论文部分内容阅读
立体图像匹配在机器人、航天、遥控勘测、工业自动化等技术领域都是必不可少的关键步骤。图像匹配是指通过特定匹配算法在两幅或多幅图像之间寻找相同特征的过程,即使用匹配准则来实现最佳搜索。立体图像匹配是基于左右两幅图像匹配现实世界中同一点的过程,即以其中一幅为参考图像(一般是左图像),确定一个点的位置信息后在右图像中找到与该点特征最相似的点,然后再利用每对点之间的位置差异计算得出左右图像的视差,并由视差信息实现图像的三维重建。然而如何在保证匹配精度的前提下提升算法的运行速度成为制约技术应用的瓶颈。本文以提高立体图像匹配算法的精度与速度为目的,提出基于多元特征的立体图像匹配方法。本文提出的基于多元特征的立体图像匹配方法探索Harris-SIFT(Harris-Scale Invariant Feature Transform)和ICA(Independent Component Correlation Algorithm)两类多元特征在立体图像匹配技术中的应用原理及技术。基于Harris-SIFT的立体匹配算法,提取多尺度Harris角点采用改进的SIFT特征描述子构造32维特征向量,然后引入哈希表以汉明距离对特征点进行初匹配,再以Prosac算法进行最终匹配。实验结果证明提出的Harris-SIFT立体图像匹配增强了匹配准确度,提高了匹配的效率,其结合了SIFT算法的鲁棒性,Harris算法的高精度性,实现了高效、高精度的立体匹配,为立体图像匹配技术的发展提供了有益的参考。基于独立成分分析(ICA)的立体图像匹配,提取左右图像的ICA特征。ICA特征表现左右图像的独立成分特征可以去除无用的信息和噪声,实现降低图像特征维数的目的。实验结果表明提出的基于ICA的立体图像匹配算法可以获得36维特征,有效减少匹配时间和错误率。首先采用FastICA算法在图像库中训练36个32*32的特征检测子,然后随机在图像中选取不同位置的图像块,并计算这些图像块36维特征,在右图中寻找特征相同的匹配块。利用在左右图中匹配块的相对位置获得视差图。本文提出的基于Harris-SIFT特征和ICA特征的两类多元特征立体图像匹配方法,结合了Harris特征的准确性,SIFT特征的鲁棒性,ICA特征的抗噪性,在实现保证匹配精度的前提下,有效降低特征维数,极大地提高了匹配速度,为立体图像匹配技术的发展和应用提供理论和实验依据。