论文部分内容阅读
图像匹配是图像处理、模式识别和计算机视觉等领域的重要研究内容,主要针对不同视角、不同时间或不同成像模式的几帧图像做空间变换处理,使得这些图像能够在几何上对应起来。图像匹配在实现技术上,大致可分为基于灰度的匹配和基于特征的匹配,其中以特征为基础的图像匹配在可靠性和鲁棒性方面都具有很突出的优势,而点模式又是图像中的重要特征,对此进行研究具有重要的理论意义和实际应用价值,近年来得到越来越多的科研工作者的青睐。本文以图谱为主要理论工具,对图像的点模式匹配方法进行了深入的研究,提出了三种匹配算法,其主要研究内容和研究成果如下：1.提出一种基于图像中位点的分层匹配算法。该算法首先计算出两幅待匹配图像的中位点,并以这两个中位点为参照对图像的特征点进行分层；然后在对应各层之间分别构造高斯权Laplace矩阵,由奇异值分解(singular value decomposition, SVD)的结果构造出能够反映特征点之间匹配程度的一个关系矩阵,最后根据该关系矩阵实现对应层之间的特征点匹配,从而得到整幅图像的匹配结果。通过大量的实验,验证了该方法的可行性和有效性。2.提出一种用图的谱系数夹角特征描述图像几何结构的特征点匹配算法。对两幅待匹配的图像,首先利用Harris角点检测法分别找出反映图像结构特征的角点作为节点生成完全图,由完全图构造高斯权Laplace矩阵,通过矩阵的SVD分解得到各特征点对应的特征值和特征向量,其次计算各特征向量间夹角的余弦并构造对称矩阵,然后对其进行奇异值分解,获得特征向量集并对其进行符号校正,最后构造出能够反映特征点之间匹配程度的一个关系矩阵,利用该关系矩阵实现两幅图像的特征点匹配。通过对模拟图像、真实图像和合成数据分别进行实验,结果表明该算法能够提高匹配的精度。3.提出一种结合纹理特征匹配和Laplace谱匹配的迭代匹配算法。对两幅待匹配图像,首先使用纹理特征匹配算法和Laplace匹配算法分别得到匹配结果,从中找出相同匹配对并将其从特征点中删除,然后将余下的未匹配点作为初始待匹配特征点进行相同处理,依次循环,直到两种算法结果中没有相同匹配对,对剩余未匹配点使用Laplace谱算法得出匹配结果,最后由各次迭代中所得到的匹配对得出最终匹配结果。实验结果表明,该算法可以得到很高的匹配正确率。