论文部分内容阅读
图像特征检测与匹配是计算机视觉中的一个关键问题，在物体识别、三维重建、图像配准、视频理解等诸多领域具有非常重要的应用。尽管近些年来对该问题的研究取得了一些突破性进展，但由于不同图像成像条件复杂、场景多样和存在各种几何形变，图像特征检测与匹配依旧是一个极具挑战性的热点研究课题。本文针对这一问题进行了深入研究，论文工作的主要创新之处有：
(1)通过将数学上的拽物线和伪球函数引入图像处理领域，本文提出了一种新的滤波器—伪球滤波器。在伪球滤波器中，除了尺度参数外，还引入了边缘保持参数，它能较好地解决传统滤波器的平滑性能与边缘定位精度之间的矛盾问题。以伪球滤波器取代经典Canny边缘检测算子中使用的高斯滤波器，得到了一种基于伪球的边缘检测算子。实验结果表明，与经典的Canny边缘检测算子相比，在具有相当平滑性能的条件下，基于伪球的边缘检测算子具有更高的边缘定位精度。
(2)引入了图像梯度内积能量的概念，从理论上证明了在抑制图像噪音和细节方面，内积能量比梯度幅值具有更好的性能。利用内积能量取代经典Canny算子中使用的梯度幅值，提出了一种基于内积能量的边缘检测算子，与经典的Canny边缘检测算子相比，在具有相当边缘定位精度的条件下，基于内积能量的边缘检测算子对图像噪音和细节具有更强的抑制能力。
(3)针对大多数常见角点检测算子检测出的角点定位不准确问题，提出了一种基于局部方向分布的角点检测及亚像素定位算法。该算法的主要创新点是：定义了绝对角点能量和相对角点能量这两种新的角点度量，通过对角点支撑像素的方向线交点进行拟合将角点定位至亚像素精度。相对于常见角点检测算法，基于局部方向分布的算法不仅具有更高的定位精度，同时还具有更强的鲁棒性。
(4)提出了一种通过直线描述子来进行自动直线匹配的新思路，将直线描述子的建立分为以下3个主要步骤：首先将直线的邻域划分为一系列平行线或者相互重叠的子区域的形式，然后通过选择图像特征建立直线的描述矩阵；最后通过计算描述矩阵列向量的均值和标准差获得直线描述子。基于两种直线邻域的划分方法和不同的图像特征，提出了4种直线描述子FMSD、MMSD、GMSD和MSLD。并将直线描述子MSLD推广到曲线描述子MSCD。实验结果表明提出的各种描述子具有出色的匹配能力，能够有效地解决直线曲线的自动匹配问题。