基于局部特征的圖像匹配算法研究.pdf

《基于局部特征的圖像匹配算法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、、．．３奪■／？蔡．＇Ｖ相非．冷．邀；．：’記ｖ．脊ｖ‘．．一．沒巧於；ｖ制娥賴ＷＷ密嚴ｖ’ｆ嚴；；，．：Ｊ－Ｖ，；ｒ．，．’＞．？Ｖ：祭；．■，－起＂‘聲．－．、ｒ，＇．．巧．＞Ｖ．ｎＣＴ‘，，，．；ｆ．；ｒ４．ｖ．一疑＾＇身寒Ｈ＇．碑．、兵、．％滿－；壟，運Ｖ１：；．．＇■．才＂－賽＿；島找於．．．．；碩巧ＭＩ學立論交？巧藥ｙ＜，、山薄’ｈ＇Ｋ＼．．，；Ｉ．，Ｖ＂．－；－ｒ售／：：苗爭＇：＾＇讓Ｖｒ義人．＇．＾皆：．．苗．－＇

2、：滿＂方？＃；ｒ＾Ｋ始＂背，如：ｘ－、．．‘．ｒｆ％齊．．；Ｖ．一．；＇＇－，■ＶＷ．－＼，－－－論文題即：基于＾隱＾激狀－．今＾定’ｔ＇．－，片？．＞巧一一＼‘．．‘＇．：．．．、：．．＼，．＇；」ｃｉ學號心誦管＾＂壽邱｜，ＴＫ姓名．‘．．甘．一歡：＾＇ｉ．唐ｉ一一４為，導(dǎo)＾師－＇．ｆ．ｒｆ＼＇Ｖ明ｇ噓：嘴學科專業(yè)或護．遺、獻鐘｜＾５理研究萬向＾．昏Ｖ＞今申請＾位類別巧財論文＾交

3、曰期０．甲：；，．：．緩叛的．Ｖ凌蕾麵＂齡ｖ論聽咬．ｖ？；，‘書；．ｉ：．巧■；非；辦．霉南京郵電大學學位論文原創(chuàng)性聲明本人聲明所呈交的學位論文是我個人在導(dǎo)師指導(dǎo)下進行的研巧工作及取得的研巧成果。盡我所知，除了文中特則加Ｗ標注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京郵電大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研巧所做的任何貢獻均己在論文中作了明確的說明并表示了謝意。一

4、本人學位論文及涉及相關(guān)資料若有不實，愿意承擔切相關(guān)的法律責任。研巧生簽名：矣１觀日期琴；Ａ化｜南京郵電大學學位論文使用授權(quán)聲明本人授權(quán)南京郵電大學可Ｗ保留并向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和電子文檔；允許論文被查閱和借閱；可Ｗ將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索；可采用影印、縮印或掃描等復(fù)制手段保存、匯編本學位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學研究生院辦理。渉密學位論文在解密后適用本授權(quán)書。研巧生簽名、；獻壽

5、導(dǎo)師簽名：日期；２＾化ｗｊｐResearchofImageMatchingTechnologyBasedonLocalFeatureDetectionThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByLijunQiuSupervisor:Prof.JiashanTangMarch2015摘要傳統(tǒng)的圖像匹配算法已經(jīng)無法處理復(fù)雜多變的圖像數(shù)據(jù)，實踐表明，結(jié)合圖像的特征

6、進行匹配效果更好。圖像的局部特征由于不容易受環(huán)境變化的影響而越來越多的被應(yīng)用到匹配算法中。如何提高基于圖像局部特征的匹配算法的準確率和效率，是目前圖像匹配領(lǐng)域的研究熱點之一。本文對基于圖像局部特征的匹配算法進行研究，主要工作如下：（1）為提高匹配的準確率，提出一種基于Contourlet變換的局部特征描述匹配算法。首先對圖像進行Canny邊緣檢測，剔除圖像DoG空間極值點中的邊緣點。這樣得到的特征點既去除了不穩(wěn)定的邊緣點的影響，又保證了獨特性。然后，用Contourlet變換對特征點進行描述，降低特征描述子維

7、度的同時，引入了全局紋理信息，使算法能夠正確匹配具有多個局部相似區(qū)域的圖像。最后，用街區(qū)距離和棋盤距離的數(shù)乘距離作為特征描述子匹配的依據(jù)。仿真實驗表明，該算法的匹配準確率高于SIFT算法。（2）本文提出一種雙直方圖哈希特征提取算法，降低了特征提取的復(fù)雜度，然后將它和ORB算法結(jié)合，提出一種兩步驟的局部特征匹配算法。粗匹配階段，用雙直方圖哈希算法匹配到目標的大致位置區(qū)域。細匹配階段，在上述區(qū)域中進行快速ORB特征匹配。粗匹配為細匹配階段的特征提取縮小了范圍。實驗結(jié)果表明，在保持算法的匹配準確率前提下，算法的匹配

8、時間比SIFT、SURF和ORB算法縮短了。（3）傳統(tǒng)局部特征匹配算法忽略了彩色信息，且對局部形狀相似區(qū)域的誤匹配率高，本文對此進行改進，提出了融合顏色不變量和形狀信息的圖像匹配算法。首先提取圖像的顏色不變量作為特征檢測的輸入，用改進的GLOH算法進行特征描述。然后，為解決誤匹配問題，提取特征點的主曲率信息進行全局形狀描述。最后，將兩種描述子融合匹配。仿真實驗表明，該算法在局部形狀特征相似、光照變化