（毕业论文）基于点特征的整体匹配方法研究

《（毕业论文）基于点特征的整体匹配方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于点特征的整体匹配方法研究摘要：以矿山普通数码影像为实验源，对现有的单点匹配和整体匹配方法进行研究，针对各自的优缺点提出基于点特征的整体匹配方法，很好的利用影像的灰度相关及整体特征，以提高匹配的正确率。本文主要内容包括点特征的提取方法的探讨研究、点特征的旋转图像匹配的方法及改进、灰度差分不变量的点特征匹配、数据点特征参数提取优化算法的研究、边缘点特征的细化算法等；影像匹配在数字摄影测量中是提取物体三维信息、建立DTM的基础，因此，它是数字摄影测量工作站最关键的技术之一。一般来说，为了提高影像匹配的精度和效率，金字塔影像

2、结构是广泛采用的一种技术，通过对原始影像作低通滤波，首先进行粗相关，将其结果作为预测值，逐渐加入髙频成分，在逐渐变小的搜索区域内进行相关匹配，最终利用原始影像得到精确的匹配结果。介绍了一种将谱图理论、特征点的局部特征和概率松弛法相结合的特征点匹配算法。该算法通过谱方法，求出特征点匹配的初始概率；利用特征点的结构特征和灰度特征，求得初始支持度;将初始概率、初始支持度与概率松弛迭代法相结合，获得匹配结果。实验结果表明，该方法能够达到较髙的匹配效果。提到了一种映射方法，使得Hopficld神经网络能够用于实现松弛算法。其优点在

3、于Ilopficld模型可由集成电路实现，因而使得基于松弛算法的影像匹配可以实时地完成，极大地提高了处理速度。并且对于近景摄影测量的普通数码影像与航空摄影相比较，存在更为复杂的影像变形和影像遮挡等问题，这使得其影像匹配的难度大大增加。针对近景数码影像的特殊性，提到一种改进搜索策略的概率松弛匹配算法。该算法采用格网点和特征点相结合的方式来确立初始点匹配过程；并从核线、视差等方面进行剁成约束，保证匹配的连续性和正确性。实验结果表明该算法适用于近景数码影像匹配，在复杂的髙山硒鼓地区的立体匹配正确率可达到98%,当然也同样适用于

4、矿山普通数码影像的匹配。关键词：特征点；整体匹配；图像匹配；概率松弛；最小二乘匹配1引言在摄影测量中，有一些较为著名的点特征提取算子，女a：Moravec算子、Forsmer算子与Hannah算子等。将叙述MoraVec算子和Forsmer算了的基本原理，从提取点的定位准确性及速度两个方面对两种算了进行比较，并重点分析利用Moravec算子提取特征点实现过程分析。针对地貌测量重构中的图像特征匹配问题，提岀了一种新的图像特征匹配方法。通过对待匹配的资源和模板图像进行分区，并根据灰度相关值实现区域之间的匹配，在区域匹配的基础

5、上再根据角点所属区域的对应关系进行角点特征匹配运算。在角点特征匹配过程中，利用去均值归一化相关法进行区域灰度相关运算，从而确定出初始匹配点对。为消除初始匹配角点对中的错误匹配点对，保证角点特征提取的准确性和可靠性，采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除。基于数字图像的平面位移测量是近几年发展起来的新的位移测量方式，而点特征提取是平面位移测量实现的基础，是特征匹配实现的基础,是位移测量精度提高的保证。为了提高测量精度和效率，利用常用的点特征提取算法对花岗岩工作台进行点特征提取。平面位移的测量在生

6、产实践和科学实践中随处可见，如各类仪器工作台的精确定位。传统的位移测量通常采用3个位移传感器，使测量成本增加，仪器尺寸增大。在测量空间受限制时，安装和调试比较困难，另外这种测量方法市于环节多而使不可靠因素增加。本文在旋转与比例不变点特征松弛匹配方法的基础上，提出了用Hopficld神经网络实现匹配过程的方法。通过对模拟图象进行的大量实验。得到令人满意的结果，证实采用Hopfield神经网络完成旋转与比例不变点特征松弛匹配过程的有效性和可行性。遥感图像的配准是将不同时相、不同遥感平台的数据配准到同一坐标系统下，以便各个图像

7、能进行像元与像元间的对比和运算。在许多遥感图像处理中，需要对多源图像数据进行比较和分析，而遥感图像的配准是进行诸如图像融合、变化检测、超分辨率图像生成等工作的基础。多源图像配准与单传感器图像配准相比，更加困难一些，特别是波段相距较远的图像，由于图像间相关性小，实现自动配准技术难度更大。当前的图像配准技术通常分为两大类：基于区域的方法和基于特征的方法。在基于区域的方法中，使用相关技术确定一个图像的像素窗口在另一图像中的匹配位置，采样的匹配度量通常是相关系数。匹配窗口的中心作为控制点对，这些控制点对用以求解图像的变换参数，基

8、于特征的方法首先从图像上提取一些公共特征，如轮廓、矩、区域、线性分割，然后进行精确匹配。市于这些特征不依赖于图像的灰度级，所以基于特征的配准算法在多传感器配准领域具有广泛的应用。不同的任务对配准精度的要求是不一样的，有些配准精度只要在1个像素内即可。但是，对遥感图像融合来说，往往要求配准精度在1个像素以内，例如Lan