒体数据库管理、行人检测、搜索引擎等应用领域的扩展，如何尽可能提高匹配质量、特别在满足配准精度与可靠性前提下进一步提高图像配准的速度，已成为该领域研究的热点课题。 目前，以灰度信息直接度量图像区域之间的相似程度的图像配准算法、以不变矩作为统计特征的基于形状的图像配准算法和建立特征点间仿射变换模型的基于空间的图像配准算法，分别适用于不同配准精度要求的应用领域。本文正是以图像配准中的精度控制为主线，针对以上图像配准算法进行了深入系统地研究。主要研究工作及成果如下: 1.利用灰度信息构造了感知哈希序列用以直接度量图像间相似程度。常用的基于灰度信息构造感知哈希序列方法因在图像边缘灰度邻域值变化大，直接导致感知哈希序列对图像旋转变化敏感。本文提出的基于感知哈希的内容检测算法CDPH利用SOBEL边缘检测和哈希表实现对相同感知哈希内容的快速配准，实验结果表明该算法的平均计算时间减少14％以上。 2.研究并分析比较了Zernike矩与伪Zernike矩在冗余度、抗噪性和重建性等特性的区别，针对矩特征配准算法中的匹配点无法保障前提正确性的情况，利用迭代加权改进了目标函数匹配的最小值，提高了伪Zernike矩特征配准算法的配准精度。本文提出的ILSM算法利用矩定义与维数分解方式，确定基于伪Zernike矩的分阶数配准参数，提高了配准速度。将之应用到光字符识别(OCR)中，识别率超过95％。 3.k-means聚类算法以特征点之间的欧式距离作为相似度度量，本文针对在大型数据集中的应用效果提出具有相同时间与空间复杂度的重复迭代最邻近点算法RIN。实验结果表明，RIN算法比k-means算法将EER曲线性能提高了7.3％的效率。更重要的是，RIN算法得到的样本集比利用k-means算法得到的样本集视觉上更符合后续配准的要求，同时样本数量较少，需要的存储空间仅为k-means算法一半。 4.曲率作为三维曲面有效的局部描述符，可用降维的方法从曲面提取二维曲线以近似表示曲面形状，从而将三维曲面形状的配准转化为二维曲线的匹配，本文在GGM算法基础上提出了自由曲面高斯图分解算法GMP，该算法能够计算自由高斯曲面高斯图内部所有边界围成的单连通域，有效解决了自由曲面高斯图嵌套的问题。以此为理论依据和算法基础，在人脸特征匹配、机器人路径优化、曲面重建、三维图像建模等应用领域有着广泛的应用前景。