4 基于SIFT算法的图像匹配 11
4.1 特征点的提取 11
4.2 图像匹配过程 15
4.3 实验结论 18
结论 19
参考文献 20
致谢 21
附录 22
1 绪论
1.1 研究的背景、意义及其研究现状
随着时代不断的发展与进步,如今已处于一个信息化的时代,获得信息的手段已经从文字向图像转变,图像已经成为了人们的首要信息。
在图像信息领域中图像匹配是一项不可或缺的技术,同时很多其它一些图像分析技术,如立体视觉、运动分析数据融合等都是以它为基础。图像匹配可以让信息具有高度集成性的特点,有利于信息的储存与传送。自20世纪80年代以来,图像匹配技术慢慢地成为一项十分热门的研究,全球范围内都有各种关于它的研究。学者们通过研究发现,这项技术在众多领域广泛运用,例如:计算机、遥感、机器、军事等。利用特定的匹配算法,可以识别出两幅甚至更多副图之间的共同点,可以更加准确、可靠、全面的获取本文所需要的信息,有利于图像的进一步处理。
图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配这两大类,本文主要研究的是以特征为基础的匹配。特征匹配是指将两个或多个图像的特征(点、线、面等特征)进行提取,对特征进行参数描述,然后对所描述的参数来进行匹配的一种算法。论文网
进行图像处理时,SIFT算法的图像匹配技术有着非常好的效果,它是图像处理技术飞速进步发展的一个重要基础。它推动着图像处理技术在医学、生物、信息处理和其他很多高科技领域内的应用,它已渐渐发展成图像处理中一项不可缺少的技术,对于图像处理技术的发展有着非常重大的意义。
随着计算机技术领域的飞速发展,Internet上呈现大量的图像信息。SIFT算法通过提取图像局部特征,在物体识别、图像检索等领域成功应用。该算法由DAVID G.L.于1999年提出,并于2004年进行了发展和完善,MIKOLAJCZYK对多种描述子进行实验分析,结果证实了SIFT描述子具有最强的鲁棒性。
1.2 本课题研究的内容和目标
本课题的研究内容是研究基于SIFT算法的图像匹配方法,本文分别从理论和实践两方面对该课题进行研究。理论上,对SIFT算法和图像匹配方法分别进行研究与分析,来完成对基于SIFT算法的图像匹配方法的研究;实践上,将理论模型和算法用MATLAB软件进行编程来尝试软件上的实现。
本课题的研究目标是对图像匹配和SIFT算法有一个初步的了解与简单的掌握,对于如何用SIFT算法来进行图像处理的流程有一个简单的认知,并且能通过MATLAB软件编程来实现一个简单的基于SIFT算法的图像匹配,从而更加深刻的理解它。
2 图像匹配
2.1 图像匹配的概念
图像匹配是指分析影像内容、结构、关系、纹理特征及其灰度的一致性,相似性和对应关系,从而寻求相似影像目标的方法。
图像匹配在两幅或多幅影像之间通过一定的匹配方法识别同名点的过程。如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下,运用匹配准则的最佳搜索问题。
2.2 图像匹配技术的背景和意义