基于特征的圖像匹配算法畢業論文-資料下載頁

　　

【正文】 擇緩沖區檢測法，和以確定變化檢測的結果。其思路是：對基準圖像上的檢測邊緣特征以一定德緩沖距離構造緩沖區，以此緩沖區為范圍對待檢測圖像的數據進行檢測判斷待檢測圖像上的地物與基準圖上的地物所形成的緩沖區地關系，以確定變化檢測的結果。(3)后處理獲得變化邊緣特征。在兩幅邊緣差分圖像中，消除那些小于一定尺寸的線段或孤立點，將兩幅邊緣圖像合并在一幅圖像中，就的到了邊緣化的特征。北京化工大學畢業設計（論文）27第 節 基于邊緣特征的圖像匹配理想情況下的仿真把基準圖模板圖做處理，如圖 41 所示： 基于邊緣特征的圖像匹配程序在附錄中，圖 42 為在理想情況下基于邊緣特征的圖像匹配結果；仿真程序執行結果顯示，匹配位置 ii=145。jj=145。這與模板圖在基準圖中剪切位置完全符合，匹配成功！匹配所用時間為 秒。41 基準圖、模板圖邊緣處理北京化工大學畢業設計（論文）28 在基準圖中另選一個模板圖，保證模板圖沒有邊緣特征。圖 43 為另選一沒有邊緣信息的模板圖和基準圖，模板圖選取位置為 i1（ 20，1） ；大小為 3030，經過邊緣處理后沒有邊緣特征，像素值全為 0。由模板剪切程序可知剪切位置為（20，1）而匹配位置為（1，1） ，模板圖沒有邊緣特征，所以在匹配過程中出現誤匹配。所以選取基于邊緣特征圖像匹配方法，必須保證模板圖中有足夠的邊緣信息，這樣才能保證匹配準確率。仿真程序詳見附錄！圖 42 基于邊緣特征的圖像匹配結果北京化工大學畢業設計（論文）29以上 2 個仿真試驗證明，基于理想情況下的邊緣匹配必須保證模板圖中有足夠的邊緣信息，這樣才能保證匹配準確率。否則匹配不成功。第 節 加入噪聲后基于邊緣特征的圖像匹配的仿真 加入高斯噪聲后基準圖效果如圖 44 所示。由匹配程序運行結果可知 ii=145，jj=145. 匹配結果如圖 45 所示，這與模板圖在基準圖中剪切位置完全符合，匹配成功！由此可以看出，基于邊緣特征的圖像匹配對高斯噪聲具有降噪性能。加入噪聲后仿真程序詳見附錄！所用時間為 秒。圖 43 另選一沒有邊緣特征的模板圖北京化工大學畢業設計（論文）30圖 44 在提取邊緣特征的基準圖中加入噪聲圖 45 加入高斯噪聲的基于邊緣特征匹配的結果北京化工大學畢業設計（論文）31第 節 基于邊緣圖像旋轉后的匹配仿真圖 46 為基準圖、模板圖旋轉 5 度后邊緣提取的效果圖：基準圖、模板圖旋轉 5 度后邊緣處理后圖像，模板圖旋轉后再邊緣處理邊緣效果不明顯。仿真結果顯示匹配失敗，出現誤匹配；模板圖為 3030 的小圖旋轉后邊緣點像素值為很小。邊緣處理后模板圖丟失了很多信息，所以出現誤匹配，如果模板圖選取的尺寸大一點，可能匹配效果會好一些。下面為選取一 5050 的模板圖進行旋轉匹配測試； 另選一個 5050 模板圖與基準圖匹配結果如圖 47 所示；模板圖為 5050 尺寸時基準圖旋轉 5 度匹配成功；模板圖中的邊緣特征信息量比 3030 的模板圖多。試驗所用的時間為 秒。圖 46 基準圖、模板圖旋轉 5 度后邊緣提取的效果圖 圖 47 另選一 5050北京化工大學畢業設計（論文）32第 5 章 基于一階特征點的圖像匹配仿真為了實現快速、精確的圖像匹配，基于一階特征點的圖像匹配方法是基于灰度值特征點圖像匹配方法的簡化，采用一階特征點搜索依據。首先在模板圖中找到一階特征點，因為一張灰度圖片像素點一般都很多，一階特征點數量也很多，究竟去哪一個因人而異。通常去灰度值最大或最小的，因為這樣算法很容易實現。本文選取的特征點都是灰度值最大的一階特征點。在模板圖中找到所要求的一階特征點后，記錄下灰度值，然后在基準圖中尋找到相同的灰度值的一階特征點，作為匹配目標點，逐一匹配。第 節 一階特征點的定義 定義 1 　一階特征點: 灰度值大于其上、下、左、右、左上、右上、左下、右下8 個方向上的最鄰近一個像素點灰度值的像素點(如圖 51) 。