基于局部不变特征的图像配准算法研究

《基于局部不变特征的图像配准算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据ItESEARCHONIⅣ队GEItEGISTRATIONBASEDONIMAGELOCALINⅥUUANTFEATUREEXTRACTl0NThesisSubmittedtoZhejiangNormalUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEngineeringbyJingNiu(ComputerSoftware&Theory)ThesisSupervisor：FanYangMay

2、29，2014万方数据基于局部不变特征的图像配准算法研究摘要图像配准是模式识别和图像处理的核心技术之一，广泛的应用于计算机视觉、军事、遥感和医学图像处理等众多领域。由于图像来源的多样性，待配准图像在尺度、角度、亮度等方面通常存在一种或多种变化，同时还受到复杂多变的成像畸变和噪声等因素的影响，因此，图像配准技术至今仍然面临严峻的挑战。局部不变特征提取技术不受图像旋转、尺寸、光照及模糊等因素的影响。与传统的基于灰度信息的配准技术相比，基于局部特征的配准方法具有更好的配准精度和鲁棒性，近年来已发展成为研究的热点

3、和主流。传统的基于局部不变特征的配准算法在多源差异图像配准过程中，存在较多的冗余干扰信息，以及散落在相似局部结构的特征点误匹配率高等问题。本文主要围绕解决上述问题的算法改进开展研究：(1)SURF(Speeded—UpRobustFeatures)算法是一种较好的局部不变特征检测方法，比较适合处理多源差异图像的特征检测问题。传统的SURF算法需要对整幅图像进行检测，随着图像大小和数量的增多，算法的复杂度成几何级数增加。鉴于影响配准的有效特征点基本上都位于图像目标景物区域内，提出通过图像边缘检测和目标分割技

4、术，来获取图像目标区域，并在此区域内进行SURF特征提取的算法改进思路。实验结果表明，基于目标区域的SURF特征配准算法，不仅有效的减少了特征检测区域和检测时间，同时还降低了冗余特征的干扰。(2)虽然局部特征描述符，能够描述图像所包含的具体景物的不同特性，但是对处于相似局部结构的特征点来说，易出现不正确的匹配。启发于全局特征描述符可以反映整幅图像的信息，提出了全局分布描述符，并结合局部特征描述符用来共同表征当前特征点的空间分布信息，以减少误匹配的算法改进思想。全局分布描述符仅对基于边缘轮廓区域内的特征点进

5、行描述，通过引入光照敏感性较低的边缘积分图概念，由于求取边缘的积分图只需遍历一次原始图像，计算复杂度不高。通过对多组图像进行实验，发现本方法在没有明显增加算法计算复杂度的情况下，达万方数据到了增强特征点的独特性和降低误匹配率的目的。(3)为了验证改进算法的有效性，我们将基于改进的SURF配准算法应用于图像拼接，对于拼接中可能产生的拼接痕迹，采用插值技术和多频段图像融合算法，并对拼接后的图像进行亮度调整，达到了较好的拼接效果。关键词：图像配准；局部不变特征；SURF；图像融合：图像拼接II万方数据RESEA

6、RCHONIⅣ认GEI也GISTRATIONBASEDONIⅣ睑GELOCALINVARIANTFEATUREEXTRACTl0NABSTRACTImageregistrationisoneoftheimportanttechniquesinpatternrecognitionandimageprocessing．Itiswidelyappliedincomputervision，military,remotesensingandmedicalimageprocessing，etc．Thematching

7、imagesusuallyhaveoneormorechangesintheimagesource，size，angleandillumination，atthesametimetheyarealsoimpactedbythecompleximagingdistortionandnoisefactors．Therefore，imageregistrationtechniquesstillfaceseverechallenges．Imagerotation，size，illuminationandfuzzy

8、，havenoimpactonthelocalinvariantfeatureextractiontechnology．Andcomparedtothetraditionalregistrationtechniquebasedongray·levelinformation，registrationmethodbasedonlocalfeaturehasbettermatchingprecisionandrobustness．I