資源描述：
《基于特征點的影像匹配關(guān)鍵技術(shù)研究-畢業(yè)論文》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、南陽師范學(xué)院20XX屆畢業(yè)生畢業(yè)論文（設(shè)計）題目：基于特征點的影像匹配關(guān)鍵技術(shù)研究完成人：班級：學(xué)制：專業(yè)：測繪工程指導(dǎo)教師：完成日期：目錄摘要（1）1緒論（1）1.1選題意義（1）1.2研究現(xiàn)狀（2）1.3論文的主要內(nèi)容（3）2特征點提取算法研究（4）2.1Moravec興趣算子的理論基礎(chǔ)（4）2.2Forstner算子（5）2.3兩種算法的比較（8）2.3.1定位準確性試驗（8）2.3.2提取速度試驗（9）3基于特征點的匹配算法研究（10）3.1影像像匹配的過程（10）3.2影像匹配的基礎(chǔ)理論（11）3.2.1相關(guān)系數(shù)匹配算法（11）3.2.2核線匹配算法（13）4實例演示（
2、15）5總結(jié)展望（18）參考文獻（18）Abstract（19）基于特征點的影像匹配關(guān)鍵技術(shù)研究摘要：影像匹配問題是攝影測量后期影像處理中的一個核心問題。本文探討了基于特征點的影像匹配過程中的具有決定意義的兩個步驟：特征點的提取和影像匹配。有效的特征提取算法是影像匹配問題的首要和關(guān)鍵，文章介紹了了在攝影測量中兩個常用的點特征提取算子，Moravec算子和Forstner算子,并敘述了兩個常用的基于特征點的匹配算法，相關(guān)系數(shù)法和松弛匹配法，然后進一步進行實驗對比得出了兩種算子和兩種匹配算法各自的提取效果圖。關(guān)鍵字:影像匹配；特征點；Moravec算子；Forstner算子；相關(guān)系數(shù)
3、;核線匹配1緒論1.1選題意義影像匹配一直以來都是攝影測量工作的核心任務(wù)。無論是在模擬測圖儀上還是在解析儀上，都需要作業(yè)人員通過人眼的立體觀測，不斷地從左右像片上搜索同名像點，也就是進行影像的匹配問題。所謂影像的匹配即是已知一幅影像中的一個特征點，運用一定方法從其他影像像中獲得與這個特征點相對應(yīng)的匹配點（空間中的同一點在兩幅影像中的成像）。隨著科學(xué)技術(shù)的發(fā)展，影像像匹配不僅成為現(xiàn)代信息處理領(lǐng)域中一項十分重要的技術(shù)，而且是一些圖像分析技術(shù)的基礎(chǔ)，在許多方面有著重要的應(yīng)用價值，如目標跟蹤、立體視覺和運動分析等。影像匹配技術(shù)經(jīng)歷十多年的發(fā)展，其應(yīng)用已逐步從原來單純的軍事應(yīng)用擴大到其它領(lǐng)
4、域。通過查看在SCI中檢索的有關(guān)影像匹配方面的論文，近十年就超過了13360篇，說明人們對影像匹配技術(shù)的關(guān)注呈逐年上升趨勢。影像匹配技術(shù)一般分為基于灰度的和基于特征的，而特征又分為點特征、線特征和面特征[1]第19頁(共19頁)。相對于線特征和面特征，特征點通常在精度、速度以及魯棒性上有較明顯的優(yōu)勢，綜合考慮基于特征點的影像匹配算法的眾多優(yōu)點，本文將重點研究基于特征點的影像匹配算法。相對于基于灰度的影像匹配方法在實時性和精度上的弱點，基于特征的影像匹配方法可以最大的克服這些不足，主要表現(xiàn)在下面三個方面：（1）一幅影像中，其特征比像素點在數(shù)量上絕對要少很多，在匹配過程中大大減少了需
5、要處理的信息量，從而提高匹配的實時性。（2）當影像中所提取的特征出現(xiàn)位移變化時，其匹配度量值會很敏感，從而可以提高影像匹配的精度。（3）特征的提取過程可以增強對噪聲的抗干擾性，對影像發(fā)生形變以及遮擋等都有較好的魯棒性。用于提取點特征的算子稱為興趣算子或有利算子(interestoperator),即利用某種算法從影像中提取人們感興趣的,有利于某種目的的點?；谔卣鼽c的圖像匹配算法主要有點點匹配和點集匹配兩種應(yīng)用。點點匹配首先按一定的約束關(guān)系得到兩個初始匹配點集，然后利用其它約束條件剔除錯誤匹配點，最后確定點與點的一一對應(yīng)關(guān)系。一般而言，點特征（如明顯地物點）具有較高的匹配精度，特
6、別是當圖像的方位元素未知時，往往需要首先匹配少量點求解圖像的相對方位元素，這時點特征就顯示其重要性。在影像分析和計算機的視覺領(lǐng)域,應(yīng)根據(jù)不同應(yīng)用目的選擇有效的點特征提取。1.2研究現(xiàn)狀第19頁(共19頁)根據(jù)圖像匹配過程中的特征提取和特征描述的不同，圖像匹配算法可分為兩類：基于灰度和基于特征的圖像匹配算法?；诨叶鹊膱D像匹配算法選擇的特征空間為圖像的總體部分，這類算法一般沒有復(fù)雜的圖像預(yù)處理工作，而是以整幅圖像相應(yīng)搜索區(qū)域中的像素灰度特征為基礎(chǔ)，利用某種相似性計算準則，如互相關(guān)系數(shù)或標準差等，采用合適的搜索策略得到令相似性判別準則最大化的圖像間空間和灰度的映射，最終使圖像完成匹配
7、?；诨叶鹊膱D像匹配算法一般要處理大量的灰度信息，計算非常復(fù)雜，實時性很差，在需要實時匹配的系統(tǒng)中不適應(yīng)，此外，此類算法的魯棒性較差，當圖像發(fā)生細微變化時，可能會對匹配結(jié)果產(chǎn)生重大的影響，從而導(dǎo)致匹配失敗，因此，此類算法的應(yīng)用范圍比較狹窄，僅僅適用于對兩幅相似性較強的圖像間進行精匹配，遠遠不能滿足目前實際應(yīng)用的需要。基于特征的匹配的各類算法中，其步驟與基于灰度的影像匹配基本相似，主要區(qū)別在于所選的特征空間、特征提取方法和特征描述方法的不同。而一般在圖像變換模型確定的情況下，圖像匹
