面向退化图像的匹配方法及其在视频引伸计中的应用

摘要

图像匹配作为计算机视觉和图像处理技术中的重要研究课题之一，随着计算机技术及人工智能技术的发展，数字图像匹配技术作为人工智能的一部分，已经被广泛应用于医疗图像处理、人脸及指纹识别等各个领域中，视频引伸计便是一种运用图像匹配技术对材料进行拉伸性能测试的仪器。
　　视频引伸计的基本原理是对被测材料变形前后表面散斑图像进行匹配，以获得相关的位移及应变信息。但是其在实际测量过程中，由于成像设别与目标之间的相对运动以及外界环境等因素的干扰会导致所收集的图像出现模糊。模糊图像会给之后的图像匹配等操作带来相当大的困难，在极端情况下，模糊图像甚至会失去其应用价值。
　　针对模糊图像会在不同程度上影响目标匹配的问题，一般有两种解决思路:(1)根据图像模糊的先验知识来复原图像，然后基于被复原的图像提取特征并设计匹配算法。(2)提取图像中具有抗模糊的不变特征，再基于模糊不变特征来设计匹配算法。
　　根据上述思路，本文介绍了一种先利用稀疏正则化方法对图像进行盲复原后再匹配的方法，以及一种利用局部相位量化这一模糊不变特征对模糊图像进行匹配的方法。
　　在文章的最后，介绍了视频引伸计的组成以及其测量系统的关键步骤。并针对在测量高伸长率材料时所收集的图片会出现运动模糊这一现象，将上述两种方法应用到视频引伸计中，并进行了模拟散斑图像和橡胶单轴拉伸变形实验。实验表明，与传统的匹配算法相比本文所提出的的方法更加的准确，并且在所收集图像出现较大运动模糊时仍能保持较高的测量精度。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 形变测量方法

1．2．2 运动模糊图像复原

1．2．3 图像匹配算法

1．2．4 模糊不变量

1．3 论文的主要研究内容及结构安排

第2章 图像退化模型和匹配理论

2．1 图像退化模型概述

2．1．1 连续退化模型

2．1．2 离散退化模型

2．1．3 匀速直线运动的退化模型表示式

2．2 图像匹配理论

2．2．1 图像匹配的流程

2．2．2 图像匹配方法分类

2．3 本章小结

第3章 匹配技术在视频引伸计中的应用

3．1 引言

3．2 视频引伸计介绍

3．3 测量系统的关键技术

3．3．1 空间坐标变换

3．3．2 相似性度量

3．3．3 整像素位移搜索方法

3．3．4 亚像素位移搜索算法

3．4 本章小结

第4章 基于正则化复原的退化图像匹配

4．1 引言

4．2 基于稀疏表示正则化的图像复原方法研究

4．2．1 问题模型

4．2．2 图像梯度幅值分布特性

4．2．3 图像的稀疏正则化约束

4．2．4 算法实现过程

4．3 稀疏正则化图像复原实验与分析

4．4 复原图像的亚像素匹配实验与分析

4．5 本章小结

第5章 基于模糊不变特征的退化图像匹配

5．1 引言

5．2 基于图像的模糊不变特征描述方法

5．2．1 Hu不变矩

5．2．2 Legendre不变矩

5．2．3 Zernike不变矩

5．3 局部相位量化特征描述方法

5．3．1 LPQ模型理论基础

5．3．2 LPQ特征图的构建

5．4 基于LPQ特征的图像匹配

5．5 基于LPQ特征的图像匹配实验与分析

5．6 本章小结

第6章 实验与分析

6．1 模拟散斑图的生成

6．2 基于仿真的散斑图像变形测量实验

6．3 基于运动模糊的模拟散斑实验

6．4 样本子区大小对计算精度的影响

6．5 单向拉伸实验

6．6 小结

结论与展望

论文总结

论文不足及展望

参考文献

致谢

附录A 攻读学位期间参加的学术论文目录

附录B 攻读学位期间参加的科研项目