基于图像局部特征点配准方法研究

摘要

图像拼接与融合是图像处理、模式识别、计算机视觉研究的热点之一。国内外专家学者对序列图像三维重建已进行了广泛的研究，但大都集中在二维平面上。当序列图像中目标的形状、大小、位姿发生改变时，采用原有的完全静态的二维图像大小不变的匹配与拼接就难以实现。针对上述问题，本文围绕图像局部特征点配准方法展开研究，主要完成以下工作：
　　1、查阅国内外图像拼接与融合相关文献，阐述和分析图像拼接融合研究现状及存在的主要问题。
　　2、对图像局部特征点配准方法关键技术进行阐述，主要包括图像拼接技术概述，图像拼接技术几何基础，图像变换模型，图像匹配要素及常用方法，图像拼接技术流程。
　　3、针对SIFT算法误匹配点多和匹配速度慢的问题，提出一种SIFT像素点筛选预处理降维双向匹配方法，在SIFT构造DOG空间前进行像素点筛选预处理，减少无用特征点产生；在特征描述符生成阶段时进行降维处理，减少运算量；最后使用约束配准对法，实现SIFT双向匹配。实验结果表明，本文改进方法与原算法相比，具有更好的配准精度和更快的匹配速度。
　　4、针对传统ORB算法存在图像分配不均匀，误匹配较高问题,提出一种结合区域分块和ORB算法的图像配准方法。在ORB提取图像特征点前，通过采用区域分块方法减少特征点搜索时间；最后使用改进的RANSAC方法消除可能存在的误匹配。实验结果表明，本文提出的方法在保证拼接精度的同时提高了匹配的速度。