《基于特征的图像匹配算法研究》由会员分享，可在线阅读，更多相关《基于特征的图像匹配算法研究（44页珍藏版）》请在金锄头文库上搜索。
1、西北工业大学明德学院本科毕业论文 本科毕业设计论文 题 目 基于特征的图像匹配算法研究专业名称学生姓名指导教师毕业时间设计论文毕业 任务书一、题目基于特征的图像匹配算法研究二、指导思想和目的要求本题目来源于科研，主要研究图像特征和匹配的概念，研究图像特征在匹配中的应用，进而实现相关算法。希望通过该毕业设计，学生能达到：1利用已有的专业知识，培养学生解决实际工程问题的能力；2锻炼学生的科研工作能力和培养学生团队合作及攻关能力。三、主要技术指标1学习常用的图像特征；2掌握图像匹配的概念；3实现基于特征的图像匹配算法。四、进度和要求第01周-第02周：参考翻译英文文献；第03周-第04周：学习图像特
2、征的概念；第05周-第06周： 研究图像匹配的概念及实现方法；第07周-第09周：研究基于特征的图像匹配算法； 第10周-第14周：编写图像匹配程序；第15周-第16周：撰写毕业设计论文，论文答辩。五、主要参考书及参考资料1. 尼克松.特征提取与图像处理.电子工业出版社.2. 李言俊.景象匹配与目标识别技术.西北工业大学出版社.3. 梁建宁.特征选取与图像匹配.复旦大学硕士学位论文.4. 李壮.异源图像匹配关键技术研究.国防科技大学硕士学位论文.学生 高荣亮 指导教师 王红梅 系主任 史仪凯 摘要图像匹配就是把具有同一场景的两幅或多幅图像在空间上对准，进而确定他们之间变换关系的过程，这些图像可
3、能是在不同时间、用不同传感器、从不同视角拍下来的。在目标跟踪、图像导航、文字识别、资源分析、人脸识别以及计算机视觉等领域中，需要解决的一个关键问题就是图像匹配，而利用包含图像重要结构信息的少量特征点来确定图像间的变化关系是解决该问题的一种有效方法。这种方法的难点是如何提取稳定的特征点，并构建适应旋转、形变、遮掩、噪声及其他因素的特征描述子。本文对两种特征点提取算法(Harris算法和SIFT算法)进行分析比较，得出Harris角点检测算法效率高，但对尺度变化和抗噪性的鲁棒性差，SIFT算法对尺度变化及抗噪性鲁棒性好，但算法时间复杂度高，且对图像纹理要求高。图像匹配的方法大致分为两类：基于像素的
4、图像匹配方法和基于特征的图像匹配方法。而基于特征的图像匹配方法是目前图像匹配的最常用方法，其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征（特征点、特征曲线等）的分析，从而大大减小了图像处理过程的运算量。经过多年的研究，基于特征的图像匹配技术以及取得了一定的研究成果，其主要步骤包括：图像采集、特征提取、特征匹配、图像变换。本文会实现基于点特征的图像匹配的仿真。关键词：特征点检测 图像匹配 Harris 图像处理ABSTRACTImage matching is aligning two or more images of the same in the space ,which
5、may be taken under the conditions such as by different sensors,from different aspects and in different time.It is a kay problem to be solved existing in object tracking ,image navigation ,OCR,resources analysis and face recognition as well as in other fields such as computer vision.An effective solu
6、tion to this problem is to obtain the transform relationship with feature points which is small enough in quantity and contains significant structure information representing the feature of the images.The difficulties to be conquered in the method is how to extract stable feature points and build fe
7、ature descriptors that are adaptive to transform ,distortion,occlusion,noise and some factors in other forms.The thesis analyses and compares two kinds of extracting feature points algorithms( Harris algorithm and SIFT algorithm ), Harris algorithm has high efficiency and poor anti-scaling and anti-
8、noise performance, SIFT algorithm has good robustness about anti-scaling and anti-noise, but the time complexity of this algorithm is high, and it has a great demand on image texture. Image matching method is roughly divided into two categories: the image matching method based on pixel and image mat
9、ching method based on feature. And image matching method based on feature is currently the most commonly used method of image matching, its biggest advantage is that can be all kinds of analysis of the whole image into the image characteristics (the analysis of feature point and curve, etc.), which
10、greatly reduces the computational complexity of the process of image processing. After many years of research, based on the characteristics of image matching technology, and has obtained certain research results, the main steps include: image acquisition, feature extraction feature matching, image t
11、ransformation.This paper can realize the simulation of image matching based on point feature.KEY WORDS：Feature point detection Image matching Harris Image processing 目录摘要5第一章 绪论71.1 研究背景71.2 研究现状综述81.2.1 特征点提取研究现状81.2.2 特征点匹配研究现状111.3 研究内容121.4 论文组织结构13第二章 角点检测及MATLAB实现152.1 角点定义152.2 常用角点检测的算法162.2
12、.1 Harris算子162.2.2小波变换算子162.2.3 Moravec算子172.2.4 Forstner算子182.3 常用角点检测算法比较192.4 Harris角点检测的MATLAB实现202.5 本章小结23第三章 仿真软件 Matlab233.1 Matlab软件介绍233.2 Matlab软件特点243.3 Matlab软件优势263.3.1 编程环境263.3.2 处理能力263.4本章小结27第四章 基于点特征的图像匹配及其仿真284.1 图像匹配的方法284.1.1 基于点特征的图像匹配算法294.1.2 基于线特征的图像配准算法304.2图像匹配的原理314.3图像
13、匹配的MATLAB实现314.4图像拼接的原理334.5图像拼接的MATLAB实现334.6 本章小结34第五章 全文总结34参考文献35致谢37附 录38IV第一章 绪论1.1 研究背景图像特征点提取和匹配是图像处理研究领域中的基础课题，也是机器视觉的关键技术之一，广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中，具有广泛的应用前景及社会经济价值。因此，特征点的提取和匹配越来越得到研究人员的关注。图像匹配可以认为是在不同时间或相同时间、从不同视角或相同视角对同一场景拍摄的两幅或者多幅图像进行的空间域上的匹配过程。它通过建立两幅图像之间的对应关系，确定相应的几何变换参数，对两幅图像中的同一目标进行匹配。近几年在许多领域中，都对图像配准进行了大量的研究，比较有代表的有：模式识别、自动导航、遥感领域、医学诊断、计算机视觉等。经过国内外研究者多年的努力，人们提出了多种图像匹配方法。这些方法大致可分为基于灰度值的方法和基于特征的方法两大类1。基于灰度的匹配就是逐像素地把一个以一定大小的实时图像窗口的灰度矩阵与实际图像的所有可能的窗口灰度矩阵按某种相似性度量方法进行搜索比较的匹配方法。为了克服基于灰度匹配方法缺点，提出了基于特征的匹配方法。特征匹配方法首
