论文总字数：28547字

目 录

引言 1

1 绪论

1.1 课题研究背景及意义

1.2 课题研究内容

1.3 课题研究现状

2 图像匹配技术概述

2.1 图像匹配概念

2.2 图像匹配的数学表达 3

2.3 图像匹配的流程和关键要素 4

2.3.1 图像匹配的流程

2.3.2 图像匹配的关键要素

3 图像匹配相关算法介绍与实现

3.1 基于像素灰度相关的匹配算法

3.1.1 基于像素灰度相关的匹配算法介绍

3.1.2 基于像素灰度的匹配算法的实现与结果分析

3.2 基于边缘特征的匹配算法

3.2.1 基于边缘特征的匹配算法介绍

3.2.2 基于边缘特征的匹配算法的实现与结果分析

4 基于像素灰度相关的匹配算法的改进

4.1 针对相关系数法的改进基本原理

4.2 针对相关系数法的改进的实现

5 基于边缘特征的匹配算法的改进

5.1 Canny算子的缺陷分析

5.2 对边缘特征匹配算法的改进

5.3 以改进的Canny算子为基础的匹配算法仿真实现

6 总结

参考文献

致谢

图像匹配技术研究

梁梦迪

, China

Abstract: Image Matching is a mainstream algorithm that uses feature matching and gray-scale matching to find spatial and positional relationships between different images, and analyzes and seeks similar influences on the target through consistency and similarity. Is widely used in remote sensing, medical imaging, holographic image creation and so on. With the continuous development of image recognition and reconstruction, image recognition technology plays an increasingly important role in image fusion, mosaic, target tracking and other fields. Gray-scale matching algorithm can be divided into correlation coefficient method and minimum error method. The improved correlation coefficient method in this paper proves that it can not only improve the matching speed, but also reduce the computational complexity in the matching process and improve the matching efficiency. At the same time, it also meets the real-time requirements of practical applications. For edge-based algorithm matching steps, the Canny operator used for edge detection uses the introduction of Otsu algorithm to adaptively generate high and low thresholds based on the image grayscale, making the improved Canny operator better than traditional ones in a noisy environment. The Canny operator has better performance, more details are detected, and it is more conducive to image matching efficiency.

Key words: Image matching; Grayscale; Edge feature; Correlation coefficient method; Edge detection; Canny operator

引言

随着遥感图像处理、特定目标识别、图像恢复技术以及机器人视觉领域的不断发展，图像匹配越来越受到数字图像处理和计算机视觉领域的重视，是实现多传感器合并图像的关键技术之一。在数据级别的图像融合技术中，依据待融合图像之间存在的一些空间变换关系（如旋转、偏移、比例等），将处在不同位置或不同时间下的，由不同传感器所获得同一场景的不同图像变换到同一个坐标系下，以供图像融合阶段使用，是进行图像融合时必须要预先解决的问题。

图像匹配的实质就是在基元相似的情况下，如何使用匹配准则实现最佳搜索的问题。更准确的说，图像匹配即是在图像融合的过程中，以原始图像为基准图，寻找目标图像在原始图像中的位置。图像匹配技术的应用范围广及各行各业，常见的应用领域主要有：导弹末制掣和目标跟踪、医疗图像诊断、计算机视觉等，同时，在实现图像融合、遥感领域、图像变化检测、图像校正等应用中，图像匹配也是必不可少的一个关键环节。

1 绪论

课题研究背景及意义

早在二十世纪七十年代，美国的飞行器辅助导航系统等应用研究中就提出了图像匹配的概念。随着图像匹配技术研究的不断深入，科研工作者们提出了大量的图像匹配技术，图像匹配方面的文献资料也不断地涌现，为接下来的进一步研究提供了宝贵的经验。二十世纪八十年代后，图像匹配技术的发展如火如荼，已经深入到卫星遥感、模式识别、医学诊断、自动导航、计算机视觉等领域。但是由于各个领域使用的匹配技术要符合具体的应用背景，因此标准各有差异，不同领域的匹配技术在理论方法上虽然存在相同之处，但若是将某一领域的匹配技术迁移到其他领域还存在很多问题，这也导致了图像匹配的研究变得越来越复杂和繁琐。

