《SURF基于图像局部特征配准研究+文献综述》由会员分享，可在线阅读，更多相关《SURF基于图像局部特征配准研究+文献综述（16页珍藏版）》请在金锄头文库上搜索。
1、-范文最新推荐-1 / 16SURF 基于图像局部特征配准研究+ 文献综述摘要社会发展使得人们获得图像的途径的丰富，并且所获图像的量的增多使得图像处理中一些基础性的研究变得更加重要。通常来说，图像配准是指通过计算两幅之间的变换参数，从而找出它们中共同的场景部分，而这两幅图像是取自不同视角、不同时间、不同传感器。它们之间的变换可以是刚性变换，也可以是非线性变换等等。本研究是基于一种快速鲁棒特征的图像配准算法，即 SURF。该算法具有尺度不变、旋转不变的性能，对光照、仿射和透视变化具有部分不变性。由于它在重复性、鲁棒性、独特性三个方面均超越或接近以往的同类方法，且在计算时间上有明显优势，故在图像配
2、准中有广泛应用。11773关键词图像配准、局部特征、特征检测器、特征描述符、SURF 算法毕业设计说明书（论文）外文摘要TitleProspective Study Based On Local CharacteristicsOf Image RegistrationAbstractSocial development makes the ways of humans’ image gaining rich,and the increase of the amount of the images obtained,making some basic image processing
3、 research has become more and more important.Generally,image registration can defined as to find the common scene of two different images which are taken from a different perspective,or in different times,or from different sensors, by calculating their transformation parameters.The transformation be
4、tween them could be rigid or nonlinear transform,and so on.This paper introduces a speed-up and robust feature of image registration algorithm,namely SURF.The algorithm -范文最新推荐-3 / 16has the properties of scale invariant and rotation invariant.Also it is partial invariant to light,affine and perspec
5、tive changes.Because of its properties in repeatability,robustness and uniqueness,it beyonds or close to previous similar methods,and has obvious advantages at the time of calculation,Therefore,it has been widely used in image registration. 图像配准技术应用非常广泛，根据其获取方式可将其应用形式分为 4 大类 ：一：不同时间获取的图像。其目的是用于对场景变化
6、的检测。如遥感领域中的环境监测、计算机视觉领域的检测以及医学上对病人治疗过程中的变化进行监测等等。二：不同视觉角度获取的图像。这种配准的目的是为了获得更大视野范围的二维图像，或者是对三维场景的重构。图像拼接就是此类应用形式之一，计算机视觉领域的三维场景重建也属于此应用。三：不同传感器获取的图像。这种应用可以整合不同传感器获取的图像。在遥感图像处理领域，可以对全色遥感图像和多光谱遥感图像进行配准、融合；在医学图像处理领域，可以对 CT 和 MRI 的图像进行配准处理。四：同一场景的图像与模型的配准。这里所指的模型是计算机里构建出来的模型，DEM（Digital Elevation Model）
7、，数字高程模型就是一个典型的例子。此类配准应用主要是对某一场景图像进行定位，然后将场景图像与模型进行对比。根据图像配准的实现形式，图像配准方法又可分为基于灰度、基于图像特征点和基于变换域的配准，具体的分类下面章节将详细介绍。基于图像特征点的配准方法具有压缩信息量、速度快、对灰度具有鲁棒性等特点，是国内外专家研究的热点，SIFT 就是其中之一。但是传统的 SIFT 计算量大，耗时长，故在SIFT 得基础上又提出了 SURF 图像配准算法。该算法首先在图像的尺度空间中提取特征点，然后对特征-范文最新推荐-5 / 16点进行亚像素定位，并赋予主方向。最后，根据特征点邻域信息分布计算得到特征向量后，利
