论文部分内容阅读
图像匹配是图像处理的一项关键技术，可广泛用于目标识别与跟踪、立体视觉、变化检测、机器人视觉、测绘、数据融合、导航定位等领域，已成为一门新兴的学科。图像匹配的困难之处在于图像的复杂多变和两幅图像之间的各种成像与几何畸变。因此，寻找适应性强、精度高、匹配速度快的匹配算法一直是研究的核心内容。
本文主要针对图像匹配快速算法进行研究，重点讨论基于灰度的模板匹配方法。总结了几种常用的基于灰度的匹配方法。提出了在图像存在旋转、缩放、平移变换的情况下如何有效的减少匹配的计算量问题。
图像匹配的本质是一个参数优化问题。近年来，粒子群算法是一种广泛使用的优化技术，采用种群和随机搜索机制来解决优化问题。本文将研究遥感图像的模板图和基准图之间存在尺度缩放和角度旋转时的快速匹配问题，拟构建模板匹配算法和粒子群算法(PSO)之间的适应度函数关系，结合粒子群算法(PSO)的优越性能对模板匹配模型进行优化搜索，屏蔽掉模板匹配目标过程中空间角度、缩放比例和强背景噪声等对复杂参数的影响，实现对模板的精确定位。旨在提高遥感图像匹配算法的性能，包括算法的有效性、定位精度、匹配速度以及适应性等。
论文首先对国内外的研究状况做了系统的回顾。指出了本文的研究背景及选题依据。
论文第二部分，建立了图像匹配的基本概念。首先，论述了图像匹配的概念；分析了图像匹配中的四个关键要素；研究了图像匹配中不同的匹配算法；并对发展趋势做了简要介绍。论文第三部分，对粒子群算法作了相关介绍。阐述粒子群算法的基本原理及算法流程，并就粒子群算法与其他算法做了相关比较。
论文第四部分，将粒子群算法引入到遥感图像匹配领域中。给出了具体的编码实现方式。并进行实验检验，实验表明该算法较传统算法在时间效率和正确率上都有很大提高。
论文第五部分，对本文研究成果的总结，提出本文的创新点和不足之处。