基于特征點的多尺度圖像匹配算法研究及其應(yīng)用.pdf

1、圖像匹配是一種對同一場景的兩幅圖像或多幅圖像進(jìn)行配準(zhǔn)來確定彼此對應(yīng)關(guān)系的圖像處理和圖像分析技術(shù)，它是計算機(jī)視覺研究中一項必不可少的基礎(chǔ)性工作，廣泛應(yīng)用在圖像拼接、三維重建、目標(biāo)識別、圖像檢索等領(lǐng)域。本文以基于特征點的多尺度圖像匹配算法為主線，重點研究了圖像匹配算法中的特征點檢測和特征點描述方法。本文主要的創(chuàng)新點和工作如下:
　　1)為保留更多的圖像細(xì)節(jié)特征，提出了一種基于分?jǐn)?shù)階梯度算子的多尺度特征點檢測算法。首先，通過一種基于分?jǐn)?shù)

2、階梯度算子的非線性擴(kuò)散濾波，以及快速顯式擴(kuò)散(Fast Explicit Diffusion，F(xiàn)ED)算法來構(gòu)建非線性尺度;然后，在非線性尺度空間中，采用一種新的基于Hessian矩陣的特征點檢測算子來計算特征響應(yīng)值;最后，在尺度空間中尋找特征響應(yīng)值的局部極大值點作為圖像中的特征點。實驗結(jié)果表明，該算法在圖像模糊、尺度縮放、旋轉(zhuǎn)變換、光照變化、圖像壓縮以及視角變化下都具有良好的性能。
　　2)為了提高二值描述子對噪聲和圖像局部結(jié)構(gòu)

3、變化的魯棒性，提出了一種基于局部灰度序的二值描述子(Local Intensity Order Binary，LIOB)。首先，在特征點的局部圖像塊中選取所有的采樣點對;然后，比較每對采樣點的局部灰度序信息，生成二值描述子中的一位;最后，把所有采樣點對的比較結(jié)果組合在一起，構(gòu)造成該特征點的二值描述子。實驗結(jié)果表明，與經(jīng)典的二值描述子相比，該描述子的性能有了一定程度的提高。
　　3)將本文提出的特征點檢測和特征點描述算法應(yīng)用于基于序