论文部分内容阅读
近十几年来，随着数字图像获取设备日益成为生活便利品，计算机存储介质成本不断降低，互联网络技术迅速发展，同时随着人们对视觉媒体日益关注，互联网上数字图像的数量和种类正在以前所未有的速度增长。互联网正变成一个无比巨大的图像数据库，图像数量数以亿计。如何有效地对图像进行分析和处理成为一个具有挑战性的课题，图像匹配正是其中一个重要组成部分。本文的研究试图从局部不变特征的角度使图像匹配方法能够在仿射变换或者光学变换的图像间鲁棒地匹配。为此，本论文的一项重要研究内容在于如何提高局部不变特征的描述能力上；同时本论文还探索图像匹配技术在导航上的应用，该应用对匹配算法的实时性和鲁棒性提出了更高的要求。本文做出的主要贡献如下：
第一，提出一种新的局部不变描述子(PRCS)。局部不变特征(如SIFT)能够对图像的仿射变换和光学变换具有不敏感性。提取局部不变特征一般包括两个部分：寻找兴趣点和描述兴趣区域；前者被称为检测子，后者被称为描述子。而Mikolajczyk和Schmid通过实验证明：检测子对局部不变特征的性能影响差异不大，而描述子对其性能的影响更加明显。所以本文重点研究局部不变描述子，并提出了一种融合亮度和颜色信息的局部不变描述子(PRCS)。该描述子的性能相对于常用的一些局部不变描述子有明显的提高。
第二，改进了基于局部不变特征的图像匹配方法。基于局部不变特征的图像匹配方法一般分为初始匹配和消除错配两步。其中初始匹配就是通过特征间的一一匹配来确定初始匹配点对集合，然后使用RANSAC方法从初始匹配集合中拟合基础矩阵；最后通过判断初始点对是否符合基础矩阵描述的(同一场景的)两幅图像外极线几何约束来消除错配。本文正是从这两方面改进了该匹配方法，首先通过一个自适应的分块(根据图像特征的“密度”)来加快初始匹配的速度，并在一定程度上减少了错配；然后，提出了权重RANSAC方法加速基础矩阵的拟合。在对比实验中，我们的匹配方法在速度上比一些经典的方法提高了将近一倍。
第三，设计和实现了一种基于本文提出的图像匹配方法的导航仿真系统。该系统尝试去克服飞行过程中拍摄的图像存在的各种变化(如光照、尺度等)的影响，并通过一系列方法提高导航速度；该系统(在仿真条件下)能够准确和实时地在较复杂的环境下导航。