论文部分内容阅读
局部仿射不变特征不但能够在图像平移、旋转、尺度、光照和视角变换的条件下保持不变,并且在噪声干扰和目标部分遮挡的条件下比全局仿射不变特征具有更高的稳定性,因此被日益广泛地应用到多个图像处理领域,主要包括图像配准、图像拼接、图像融合、目标的识别与跟踪、图像检索和三维重建等。局部仿射不变特征的提取作为上述应用的基础,其提取精度和执行效率直接影响着后续算法的研究方向和实现结果。本文详细地分析了当前几种主要的仿射不变特征提取方法,深入研究了相机多视点仿射成像模型和仿射几何变换理论。根据当前仿射不变特征提取方法的优势与不足,提出新的仿射不变特征提取方法以及适合该特征的描述子提取方法,并对新方法进行了详细的测试与分析。本文的主要研究内容及成果分为以下几个方面:(1)将仿射不变特征区域密度的概念引入对提取方法的评价之中,使得图像特征提取方法能够动态地估计自身对图像内容的适应程度,并引入相对仿射不变特征区域密度预先估算特征提取方法的重复率,使其能够进行匹配前的扩展或筛选,为特征提取方法的评价、配准效率和配准精度的提高提供可靠的保证。(2)针对纹理图像包含大量不易匹配的条状最稳定极值区域的情况,提出对最稳定极值区域(MSER)进行匹配前的形状检测。通过去除条状MSER提高了特征区域的配准率;针对纹理图像包含大量微小重复性结构使提取的MSER相似度很高的问题,借助嵌套MSER的差集具有较好的灰度层次这一特点,提出了基于最稳定极值间区域的B+MSER算法。实验表明:该算法提取的仿射不变特征区域具有很高的区分度,其重复率和较强噪声条件下的稳定性均高于MSER算法。(3)为了评价MSER在噪声干扰和图像模糊条件下的实际稳定性,提出了MSER相对稳定度的概念。针对噪声和图像模糊对嵌套MSER和高稳定度MSER影响较小的特点,借助极值区域树中同一父节点下高稳定度的MSER,提出了基于组合最稳定极值区域的C+MSER算法。实验表明:该算法提取的仿射不变特征区域对噪声和图像模糊具有较强的抵抗力,其算法的重复率和配准率均优于MSER算法。(4)为提高描述子方向的计算精度和效率,分别采用轴向密集插值和面积积分的方式,设计了基于亮度质心不变矩的描述子方向计算方法。采用系数矩阵的计算方式,将复杂计算融入系数矩阵中预先完成,极大地优化了计算速度。实验结果表明:上述两种方法的计算速度均比SURF快4倍以上;其中面积积分式的方向计算精度比SURF算法更加均衡,轴向密集插值式的方向计算方法在某些方向的极高精度提示了系数矩阵仍有提升的空间。