（畢業(yè)論文）基于點(diǎn)特征的整體匹配方法研究

《（畢業(yè)論文）基于點(diǎn)特征的整體匹配方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于點(diǎn)特征的整體匹配方法研究摘要：以礦山普通數(shù)碼影像為實(shí)驗(yàn)源，對現(xiàn)有的單點(diǎn)匹配和整體匹配方法進(jìn)行研究，針對各自的優(yōu)缺點(diǎn)提出基于點(diǎn)特征的整體匹配方法，很好的利用影像的灰度相關(guān)及整體特征，以提高匹配的正確率。本文主要內(nèi)容包括點(diǎn)特征的提取方法的探討研究、點(diǎn)特征的旋轉(zhuǎn)圖像匹配的方法及改進(jìn)、灰度差分不變量的點(diǎn)特征匹配、數(shù)據(jù)點(diǎn)特征參數(shù)提取優(yōu)化算法的研究、邊緣點(diǎn)特征的細(xì)化算法等；影像匹配在數(shù)字?jǐn)z影測量中是提取物體三維信息、建立DTM的基礎(chǔ)，因此，它是數(shù)字?jǐn)z影測量工作站最關(guān)鍵的技術(shù)之一。一般來說，為了提高影像匹配的精度和效率，金字塔影像

2、結(jié)構(gòu)是廣泛采用的一種技術(shù)，通過對原始影像作低通濾波，首先進(jìn)行粗相關(guān)，將其結(jié)果作為預(yù)測值，逐漸加入髙頻成分，在逐漸變小的搜索區(qū)域內(nèi)進(jìn)行相關(guān)匹配，最終利用原始影像得到精確的匹配結(jié)果。介紹了一種將譜圖理論、特征點(diǎn)的局部特征和概率松弛法相結(jié)合的特征點(diǎn)匹配算法。該算法通過譜方法，求出特征點(diǎn)匹配的初始概率；利用特征點(diǎn)的結(jié)構(gòu)特征和灰度特征，求得初始支持度;將初始概率、初始支持度與概率松弛迭代法相結(jié)合，獲得匹配結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法能夠達(dá)到較髙的匹配效果。提到了一種映射方法，使得Hopficld神經(jīng)網(wǎng)絡(luò)能夠用于實(shí)現(xiàn)松弛算法。其優(yōu)點(diǎn)在

3、于Ilopficld模型可由集成電路實(shí)現(xiàn)，因而使得基于松弛算法的影像匹配可以實(shí)時地完成，極大地提高了處理速度。并且對于近景攝影測量的普通數(shù)碼影像與航空攝影相比較，存在更為復(fù)雜的影像變形和影像遮擋等問題，這使得其影像匹配的難度大大增加。針對近景數(shù)碼影像的特殊性，提到一種改進(jìn)搜索策略的概率松弛匹配算法。該算法采用格網(wǎng)點(diǎn)和特征點(diǎn)相結(jié)合的方式來確立初始點(diǎn)匹配過程；并從核線、視差等方面進(jìn)行剁成約束，保證匹配的連續(xù)性和正確性。實(shí)驗(yàn)結(jié)果表明該算法適用于近景數(shù)碼影像匹配，在復(fù)雜的髙山硒鼓地區(qū)的立體匹配正確率可達(dá)到98%,當(dāng)然也同樣適用于

4、礦山普通數(shù)碼影像的匹配。關(guān)鍵詞：特征點(diǎn)；整體匹配；圖像匹配；概率松弛；最小二乘匹配1引言在攝影測量中，有一些較為著名的點(diǎn)特征提取算子，女a(chǎn)：Moravec算子、Forsmer算子與Hannah算子等。將敘述MoraVec算子和Forsmer算了的基本原理，從提取點(diǎn)的定位準(zhǔn)確性及速度兩個方面對兩種算了進(jìn)行比較，并重點(diǎn)分析利用Moravec算子提取特征點(diǎn)實(shí)現(xiàn)過程分析。針對地貌測量重構(gòu)中的圖像特征匹配問題，提岀了一種新的圖像特征匹配方法。通過對待匹配的資源和模板圖像進(jìn)行分區(qū)，并根據(jù)灰度相關(guān)值實(shí)現(xiàn)區(qū)域之間的匹配，在區(qū)域匹配的基礎(chǔ)

