基于局部不變特征的圖像配準算法研究.pdf

1、圖像配準是模式識別和圖像處理的核心技術(shù)之一，廣泛的應(yīng)用于計算機視覺、軍事、遙感和醫(yī)學圖像處理等眾多領(lǐng)域。由于圖像來源的多樣性，待配準圖像在尺度、角度、亮度等方面通常存在一種或多種變化，同時還受到復雜多變的成像畸變和噪聲等因素的影響，因此，圖像配準技術(shù)至今仍然面臨嚴峻的挑戰(zhàn)。局部不變特征提取技術(shù)不受圖像旋轉(zhuǎn)、尺寸、光照及模糊等因素的影響。與傳統(tǒng)的基于灰度信息的配準技術(shù)相比，基于局部特征的配準方法具有更好的配準精度和魯棒性，近年來已發(fā)展成為

2、研究的熱點和主流。傳統(tǒng)的基于局部不變特征的配準算法在多源差異圖像配準過程中，存在較多的冗余干擾信息，以及散落在相似局部結(jié)構(gòu)的特征點誤匹配率高等問題。本研究主要內(nèi)容包括：
　?、臩URF(Speeded-Up Robust Features)算法是一種較好的局部不變特征檢測方法，比較適合處理多源差異圖像的特征檢測問題。傳統(tǒng)的SURF算法需要對整幅圖像進行檢測，隨著圖像大小和數(shù)量的增多，算法的復雜度成幾何級數(shù)增加。鑒于影響配準的有效特

3、征點基本上都位于圖像目標景物區(qū)域內(nèi)，提出通過圖像邊緣檢測和目標分割技術(shù)，來獲取圖像目標區(qū)域，并在此區(qū)域內(nèi)進行SURF特征提取的算法改進思路。實驗結(jié)果表明，基于目標區(qū)域的SURF特征配準算法，不僅有效的減少了特征檢測區(qū)域和檢測時間，同時還降低了冗余特征的干擾。
　　⑵雖然局部特征描述符，能夠描述圖像所包含的具體景物的不同特性，但是對處于相似局部結(jié)構(gòu)的特征點來說，易出現(xiàn)不正確的匹配。啟發(fā)于全局特征描述符可以反映整幅圖像的信息，提出了全

4、局分布描述符，并結(jié)合局部特征描述符用來共同表征當前特征點的空間分布信息，以減少誤匹配的算法改進思想。全局分布描述符僅對基于邊緣輪廓區(qū)域內(nèi)的特征點進行描述，通過引入光照敏感性較低的邊緣積分圖概念，由于求取邊緣的積分圖只需遍歷一次原始圖像，計算復雜度不高。通過對多組圖像進行實驗，發(fā)現(xiàn)本方法在沒有明顯增加算法計算復雜度的情況下，達到了增強特征點的獨特性和降低誤匹配率的目的。
　　⑶為了驗證改進算法的有效性，我們將基于改進的SURF配準算