基于尺度不变特征的图像匹配研究

论文编号:ZD1500  论文字数:22440，附答辩PPT

一、题目
    基于尺度不变特征的图像匹配研究
二、指导思想和目的要求
    1.利用已有的专业知识，培养学生的解决实际工程问题的能力
    2.锻炼学生的科研工作能力和培养学生团队合作及攻关能力
主要技术指标
    1.对SIFT特征提取算法进行研究
    2.针对其维度过高，实时性不佳，对SIFT算子进行了简化
    3.对简化算法进行实验分析
四、进度和要求
 第01周----第02周： 撰写开题报告；
 第03周----第05周： 图像特征提取和匹配相关基础知识学习；
 第06周----第07周： 熟悉Matlab等相关软件；
 第08周----第13周： 研究SIFT特征提取算法；
 第14周----第16周： 对改进的SIFT特征提取算法进行实验；
 第17周----第18周： 撰写毕业设计论文，论文答辩。
五、主要参考书及参考资料
 贾云得.机器视觉[M].北京:科学出版社,2000:1-50..
 李博.图像的不变特征检测与研究[C].重庆大学硕士学位论文,2007:6-8.
 李俊山,李旭辉.数字图像处理(第一版)[M].北京:清华大学出版社,2007.
 戚世贵.基于图像特征点的提取匹配及应用[C].吉林大学硕士学位论文,2006.
 李文锋.图形图像处理与应用(第一版)[M].北京:中国标准出版社,2006.
 Lindeberg,Tony.Scale-space theory:A basic tool for analyzing structures at different
 scales[J].Journal of Applied Statistics.1994,21(2):224-270.

基于尺度不变特征的图像匹配研究

摘 要

 视觉不变量理论是十九世纪八十年代末将不变量理论引入到计算机视觉研究领域中形成的一个研究方向。视觉不变量是指那些对于尺度变化、物体移动、旋转、放射、透视变化仍保持不变的特征。本文研究的SIFT算法正是一种基于局部不变量的特征提取算法。
 SIFT（Scale Invariant Feature Transform）算法由 D.G.Lowe于1999年提出，并于2004年做了完善和总结。SIFT特征点对于图像的尺度和旋转保持不变性，对于光照和3D视角的变化也能保持一定的稳定性，而且由于在立体和频域空间被很好的局部化，故而降低了噪声干扰的可能性。
 本文讨论了一种SIFT算子的简化方法，简化后的算子与原算子相比大大降低了特征点描述子的维度。同时，简化的SIFT算子具有很好的不变性，在3D视角变化、光照变化也有很好的稳定性，并且与SIFT算法相比时间复杂度大大降低，更适用于海量的数据搜索和匹配。
 本文主要内容如下：
 （1）为计算机视觉及视觉特征不变量理论做了概述的变换矩阵和图像特征的分类方法，给出了特征提取标准，并在最后简要概括了本文的主要研究内容和组织
 （2）介绍了SIFT算子，介绍多尺度空间及高斯差分的方法，描述了SIFT算子极值提取、去除不稳定点、生成特征点描述子的过程，这种算子对尺度变换、旋转、仿射变化保持不变，对光照也具有一定的不变性。
 （3）对SIFT算子进行改进，采用同心圆窗口替代之前的矩形SIFT特征向量进行降维简化。
 
 关键词：SIFT特征向量，图像匹配，视觉不变量

 基于尺度不变特征的图像匹配研究

ABSTRACT

 Visual invariant theory is eighteen eighties at the end of the invariant theory is introduced to a research direction in the field of computer vision research. Visual invariants are those changes in scale, moving, rotating, radiation, the perspective changes remain invariant feature. The SIFT algorithm is proposed in this study is a feature extraction algorithm based on local invariant.
SIFT (Scale Invariant Feature Transform) algorithm proposed by D.G.Lowe in 1999, and in 2004 made a perfect and summary. SIFT feature points for image rotation and scale invariance to illumination changes, and from the perspective of 3D can also maintain a certain stability, but due to being localized well in three-dimensional space and frequency domain, so it reduces the possibility of noise.
 This paper discusses a simple method of SIFT operator, operator is simplified greatly reduces the dimensions of feature point descriptor is compared with the original operator. At the same time, SIFT operators simplified invariance of good, in the 3D perspective changes, illumination changes also had good stability, and the time complexity is greatly reduced compared with the SIFT algorithm, more suitable for mass data searching and matching.
 The main contents of this paper are as follows:
 (1) the classification method of transformation matrix and the image features of the computer vision and visual feature invariant theory, the feature extraction, and finally summarizes the main research content and organization
 (2) introduced the SIFT operator, the multi-scale space and Gauss differential method, described the process of SIFT operator extremum extraction, removal of unstable point, feature point descriptor generation, this operator remains committed to scaling, rotation, affine transformation, the light also has a certain invariance.
 (3) to improve the SIFT operator, the dimensionality reduction using a simplified rectangular SIFT feature vector before concentric circle window replacement.

Keywords: SIFT feature vector, image matching, visual invariants

基于尺度不变特征的图像匹配研究
目 录

 摘 要 I
 目 录 I
 第一章 绪 论 1
 1.1计算机视觉 1
 1.2视觉不变量理论 2
 1.3图像变化类型 5
 1.3.1刚体变换 7
 1.3.2仿射变换 8
 1.3.3射影变换 8
 1.3.4非线性变换 9
 1.4特征提取算法的衡量标准 9
 1.5本文的主要研究内容和结构 10
 第二章 SIFT原理与应用 11
 2.1 SIFT基本思想 11
 2.2 SIFT特点 11
 2.3 SIFT特征计算步骤 11
 2.4 SIFT原理 12
 2.4.1尺度空间理论及其构造 12
 2.4.2 空间极值点检测 15
 2.4.3 特征点方向 17
 2.4.4 SIFT局部图像描述子 18
 2.5 对图像进行SIFT特征提取 20
 第三章  SIFT算法的改进方案 23
 3.1 SIFT简化算法 23
 3.2 RANSAC算法 25
 3.2.1 RANSAC算法介绍 25
 3.2.2 RANSAC算法计算单应性矩阵 27
 第四章  实验及结果分析 29
 4.1特征的匹配 29
 4.2性能指标和评价标准 29
 4.3维度的选择 30
 4.4简化算法不变性测试 33
 4.4.1改进算法在旋转和尺度变化下的匹配效果 33
 4.4.2改进算法在视角变化下的匹配效果 34
 4.4.3改进算法在光照变化下的匹配效果 35
 4.4.4改进算法的时间复杂度 36
 参考文献 39
 致 谢 43
 毕业设计小结 44
基于尺度不变特征的图像匹配研究

相关论文