5、上再根據(jù)角點(diǎn)所屬區(qū)域的對應(yīng)關(guān)系進(jìn)行角點(diǎn)特征匹配運(yùn)算。在角點(diǎn)特征匹配過程中，利用去均值歸一化相關(guān)法進(jìn)行區(qū)域灰度相關(guān)運(yùn)算，從而確定出初始匹配點(diǎn)對。為消除初始匹配角點(diǎn)對中的錯誤匹配點(diǎn)對，保證角點(diǎn)特征提取的準(zhǔn)確性和可靠性，采用松弛迭代法、零交叉法以及最小平方中值法進(jìn)行了錯誤匹配角點(diǎn)的濾除?；跀?shù)字圖像的平面位移測量是近幾年發(fā)展起來的新的位移測量方式，而點(diǎn)特征提取是平面位移測量實(shí)現(xiàn)的基礎(chǔ)，是特征匹配實(shí)現(xiàn)的基礎(chǔ),是位移測量精度提高的保證。為了提高測量精度和效率，利用常用的點(diǎn)特征提取算法對花崗巖工作臺進(jìn)行點(diǎn)特征提取。平面位移的測量在生

6、產(chǎn)實(shí)踐和科學(xué)實(shí)踐中隨處可見，如各類儀器工作臺的精確定位。傳統(tǒng)的位移測量通常采用3個位移傳感器，使測量成本增加，儀器尺寸增大。在測量空間受限制時，安裝和調(diào)試比較困難，另外這種測量方法市于環(huán)節(jié)多而使不可靠因素增加。本文在旋轉(zhuǎn)與比例不變點(diǎn)特征松弛匹配方法的基礎(chǔ)上，提出了用Hopficld神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)匹配過程的方法。通過對模擬圖象進(jìn)行的大量實(shí)驗(yàn)。得到令人滿意的結(jié)果，證實(shí)采用Hopfield神經(jīng)網(wǎng)絡(luò)完成旋轉(zhuǎn)與比例不變點(diǎn)特征松弛匹配過程的有效性和可行性。遙感圖像的配準(zhǔn)是將不同時相、不同遙感平臺的數(shù)據(jù)配準(zhǔn)到同一坐標(biāo)系統(tǒng)下，以便各個圖像

7、能進(jìn)行像元與像元間的對比和運(yùn)算。在許多遙感圖像處理中，需要對多源圖像數(shù)據(jù)進(jìn)行比較和分析，而遙感圖像的配準(zhǔn)是進(jìn)行諸如圖像融合、變化檢測、超分辨率圖像生成等工作的基礎(chǔ)。多源圖像配準(zhǔn)與單傳感器圖像配準(zhǔn)相比，更加困難一些，特別是波段相距較遠(yuǎn)的圖像，由于圖像間相關(guān)性小，實(shí)現(xiàn)自動配準(zhǔn)技術(shù)難度更大。當(dāng)前的圖像配準(zhǔn)技術(shù)通常分為兩大類：基于區(qū)域的方法和基于特征的方法。在基于區(qū)域的方法中，使用相關(guān)技術(shù)確定一個圖像的像素窗口在另一圖像中的匹配位置，采樣的匹配度量通常是相關(guān)系數(shù)。匹配窗口的中心作為控制點(diǎn)對，這些控制點(diǎn)對用以求解圖像的變換參數(shù)，基

8、于特征的方法首先從圖像上提取一些公共特征，如輪廓、矩、區(qū)域、線性分割，然后進(jìn)行精確匹配。市于這些特征不依賴于圖像的灰度級，所以基于特征的配準(zhǔn)算法在多傳感器配準(zhǔn)領(lǐng)域具有廣泛的應(yīng)用。不同的任務(wù)對配準(zhǔn)精度的要求是不一樣的，有些配準(zhǔn)精度只要在1個像素內(nèi)即可。但是，對遙感圖像融合來說，往往要求配準(zhǔn)精度在1個像素以內(nèi)，例如Lan