论文部分内容阅读
图像特征匹配是计算机视觉众多任务中的一项关键技术,在物体检测和识别、图像配准、视频理解以及三维重构等领域有着广泛的应用。图像特征匹配的基本方法包含三个步骤:首先,分别从两幅或多幅图像中提取图像的特征(点、线、面等特征);然后对提取的特征进行参数描述;最后通过建立图像之间的特征对应关系实现匹配。近些年来,基于描述子的特征匹配技术取得了较大成功。该类方法主要采用基于邻域内纹理信息构造特征描述向量的基本思路进行特征匹配:首先确定特征支撑区域并将其划分为若干子区域,然后统计各子区域不变特征来构造匹配描述子,最后计算匹配描述子之间的相似性进行特征匹配。尽管基于纹理特征的点匹配技术取得了一系列突破进展并提出了许多点匹配描述子,但基于纹理特征的曲线匹配描述子却进展缓慢。由于曲线的长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,基于纹理特征的曲线匹配研究依旧是一个极具挑战性的热点研究课题。为此,本文针对该课题进行以下研究:(1)对目前已有的曲线匹配算法进行客观的分析和总结。本文重点分析了与课题研究最相关的算法—均值标准差曲线匹配描述子(MSCD),并针对MSCD描述子存在的问题,依次提出三种基于纹理特征的曲线描述子;(2)提出一种基于亮度序划分的均值标准差描述子(IOMSD)。针对MSCD描述子在构建过程中采用固定形状子区域划分而引起的边界误差,本文将亮度排序应用到子区域划分中,结合均值和标准差信息提出了一种基于亮度序划分的均值标准差描述子(IOMSD)。由于不同视角下,图像形变会使局部区域发生形状扭曲,而区域内的亮度排序不会随着图像形变而改变。所以该描述子不仅克服了固定形状划分带来的边界误差,而且对单调光照变化具有不变性;(3)与传统描述子所采用的灰度、梯度和亮度特征不同,本文引入亮度序列特征来表征曲线周围的纹理结构,提出一种新颖的亮度序曲线描述子IOCD。该描述子具有完全的旋转不变性,不仅对单调光照变化的图像具有鲁棒性,还能处理更为复杂的光照变化;(4)针对曲线周围包含的重复性纹理较多这一特点,本文提出一种三元语境直方图模型(TCHP)。该算法首次采用局部三元同质模型的直方图语境化方法来表征曲线周围的纹理结构,不仅克服直方图因缺失空间信息而引起的分辨力下降,而且能解决高阶直方图带来的维数问题。实验表明,本文提出的三种基于纹理特征的曲线描述子(IOMSD、IOCD、TCHP)具有稳定的匹配性能和较高的匹配准确率,能够很好地实现图像中曲线的自动匹配。