基于尺度不变特征的图像局部特征技术研究

摘要

图像配准是计算机视觉的等技术的基础。图像局部特征技术由于其对各种变化的不变性以及对遮挡重叠等情况的鲁棒性,一直是图像配准领域的热门研究方向。在图像局部特征技术中,尺度不变特征(SIFT)在图像发生尺度、旋转等变化时可以表现出很好的稳定性,因而受到了广泛的关注、研究和应用。然而,SIFT算法的速度以及SIFT特征在匹配时的准确率方面仍有提升的空间。
　　本文介绍了图像局部特征技术的组成和发展历程,以及包括SIFT算法在内的几种当前较为主流的局部特征技术。在对SIFT算法进行了详细分析的基础上,本文提出了基于SIFT算法的四种改进,分别是:(1)基于匹配置信值的自适应距离比阈值匹配算法;(2)基于分量方差和梯度方向加权的特征描述算法;(3)基于源图像分割检索的多层匹配算法;(4)基于哈希匹配的加速特征提取匹配算法。之后本文分别基于匹配准确率和算法速度两个方向的优化,提出了综合了上述四点改进后的两个比较全面的SIFT算法的改进算法。对于上述每一种改进,本文均给出了实验数据的统计和分析,以及与已有算法之间比较。
　　本文的主要贡献如下:
　　1.本文比较详细地介绍了几种当前主流图像局部特征技术,并与本文中提出的算法一起对各算法进行了实验对比和分析;
　　2.本文以优化 SIFT算法的匹配准确率为目的,分别提出了基于匹配置信值的自适应距离比阈值匹配算法、基于分量方差和梯度方向加权的特征描述算法和基于图像分割检索的多级匹配算法,并综合以上三点提出了一种综合算法;
　　3.本文以优化 SIFT算法的速度为目的,提出了基于哈希匹配的加速特征提取匹配算法,并与上述基于分量方差和梯度方向加权的特征描述算法的变形相结合,提出了一种提升SIFT算法速度的综合算法。

目录

封面

声明

中文摘要

英文摘要

目录

一．绪论

1.1选题意义

1.2 图像局部特征技术概述

1.2.1 局部特征提取技术概况

1.2.2 局部特征描述技术研究概况

1.2.3 局部特征匹配技术概况

1.3 本文章节安排

二．图像局部特征技术

2.1 尺度不变特征（SIFT）算法

2.1.1 SIFT特征提取

2.1.2 SIFT特征描述

2.1.3 SIFT特征匹配

2.1.4 SIFT算法的优点与缺点

2.2 SIFT衍生算法

2.2.1 PCA-SIFT算法

2.2.2 GLOH算法

2.2.3 LPP-SIFT算法

2.3 其他图像局部特征算法

2.3.1 Harris角点算法

2.3.2 SURF算法

2.4 本章小结

三．基于SIFT的图像配准算法改进

3.1 基于匹配置信值的自适应距离比阈值匹配算法

3.1.1 提出背景及出发点

3.1.2 匹配置信值的定义与计算

3.1.3 自适应距离比阈值计算

3.1.4 实验结果及分析

3.1.5 该算法的不足之处

3.2基于分量方差和梯度方向加权的特征描述算法

3.2.1 提出的背景及出发点

3.2.2 基于分量方差的加权特征描述

3.2.3 基于分量梯度方向的加权特征描述

3.2.4 整个算法流程

3.2.5 实验结果及分析

3.2.6 对该算法的一些补充说明

3.2.7 算法的缺点

3.3 基于图像分割检索的多级匹配算法

3.3.1 提出背景及出发点

3.3.2 初始源图像块定位步骤

3.3.3 源图像块自适应调整

3.3.4 算法流程

3.3.5 实验结果及分析

3.3.6 算法的不足

3.4基于哈希匹配的加速特征提取匹配算法

3.4.1 提出背景及出发点

3.4.2 哈希算法简介及在本算法中的应用

3.4.3 特征提取步骤中的修改

3.4.4算法流程

3.4.5 实验结果及分析

3.4.6 算法的缺点

3.5 对SIFT算法的综合改进

3.5.1 基于匹配准确率优化的SIFT算法综合改进

3.5.2 基于运行速度优化的SIFT算法综合改进

3.6 本章小结

四．总结与展望

参考文献

致谢

攻读硕士期间发表的学术论文