当前位置：文档之家 › 基于灰度相关的图像匹配算法的改进

基于灰度相关的图像匹配算法的改进

  • 格式：pdf
  • 大小：439.19 KB
  • 文档页数：5

下载文档原格式

  / 5

合集下载

一种基于灰度相关的快速图像匹配算法

一种基于灰度相关的快速图像匹配算法

一种基于灰度相关的快速图像匹配算法[摘要] 在传统的基于灰度相关的图像匹配算法基础上,提出了一种改进的快速图像匹配算法。

该算法通过减少搜索子图和优化测度函数,大大降低了算法的时间复杂度和空间复杂度,在快速匹配的基础上,进行归一化的相关计算,既能保证匹配效果,又提高了匹配速率。

实验结果表明,这是一个能提高效率的有效算法。

[关键字] 图像匹配测度函数归一化相关[Abstract] An new algorithm of fast image matching based on gray correlation was put forward. It greatly decreased time and space complexity by reducing searching subimages and optimizing measure function. Normalized Correlation computing on the base of fast matching not only ensured matching effect ,but also improved matching speed.The result showed the algorithm was practical.[Key words] image matching measure function Normalized Correlation1 引言在过去的几十年中,各种图像匹配算法相继出现,而且结合许多数学理论和方法,人们不断提出新的匹配方法。

对于灰度图像的匹配分为基于图像的几何特征和基于图像灰度值两大类。

前者适合于单一明确的目标检测且对目标的几何特征提取有较高的要求,在背景较复杂时不易目标提取,且计算量大,对系统的消耗很大。

后者采用搜索子图遍历图像,并对搜索窗口和模板求归一化相关值,以此作为测度函数,衡量搜索窗口内图像与模板的匹配度,这种基于灰度相关的匹配特别适合复杂背景下多目标识别,匹配的准确性和适应性也很高。

基于灰度和几何特征的图像匹配算法研究

基于灰度和几何特征的图像匹配算法研究

河北工业大学硕士学位论文基于灰度和几何特征的图像匹配算法研究姓名:宋晓闯申请学位级别:硕士专业:计算机应用技术指导教师:于明20081101河北工业大学硕士学位论文基于灰度和几何特征的图像匹配算法研究摘要图像匹配是计算机视觉和图像处理领域一项重要的研究工作,本文主要对图像匹配领域进行了深入细致的研究。

本文主要研究了两类图像匹配算法:基于灰度信息的算法和基于特征的匹配算法。

对基于灰度信息的算法,主要研究了两种算法,一种是对传统算法进行研究,提出了一种改进的互相关匹配算法,另一种是根据图像编码的思想,对图像进行分块,重点研究了基于灰度值编码的匹配方法。

实验表明,此算法在遥感图像和工件字符定位方面,尤其是在复杂背景(目标与背景难分离下,算法都具有很强的鲁棒性和稳定性。

对基于特征的匹配算法,主要研究了HU不变矩、圆形度、矩形度等几何特征,最后选取几种特征作为特征参数,运用基于欧式距离的匹配方法进行匹配. 对二百多个样本图像进行测试,匹配成功率达到了92.5%。

得到了很好的实验效果。

关键词:计算机视觉模板匹配图像处理互相关i基于灰度和几何特征的图像匹配算法研究The Study of Image Matching Algorithms Based On Gray Value andGeometric FeaturesABSTRACTImage matching is an important research topic in computer vision and image processing. A great deal of work is done in the field of image matching in the paper.It studied two types of image matching algorithms in the paper. gray-scale information-based algorithm and feature-based matching algorithm. About the algorithm based on the information of gray–scale, it mainly studied two algorithms, Firstly it studied the traditional algorithm, Then one new improved cross-correlation algorithm was proposed. The other is based on the thinking of image coding. This algorithm divided the image into certain size blocks called R-block. It focused on the algorithms of gray value image coding. Through t he experiments, It is found that the algorithm had a very strong robustness and stability ,When it was used in remote sensing images and Optical Character positioning, particularly in the Complex background(with the background of the difficult goal of separation. About the feature-based matching algorithm, Firstly, it mainly studied HU invariant moments, elongated-ness, roundness and other geometric features. Finally it selected a few features from them as the features of the parameters. Then it was calculated and matched with the algorithm based on template matching of Euclidean distance. Two hundred of samples was tested and experimented, and the average accuracy rate is 92.5%. The result shows that the system is good enough to meet the needs of real-time reaction and high recognition rate.KEY WORDS: computer vision,template matching, image pre process, correlationii原创性声明本人郑重声明:所呈交的学位论文,是本人在导师指导下,进行研究工作所取得的成果。

基于改进SIFT的图像特征匹配算法

基于改进SIFT的图像特征匹配算法

0引言图像匹配是图像处理技术中的一项重要内容，是将两幅或多幅图像的某种性质进行对比，并通过一定的规则识别出图像之间的相似部分。

图像匹配已被广泛应用于图像拼接[1]、同步定位与建图（视觉SLAM ，simultaneous localization and mapping ）[2]和对象识别[3]等诸多领域。

目前图像匹配的方法主要分为两大类：基于灰度的匹配方法和基于特征的匹配方法[4]。

其中，利用图像灰度进行匹配的方法操作简单，匹配率较高，但计算量太大，匹配耗时较长，且对光照变化比较敏感。

而利用图像的特征信息进行匹配的方法以其速度较快、精度高和鲁棒性好等特点成为近年来图像匹配技术研究的热点。

基于特征匹配的算法中，最具有代表性的是由Lowe [5]在2004年提出的传统尺度不变特征变换（scale invariant feature transform ，SIFT ）算法。

