資源描述：
《基于局部特征的圖像匹配算法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、、．．３奪■／？蔡．＇Ｖ相非．冷．邀；．：’記ｖ．脊ｖ‘．．一．沒(méi)巧於；ｖ制娥賴ＷＷ密嚴(yán)ｖ’ｆ嚴(yán)；；，．：Ｊ－Ｖ，；ｒ．，．’＞．？Ｖ：祭；．■，－起＂‘聲．－．、ｒ，＇．．巧．＞Ｖ．ｎＣＴ‘，，，．；ｆ．；ｒ４．ｖ．一疑＾＇身寒Ｈ＇．碑．、兵、．％滿－；壟，運(yùn)Ｖ１：；．．＇■．才＂－賽＿；島找於．．．．；碩巧ＭＩ學(xué)立論交？巧藥ｙ＜，、山薄’ｈ＇Ｋ＼．．，；Ｉ．，Ｖ＂．－；－ｒ售／：：苗爭(zhēng)＇：＾＇讓Ｖｒ義人．＇．＾皆：．．苗．－＇
2、：滿＂方？＃；ｒ＾Ｋ始＂背，如：ｘ－、．．‘．ｒｆ％齊．．；Ｖ．一．；＇＇－，■ＶＷ．－＼，－－－論文題即：基于＾隱＾激狀－．今＾定’ｔ＇．－，片？．＞巧一一＼‘．．‘＇．：．．．、：．．＼，．＇；」ｃｉ學(xué)號(hào)心誦管＾＂壽邱｜，ＴＫ姓名．‘．．甘．一歡：＾＇ｉ．唐ｉ一一４為，導(dǎo)＾師－＇．ｆ．ｒｆ＼＇Ｖ明ｇ噓：嘴學(xué)科專業(yè)或護(hù)．遺、獻(xiàn)鐘｜＾５理研究萬(wàn)向＾．昏Ｖ＞今申請(qǐng)＾位類別巧財(cái)論文＾交
3、曰期０．甲：；，．：．緩叛的．Ｖ凌蕾麵＂齡ｖ論聽咬．ｖ？；，‘書；．ｉ：．巧■；非；辦．霉南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研巧成果。盡我所知，除了文中特則加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研巧所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。一
4、本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)切相關(guān)的法律責(zé)任。研巧生簽名：矣１觀日期琴；Ａ化｜南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可Ｗ保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文檔；允許論文被查閱和借閱；可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；可采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。渉密學(xué)位論文在解密后適用本授權(quán)書。研巧生簽名、；獻(xiàn)壽
5、導(dǎo)師簽名：日期；２＾化ｗｊｐResearchofImageMatchingTechnologyBasedonLocalFeatureDetectionThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByLijunQiuSupervisor:Prof.JiashanTangMarch2015摘要傳統(tǒng)的圖像匹配算法已經(jīng)無(wú)法處理復(fù)雜多變的圖像數(shù)據(jù)，實(shí)踐表明，結(jié)合圖像的特征
6、進(jìn)行匹配效果更好。圖像的局部特征由于不容易受環(huán)境變化的影響而越來(lái)越多的被應(yīng)用到匹配算法中。如何提高基于圖像局部特征的匹配算法的準(zhǔn)確率和效率，是目前圖像匹配領(lǐng)域的研究熱點(diǎn)之一。本文對(duì)基于圖像局部特征的匹配算法進(jìn)行研究，主要工作如下：（1）為提高匹配的準(zhǔn)確率，提出一種基于Contourlet變換的局部特征描述匹配算法。首先對(duì)圖像進(jìn)行Canny邊緣檢測(cè)，剔除圖像DoG空間極值點(diǎn)中的邊緣點(diǎn)。這樣得到的特征點(diǎn)既去除了不穩(wěn)定的邊緣點(diǎn)的影響，又保證了獨(dú)特性。然后，用Contourlet變換對(duì)特征點(diǎn)進(jìn)行描述，降低特征描述子維
7、度的同時(shí)，引入了全局紋理信息，使算法能夠正確匹配具有多個(gè)局部相似區(qū)域的圖像。最后，用街區(qū)距離和棋盤距離的數(shù)乘距離作為特征描述子匹配的依據(jù)。仿真實(shí)驗(yàn)表明，該算法的匹配準(zhǔn)確率高于SIFT算法。（2）本文提出一種雙直方圖哈希特征提取算法，降低了特征提取的復(fù)雜度，然后將它和ORB算法結(jié)合，提出一種兩步驟的局部特征匹配算法。粗匹配階段，用雙直方圖哈希算法匹配到目標(biāo)的大致位置區(qū)域。細(xì)匹配階段，在上述區(qū)域中進(jìn)行快速ORB特征匹配。粗匹配為細(xì)匹配階段的特征提取縮小了范圍。實(shí)驗(yàn)結(jié)果表明，在保持算法的匹配準(zhǔn)確率前提下，算法的匹配
8、時(shí)間比SIFT、SURF和ORB算法縮短了。（3）傳統(tǒng)局部特征匹配算法忽略了彩色信息，且對(duì)局部形狀相似區(qū)域的誤匹配率高，本文對(duì)此進(jìn)行改進(jìn)，提出了融合顏色不變量和形狀信息的圖像匹配算法。首先提取圖像的顏色不變量作為特征檢測(cè)的輸入，用改進(jìn)的GLOH算法進(jìn)行特征描述。然后，為解決誤匹配問(wèn)題，提取特征點(diǎn)的主曲率信息進(jìn)行全局形狀描述。最后，將兩種描述子融合匹配。仿真實(shí)驗(yàn)表明，該算法在局部形狀特征相似、光照變化