定義 2 　二階特征點:灰度值在其上、下、左、右、左上、右上、左下、右下 8個方向上的最鄰近兩個像素點的灰度值沿箭頭方向呈現遞減特征的像素點(如圖 52) 。 以上2個圖就是特征點的示意圖，依此類推，可以定義三階特征點、四階特征點的示意圖等等。 灰度值特征點匹配搜索算法是利用模板T和參考圖像 P當中像素點灰度值的特征 圖 51 一階特征點 圖 52 二階特征點北京化工大學畢業設計（論文）33作為搜索依據，很大程度上減少了搜索過程中的計算量，縮短了搜索時間。特征點的選取方式決定了其對噪聲和灰度值的線性變化具有一定的“免疫性”，因此對灰度值不均勻的圖像匹配問題同樣適用。圖 53 表示該算法的具體算法流程圖： 算法的具體步驟如下: (1) 在模板圖像T中找出階數最高的特征點，選取其中灰度值最大的點作為圖像的匹配特征點M。選取最高階特征點作為匹配特征點的意義在于：選取較有規律的點作為匹配特征點，可以排除個別雜波對匹配特征點選取的干擾。圖5 3 算法流程圖北京化工大學畢業設計（論文）34 (2) 在參考圖像 P中找出所有階數等于匹配特征點 M的階數的特征點。(3) 用模板圖像T 的匹配特征點與參考圖像 P上找到的同階特征點依次匹配，并計算兩幅圖像的相似性度量，找出相似性度量最優的位置作為匹配位置，從而找到兩幅圖像中像素點的對應關系。第 節 一階特征點的尋找與匹配仿真 圖 54 為基準圖和模板圖中一階特征點顯示，基準圖中一階特征點數量很多，一階特征點廣泛存在，由圖 55 可知基準圖一階特征點且灰度值與模板圖中灰度值最大的一階特征點相同的一階特征點很少，符合匹配條件的點的灰度值為 0，因為這樣的點很少，所以在圖 420 中很難看到，這樣符合條件的點很少匹配次數降低，圖像匹配速度很快。模板圖中灰度值最大的一階特征點位置為：ii=2，jj=4 基準圖中符合匹配條件的一階特征點位置為：iii = 126 ，jjj = 128 查找程序詳見附錄！ 圖 55 為基準圖和模板圖中標記出了一階特征點，由基準圖特征點可看出，基準圖中部分區域沒有一階特征點，如果模板圖取自基準圖中沒有一階特征點這些區域時，基于一階特征點圖像匹配算法無法進行，保證匹配成功，模板圖應該盡量大且盡量多的包含一階特征點。這也是基于一階特征點圖像匹配的一個不足之處。圖 54圖5 4 基準圖、模板圖中一階特征點北京化工大學畢業設計（論文）35為基準圖中滿足匹配條件的一階特征點位置。 圖 55 為基于一階特征點的圖像匹配結果。根據仿真程序執行結果顯示，匹配位尋找匹配點在此圖 55 基準圖中符合模板圖匹配條件的一階特征點圖 56 基于一階特征點圖像匹配結果北京化工大學畢業設計（論文）36置 iii=145。jjj=145。這與模板圖在基準圖中剪切位置完全符合，匹配成功！仿真程序詳見附錄！ 在基準圖中另選一 3030 的模板圖，由仿真程序可知模板圖選取位置為i1（80，80） ，利用基于一階特征點的圖像匹配算法觀察匹配結果，如圖 57 所示。匹配程序詳見附錄；匹配所用時間 秒。在基準圖中另選一 3030 的模板圖，由仿真程序可知模板圖選取位置為i1（200，200） ，由于在(200， 200)處的一階特征點不明顯 ,利用基于一階特征點的圖像匹配算法無法觀察匹配結果，如圖 58 所示。匹配程序詳見附錄。匹配所用時間 秒。圖 57 另選一模板圖位置(80，80)匹配結果北京化工大學畢業設計（論文）37第 節 加入噪聲的一階特征點圖像匹配仿真圖 59 加入噪聲后的基準圖一階特征點圖 58 再另選一模板圖位置(200 ，200)匹配結果顯示北京化工大學畢業設計（論文）38經過仿真實驗可得到，加入噪聲后基于一階特征點的圖像匹配出現錯誤，在基準圖中找不到符合條件的一階特征點。加入噪聲后，基準圖中的特征點的分布出現了很大的變化。與圖 54 比較加入噪聲后基準圖中一階特征點數量明顯增多。如圖59 所示。圖 510 為基準圖中加入噪聲后符合匹配條件的一階特征點，由圖可見符合匹配條件的一階特征點個數明顯增多，但都不在模板圖剪切范圍之內。因此基于一階特征點圖像匹配在加入噪聲后匹配失敗。