论文部分内容阅读
区域匹配在计算机视觉中是一个重要问题,广泛地应用于三维重建、特征识别、图像配准及其相关的诸多领域。区域匹配常常包括三个主要的步骤:首先分别从两幅及以上图像上提取特征区域;然后对特征区域进行描述;最后通过特征区域之间的相互对应关系进行区域匹配。近年来,虽然区域问题的研究取得了一些突破性进展,但由于提取出的特征区域存在各种形状变化的不规则性和重复性纹理较多等因素,导致不规则区域难以划分和描述。区域提取与匹配仍然为计算机视觉研究中的一个热门话题,本文进行了这一问题的深入研究,论文的主要创新之处有:(1)由于MSER区域存在不同的形状,传统的描述算法很难直接匹配不规则区域,通常在构造不规则区域之前需要椭圆拟合过程,这样会导致拟合误差和降低描述子的性能,特别是对于大视角变换的图像。针对以上存在的问题,我们提出了一种基于亮度序的不规则区域匹配描述子(IOMSRD),首先使用最大稳定极值区域(MSER)方法提取不规则区域;然后采用一种能够避免椭圆拟合误差的方法确定不规则区域的支撑区域,并采用灰度直方图统计法剔除支撑区域内重复性纹理来突出支撑区域内的独特性信息,之后根据像素点的亮度排序划分支撑区域的所有的子区域;最后使用均值标准差算法构造不规则区域描述子(IOMSRD)。该算法解决了不规则区域划分产生边界形变和描述困难的问题,对纹理简单且重复性高的图像匹配有更好的鲁棒性。(2)针对不规则区域MSER匹配的问题,单个支撑区域存在一些相似性特征会增加图像的误匹配。本文在基于亮度序的单支撑区域描述子的基础上,采用多个支撑区域构造描述子,提出了一种基于多支撑区域的不规则区域匹配描述子(MRMSD),该方法首先确定多个单支撑区域,然后使用像素点的亮度序列把每个单支撑区域划分成若干个子区域,并构造单支撑区域描述子,最后把多个单支撑区域描述子连接成多支撑区域描述子。与传统的单支撑描述子相比,该算法采用多个支撑区域减少了相似特征在特定支撑区域下的误匹配,从而提高了描述子的分辨力。实验结果表明:该算法在匹配性能方面比单个支撑区域描述子在旋转、光照和视角变化图像上拥有更好的匹配效果。(3)本文提出了一种新颖的不规则区域匹配算法,即基于距离变换的不规则区域描述子(DTIRD)。该算法首次采用距离变换划分子区域,能够减少主方向估计不准确和图像亮度变化带来的匹配错误,针对每个子区域具有不同像素点数,采用均值标准差(MS)构造描述算法。实验结果表明:已提出的方法对旋转、光照、模糊以及JPEG压缩等图像变化具有良好的鲁棒性。实验表明:本文提出的三种不规则区域描述子(IOMSRD、MRMSD、DTIRD)具有较高的匹配正确率和优秀的匹配性能,能够有效的解决图像中不规则区域匹配的问题。