图像匹配算法研究
论文名称：《图像匹配算法研究》
指导教师：那彦
论文作者：张强
毕业院校：西安电子科技大学
文章内容概要
- 介绍图像匹配的概念和意义以及现有的发展和应用内容
- 简明介绍图像匹配的一般流程关键要素以及各类匹配方法
- 概括总结已有的经典匹配算法并综合评价了各算法的优缺点及适用范围，比较各个算法的性能
- 归纳一种提高匹配速度与精度的图像匹配改进方案
- 介绍了Fourier-Mellia变换法和边缘检测方法并在此基础上提出了一种新的图像复合匹配算法
- 介绍可见光图像和毫米波图像的成像特点提出了一种毫米波和可见光图像的匹配方法
图像匹配理论
- 数字图像匹配是对数字图像寻找出将一幅图像到另一幅图像对应点的最佳变换
- 图像匹配又叫景象匹配或者影像匹配
- 直接利用原始图像的像素值进行匹配。可以充分利用图像的所有信息来高精度地区分不同对象,因此处理的信息量很大,计算复杂度提高
- 利用图像的物理形状特征点、线,如边缘,骨架线条,角点等等,需要进行相关计算的像素点数目有了明显的减少,并具有更强的适应能力
- 使用高级特征的算法。如基于约束的树搜索,可以利用深度优先搜索策略,依靠解释树寻找局部一致的匹配
- 特征空间是由参与匹配的图像特征构成的,选择好的特征可以提高匹配性能、降低搜索空间、减小噪声等不确定性因素对匹配算法的影响
- 相似性度量指用什么度量来确定待匹配特征之间的相似性,它通常定义为某种代价函数或者是距离函数的形式
基于图像像素灰度值的匹配算法
- 用模板图像和待匹配图像上的搜索窗口之间的像素灰度值的差别,来表示二者的相关性
- 二维矩不变量是指二维平移、旋转和比例变换下的不变量,因此,对于其它类型的变换,如仿射变换、射影变换,上述的矩不变量是不成立的,或只能作为近似的不变量
- 对于二值区域图像,区域与其边界是完全等价的,因此可以使用边界的数据来计算矩特征,这样可以大大提高矩特征的计算效率
- 矩特征是关于区域的全局特征,若物体的一部分被遮挡,则无法计算矩不变量,在这种情况下,可以使用物体区域的其它特征来完成识别任务
图像复合匹配算法研究
- 频域匹配算法阵就是把在空域中的数据通过时频变换,变换为频域的数据,然后通过一定的相似性度量来确定两幅图像之间匹配参数的办法
- 边缘是图像基本特征之一,是图像中两个具有不同灰度的均匀区域的边界,它反映灰度的突变。图像边缘可用其切线方向、法线方向、位置和强度等信息描述
- 边缘检测是根据引起图像灰度变化的物理过程来描述图像中灰度变化的过程
可见光与毫米波图像匹配算法研究
- （略，与项目无关）
实验结果图