在加入噪聲的基準圖中找不到剪切模板圖的位置，由此可見高斯噪聲對基于一階特征點的圖像匹配影響很大。第 節 旋轉后的一階特征點匹配仿真 基準圖在旋轉后如圖 511 所示，旋轉后基準圖中一階特征點的分布發生了改變，基準圖中符合匹配條件的一階特征點的位置也發生了改變基于一階特征點圖像匹配出現錯誤，匹配失敗。圖 510 加入噪聲后基準圖中符合模板圖匹配條件的一階特征點北京化工大學畢業設計（論文）393 種匹配算法仿真結果如表 1 所示：表 51 模板圖為 3030 三種匹配性能比較方法 理想情況匹配加噪后匹配 旋轉后匹配 平均匹配時間 匹配精度基于灰度 成功匹配 出現誤匹配 成功匹配 秒 100%基于邊緣特征 成功匹配 成功匹配 出現誤匹配 秒 100%基于一階特征點 成功匹配 出現誤匹配 匹配失敗 秒 100%由表 51 可以看出，基于灰度圖像匹配算法不能有效地抑制噪聲干擾，加入噪聲后出現誤匹配，而且快速性也較差。基于邊緣特征圖像匹配算法算法對噪聲有一定的抑制作用，但快速性較差?；谝浑A特征點圖像匹配也不能有效的抑制噪聲干擾，加入噪聲后基準圖中一階特征點出現畸變，在基準圖中找不到適合匹配的一階特征點，匹配程序出現錯誤，匹配失敗；但基于一階特征點的圖像匹配算法具有很好的圖 511 基準圖旋轉 5 度北京化工大學畢業設計（論文）40快速性，由匹配結果可以看出，理想狀態下匹配時間為 秒。算法速度提高的根本原因在于，算法中一階灰度值特征點的引入，將原有的對基準圖的遍歷搜索，簡化為基于一階特征點的搜索，從而大大縮短了匹配時間。北京化工大學畢業設計（論文）41結論本文先通過對圖像匹配算法的作簡要的說明，特別是基于特征圖像匹配的算法；然后分析了圖像匹配的算法的優劣；最后在提出了一種基于圖像灰度值特征點的快速匹配搜索算法。比較了基于灰度、基于邊緣特征、基于一階特征點圖像匹配算法的準確性、快速性、抵抗干擾和旋轉性能。與傳統的模板匹配算法相比，基于一階特征點圖像匹配算法在搜索策略上有根本性的變化。在保證匹配精度的同時，大大縮短了匹配時間。從仿真的結果可以看出基于灰度圖像匹配方法準確率較高，在理想狀況下沒有出現誤匹配結果?；谶吘壧卣鲌D像匹配方法，如果模板圖選得滿足圖像內沒有邊緣特征時，匹配出現錯誤?；谝浑A特征點圖像匹配方法，如果模板圖的選取滿足模板圖沒有特征點條件，利用一階特征點匹配方法匹配就不會成功。綜上三種匹配方法，基于灰度匹配方法比較準確，抗干擾性能不是很理想，而且匹配時間較長，快速性不好；基于邊緣特征圖像匹配方法，能夠抵抗一定的噪聲干擾，但如果模板圖的選取滿足模板圖中沒有邊緣特征條件，匹配就不能進行，在理想狀況下基于邊緣特征的圖像匹配的快速性較基于一階特征點差；基于一階特征點圖像匹配不能有效的抑制噪聲干擾，加入噪聲后基準圖中一階特征點出現畸變，在基準圖中找不到適合匹配的一階特征點，匹配程序出現錯誤，匹配失?。坏谝浑A特征點的圖像匹配算法具有很好的快速性。采用一階特征點匹配方法的前提是必須保證基準圖和模板圖中含有一階特征點，這也限制了這種方法的使用范圍。北京化工大學畢業設計（論文）42參考文獻[1] 楊曉敏，吳煒，卿粼波，等．圖像特征點提取及匹配技術[J]．光學精密工程，2022，17（9）：22762282 ．[2] ZHANG K , WANG H, LI Y. A Robust Steerable PyramidBased Image Matching Algorithm [N]. Journal of Astronautics,20221126(6).[3] 王軍，張明柱．圖像匹配算法的研究進展[J]．大氣與環境光學學報，2022，2（1）：1115．[4] YING J ,YUAN Y,XU L,SONG Q. A New Fingerprint Minutiae Matching Algorithm [N], School report instruments instrument table, 202