论文部分内容阅读
图像特征提取与匹配在计算机视觉领域有着广泛的应用。稳定的图像特征提取是图像匹配的前提。图像局部特征点大致分为两种：斑点和角点。由于尺度、旋转、光照、噪声等不利因素的影响,实际拍摄的图像(如航拍建筑物)往往存在着边缘信息的损失,导致了在图像的结构边缘上只能提取少量的斑点特征。相比而言,角点却能够保持物体边缘特征的稳定性。这样,在斑点特征无法实现此类图像匹配时,角点成为实现匹配的重要保证。然而,目前角点算法在匹配精度上存在着不足。为此,本文基于角点对图像特征提取与匹配算法展开了以下研究：(1)对典型的斑点算法如SIFT和SURF,及角点算法如Harris和FAST进行了研究,通过在建筑物图像上的实验分析,验证了角点在边缘结构的性能比斑点好,且检测时间比斑点快。(2)提出了基于FAST角点的图像特征提取与匹配算法。本文首先对FAST算法引入了尺度不变性,以提取具有尺度不变性的角点特征。然后,结合SIFT算法建立了性能较佳的128维特征描述子。在特征匹配上,采用了双向匹配方法和改进的剔除误匹配算法,提高了匹配精度。基于不同图像数据库实验测试结果表明,改进算法的匹配精度高、鲁棒性强,能够实现SIFT算法无法完成的实际航拍图像匹配。(3)提出了基于BRISK角点的图像特征提取与匹配算法。通过将SIFT尺度空间与BRISK算法相结合,提出了一种新的尺度空间构建方法,进而使用BRISK算法提取出尺度不变性的角点特征。然后,利用改进的特征匹配方法和剔除误匹配算法,实现了图像的精确匹配。实验结果表明,本章算法是一种有效的图像匹配算法,比基于FAST角点改进算法的匹配精度高,并能够实现BRISK和SIFT算法无法完成的实际航拍图像匹配。(4)研究了非线性的图像特征提取与匹配算法,实现了非线性的KAZE算法及其改进的KAZE算法。本文通过在不同的图像数据库上,将非线性算法与SIFT、SURF、 ORB、BRISK、FREAK线性算法进行了详细的比较。实验结果表明在尺度、旋转、视角、模糊、光照、压缩和图像畸形等变化下,非线性算法的性能均优于线性算法。而且相比于KAZE算法,改进KAZE算法不仅缩短了处理时间,而且提高了匹配的精度。