随着技术的发展，人们逐渐进入了信息爆炸的时代，获取信息的来源也早已不再局限于数字、符号、文本等信息中，由于图像可以传递的信息量比较大、直观、易于理解，也易于引人注目，因此越来越多的信息是以图像的形式在传递，同时，图像也是人们感知和认识外部世界的重要载体之一，图像在人类获取和感知外部的载体来源中占比也愈来愈重。图像根据形式的不同可以分为模拟图像和数字图像，通过照相机等设备获取，以连续函数来描述的图像叫做模拟图像，因此模拟图像的处理过程可以看作是连续的，图像处理的过程需要借助各种设备辅助进行。以二进制形式表示图像的数字图像，是可以通过数码相机和其他数字设备采集的离散数据集。由一组亮度、颜色等像素点集合构成的图像，称为数字图像，其构成特点也决定了数字图像的灵活性，数字图像以其强大的功能成为现阶段图像处理技术领域的主流图像。

图像匹配的过程，也是在空间位置上将通过相机设备对同一场景拍到的两幅或多幅图像进行匹配，今儿确定他们之间变换关系的过程。图像的来源可能是一组在不同时间用不同传感器由不同角度拍摄的多幅图像。

科学技术的发展为图像匹配技术的进步注入了巨大动力，图像匹配技术不仅是一些图像分析技术的基础，更是现代信息领域中一项非常重要的技术，图像匹配技术的实际应用价值遍及各个领域，如：

(1)医学图像诊断：肿瘤检测、数字轮廓血管造影术等；

(2)遥感数据分析：自然资源监测、核生长监测等；

(3)模式识别：图像稳定、功能识别、签名检测等；

(4)计算机视觉：三维重建、目标位置、自动质量设置、虚拟现实等。

除了以上提到的应用领域，图像匹配技术的应用已经广泛的扩大到了生活的方方面面，大到光学和雷达的图像跟踪、工业流水线上的自动监控，小到资源分析、交通管理、医疗诊断、文字识别、气象预报等。由于需求的不同以及输入数据图像类型的多种多样，目前已经存在了大量的图像匹配算法，主要可分为以灰度为基础的匹配和以特征为基础的匹配。

1.2 课题研究内容

本文将在现有图像匹配方法进行简要概述和说明的基础上，对图像匹配技术所涉及到的几种常见算法进行详细论述和实现，并结合不同环境下的仿真实验结果分析不同算法的优缺点。最后，针对某一个算法实现过程中存在的缺点，进行改进，并进行仿真实验证明。

1.3 课题研究现状

作为计算机视觉的主要问题之一，图像匹配涉及了许多目前最常用的领域，以目标或场景识别和立体匹配为特征的图像匹配技术已经成为一个热门研究课题。大量匹配算法随着许多研究学者的深入研究不断涌现，新理论、新技术也不断产生，随着图像匹配技术的日臻成熟，对于图像匹配的具体要求也不断提高。

国内最早的图像匹配算法可以追溯到基于轮廓相似性测度的图像匹配方法^[1-5]，该方法适用于具有丰富轮廓的图像。随后，王小睿等研究人员提出了一种自动图像匹配技术，该技术主要应用在高度精确的图像匹配，并在实际领域得到了实施于图像的高精度匹配并在实际应用中得到了实现。Genetic Algorithm（遗传算法）是一种由郭海涛提出的用于表示图像模型的算法。基于遗传算法，熊兴华等研究人员提出了将遗传算法和最小二乘法结合匹配算法^[6-10]，该方法大大提高了匹配速度和准确度。图像匹配算法在国内学术界具有越来越重要的地位，图像匹配技术研究也取得了丰硕的研究成果。

图像匹配技术在经过多年研究发展之后产生了多种图像匹配算法，各种算法适应的应用场景各不相同^[11-14]，这种由图像匹配输入数据来源多样性带来的不同，引导着图像匹配技术向多样化发展。应用情境的不断变化导致了匹配因素的多样性，匹配问题的复杂程度也越来越高，目前还没有一种万能的图像匹配算法能够胜任所有的应用情境，因此，图像匹配技术的研究工作仍然任重道远。

2 图像匹配技术概述

2.1 图像匹配概念

图像匹配就是映射和叠加两幅或多幅图像的过程，这些图像一般是在不同情况、不同时间下由不同的成像设备获取的。因而，图像之间或多或少的会有差别存在，例如比例尺不同、分辨率不同、灰度属性不同，位置平移和旋转的角度不同等。经过图像匹配，可以使得图像质量更高，清晰度更好，定位更准确。

剩余内容已隐藏，请支付后下载全文，论文总字数：28547字

相关图片展示：