8、用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对 。1.2 图像配准方法1.2.1 基于灰度信息的图像配准方法基于灰度的图像配准一般不需要对图像进行复杂的预处理，而是直接利用整幅图像灰度信息，建立图像间的相似性度量，再利用某种搜寻方法，寻找使相似性度量最大或最小的模型参数。这种方法的主要特点是实现简单，应用范围较窄，不能直接用于校正图像的非线性形变。该方法大致可以分为三种：1）序贯相似度检测匹配法：该方法首先选择一个简单的固定门限 T。若在某点上计算两幅图像残差和的过程中，残差和大于该固定门限 T，就认为该点不匹配，从而终止计算，继而转向别的点去计算；2）交互信息法：此方法用来比较两幅
9、图像的统计依赖性，其只需要图像本身信息，不用对图像进行特征点提取和组织分类等预处理。该算法对图像中的几何失真、灰度不均匀和数据的缺失等不敏感，总的来说这是一种自动而有效地配准算法；3）互相关法：这种方法是三种方法中最基本的，通常被用于进行模板匹配和模式识别。互相关法是一种匹配度量，通过计算模板图像和搜索窗口之间的互相关值，从而确定匹配的程度，当值最大时，搜索窗口位置决定了模板图像在待配准图像中的位置。 图 1.1 基于特征点的图像配准流程1.2.3 基于变换域的图像配准方法最主要的方法是傅里叶变换方法，其优点如下：图像的平移、仿射、旋转等变换在傅里叶变换域中都有体现；一定程度上对抵抗噪声有鲁棒
10、性特征；由于易于硬件实现使得该算法在实现上有独特的优势。配准两幅图像平移，其基本的傅里叶变换方法是相位相关技术：给定的两幅图像的相位差等于它们交叉功率谱的相位，对它进行傅里叶变换，即可得到一个脉冲函-范文最新推荐-7 / 16数，该函数只有在平移的位置不为零，其他各处均几乎为零，然而这个位置就是我们所要确定的配准位置。1.3 图像配准的现状与意义1.3.1 图像配准的现状图像配准的研究经历了一段较长的历史检验，且也取得一定的成果。随着边缘检测、图像分割、图像融合等技术的发展，基于灰度信息、特征点、变化区域的图像配准技术的研究也成了热点。其中基于图像特征的配准算法在适应性上有着明显的优势，近年来
11、也备受关注。这类方法大致步骤如下：(1)特征点提取。特征点需要对光照、旋转、平移等不敏感，由于应用的多样性，特征提取也具有多样性。是否正确合适地描述特征符，决定着算法的成败。因此，一般的特征点都应具有一定的特征，如：闭合区域、角点、边缘等； (2)特征点匹配。这一步是在参考图像和待配图像中，找出的特征点之间的对应关系，涉及到特征描述符和相似性度量。匹配策略很重要，根据自身特征因时而宜；(3)模型参数估计。将待配图对准至参考图。通常来说，两幅图像之间存在的变换模型包括刚体变换，仿射变换，投影变换和非线性变换；(4)图像重采样和变换。待配图像根据变换模型进行重采样，然后通过变换对准到参考图像上，图
12、像插值和镶嵌技术被很好的运用在这一步。 第三章 详细介绍了本文将采用的 SURF 算法原理和步骤。依据 SURF 算法的步骤顺序分别介绍了如何进行 SURF 特征点提取、SURF 特征描述符的形成以及最终的图像匹配。还介绍了 RANSC 算法的基本原理以及仿射变换的算法流程。第四章 通过做实验，配准多组不同类型的图片，-范文最新推荐-9 / 16并对其结果进行了分析；还利用几组实验图像，对比SURF 算法与 SIFT 算法各自的优缺点。第五章 本章是对全文的总结及概括，并针对本文不足之处提出了改进，最后对未来基于局部特征的图像配准研究进行展望。2 局部特征图像局部特征研究已有很长一段历史，最早
13、可以追溯到 20 世纪 70 年代的 Moravec 算子 。国内外大量文献中存在关于角点、边缘、blob 和区域局部特征的研究方法。图像局部特征研究已经广泛应用于图像恢复、目标定位、目标识别、场景分类等领域。本章将着重介绍过去和当前所用的局部特征的特征检测器以及特征描述符。特征检测器包括角点检测器和区域检测器。基于局部特征的特征描述符分为五种：基于纹理的描述符、基于分布的描述符、基于滤波的描述符、基于微分的描述符以及其他类型的描述符等，在这里，本文将详细介绍基于分布和滤波的描述符。 2.1 概述局部特征对尺度、平移、光照、几何变化有不变性，并对特征描述具有良好的独特性。由于在实践中性能表现优
14、良，所以越来越受到人们的青睐与重视。因此图像局部特征在模式识别、图像恢复、三维重构等计算机视觉领域取得了广泛的应用。性能较好的局部特征应具有检测重复性高、执行速度快、特征描述符的维数较低、易于快速实现配准，以及特征描述对视角变化、旋转、光照等图像变化具有鲁棒性的特点。基于图像局部特征配准方法 的一般步骤为：从输入的图像中提取图像特征点；对特征点进行描述；计算特征向量之间的距离来匹配特征点。 本文就是选取 SURF 算法进行实验的。2.2 特征点检测器特征检测是特征描述的必要前提，检测的目的是在-范文最新推荐-11 / 16待测图像中检测特征点、边缘、blob 或区域。现有的特征检测器可大概分为两类：基于角点检测器和基于区域检测器。2.2.1 定义定义一幅二维图像 ，其中 是某一
