基于最大似然估计的图像匹配方法的研究

摘要

对景物的识别是人类认识世界和形成知识的基础，为此对图像识别技术的研究业已成为图像处理和计算机视觉领域的重要研究课题之一。随着计算机计算能力的提高和高速互联网的普及，图像识别技术也越来越多的被应用于安全，医疗，军事等生活中的各个领域，极大的提高了人们生活的便利性。
　　图像匹配是图像识别过程中最为关键的一环，其目的是找到一种空间变换使得两幅对比图像可以达到最高的匹配度。为了提高寻找目标空间变换的效率，现在的大多数方法都利用旋转不变矩来首先确定空间变换中的位移信息，而后通过旋转不变矩的性质来确定空间变换中方向信息。不同于这些方法，本文提出一种基于傅里叶变换和极大似然估计理论的新方法来实现图像匹配的目的。
　　在本方法中，首先对母图像和子图像做傅里叶变换将其由空域变换到频域空间，目的是利用傅里叶变换的平移性，忽略子图像的平移向量，进而提出一种基于傅里叶变换并且各点的幅度值满足莱斯分布最大似然估计的概率模型来计算出子图像的旋转角度，从而求出子图像的旋转矩阵。之后对传统的具有代表性的ABS(AbsoluteBalanceSearch)算法进行了分析评价，并运用快速傅里叶变换来对其进行改进，此算法能够找出子图像旋转多少角度和母图像最匹配，且能够找出母图像中与子图像相匹配的部分，改进的ABS算法提高了图像匹配速度。
　　本文针对传统的基于灰度的图像匹配方法只能对有平移变化的图像进行匹配，而无法对有旋转变化的图像进行匹配的问题，提出了一种基于傅里叶变换，并满足莱斯分布的最大似然估计概率模型来求出子图像的旋转角度。和利用傅里叶变换改进的ABS算法相结合的图像匹配算法。通过仿真实验，验证了该方法在图像间存在旋转和平移时都要良好的匹配效果，且该方法具有一定的抗噪音能力。