该算法不仅提取特征能力强，对图像的旋转、尺度变化、光照变化和噪声等也具备较高的稳定性，但仍存在一些缺陷：特征描述子维数太大，导致计算复杂度高，时间成本大，对实时性的应用具有局限性。

针对SIFT 算法的不足，国内外许多学者做了相关改进。

文献[6]通过主成分分析法（principalcomponent analysis ，PCA ）有效降低了SIFT 算法的描述子维数，缩短了匹配时长，但会导致匹配率下降。

文献[7]提出了加速稳健特征（speeded up ro ‐bust features ，SURF ）算法，该算法通过积分图技术能够快速检测关键点和获取描述子，运算速度明显提升；不过，该算法在尺度旋转变化下的匹配性能不如SIFT 。

文献[8]提出的基于余弦距离匹配规则的SIFT 特征匹配方法，提高了匹配精度，却降低了速度。

文献[9]提出的Harris 角点提取和SIFT 特征描述相结合的匹配算法，删除了冗余的特征点，提高了正确匹配率，但检测特征点失去了尺度不变特征，导致该方法无法适用于尺度缩放太大的图像。

图像匹配经典算法及其改进方法研究

图像匹配经典算法及其改进方法研究

代 表 性 的 经 典 匹配 算 法 及 其 改 进 方 法 分 析 和 探 讨 。
１ 图像 匹配算 法 分 类
１１ 直接 利 用 原 始 图像 的灰 度 进 行 匹 配 ． 该 方 法 可 利 用 图像 的信 息 来 高 精 度 地 区 分 不 同 对 象 ，但 处 理 的信 息量 大 ，计 算 复杂 度 高 。这 类 算 法 的特 点 是 对 图像 之 间 的 微 小 差 别 非 常 敏 感 ，一 个
维普资讯
兵 工 自 动 化
软 件开 发与 应用
Ｅｘｐｌ ｔ ｔｏｎ ａｎ Ａ ｐｐｌｃ ｔｏ ｏｆＳｏｆｗ ａ ｅ ｏｉａ ｉ ｄ ｉ ａ ｉ ｎ ｔ ｒ
０ ．Ｉ Ａ ｕｔ ｍ ａｔｏｎ ． ｏ ｉ
２０ ０ ８年 第 ２ ７卷 第 ９期
Ｏ 引 言
由于 环 境 的变 化 、 目标 运 动 的 影 响 和 传 感 器 的
键 是 寻 找 易 于 识 别 和 区分 的特 征 ，通 过 基 于 特 征 集 间 的 相似 性 度 量 来 找 到 模 板 在 图 像 中 的 匹配 位 置 。 １３ 使 用 高 级 特 征 的 算 法 进 行 匹配 ． 如 基 于 约 束 的树 搜 索 ，可 利 用 深 度 优 先 搜 索 策 略 ，依 靠 解 释 树 寻 找 局 部 一 致 的 匹 配 。基 于 多 尺 度 特 征 作 特 征 匹配 ， 则 是 对 图 像信 息 引入 多 种 级 别 的 抽 象 ， 遵 循 先 轮 廓 后 细 节 ， 先 宏 观 后 微 观 ， 先 易 于 辨 认 部 分 后 较 为 模 糊 部 分 的人 类 视 觉 匹配 规 律 ， 能 提 高 图 像 匹 配 的可 靠 性 。
Ａｂ ｔａ ｔ Ｍ ａ ｃ ｉ ｇ ｍｅ ｈ ｄ ｆｉ ａ ｅ ｍａ ｃ ｉ ｇ ａ ｇ ｒ ｔ ｍ ｓ ｃ ｍｐｏ ｅ ｆ ｄ ｒ ｃ ｓ ｆ ｇ ｅ ｅ ｒ ｅ ｏ ｒｇ ｎ ｌｉ ｇ ， ｓｒ ｃ ： ｔ ｈ ｎ ｔ ｏ ｓｏ ｍ ｇ ｔ ｈ ｎ ｌ ｏ ｉ ｈ ｉ ｏ ｓ ｄ ｏ ： ｉｅ ｔｕ ｅ ｏ ｒ ｙ ｄ ｇ ｅ ｆ ｏ ｉ ａ ｍａ ｅ ｉ ｕ ｅ ｔ ｅ ｆ ａ ｕ ｅ ｏ ｈ ｓ ｃ ｌ ｓ ａ ｅ ａ ｄ ｕ ｅ ｔ ｅ ａ ｖ ｎ ｅ ｅ ｔ ｒ ｆ ｔ ｅ ｉ ｇ ．Ｃｌ ｓ ｉ ａ ｔ ｈ ｎ ｌ ｏ ｔ ｍｓ ｃ ｎ ａ ｎ ＡＢＳ ｓ ｈ ｅ ｔ ｒ ｆｐ ｙ ｉ ａ ｈ ｐ ｎ ｓ ｈ ｄ ａ ｃ ｄ ｆ ａ ｕ ｅ ｏ ｈ ｍａ ｅ ａ ｓ ｃ ｌｍａ ｃ ｉ ｇ ａ ｇ ｒ ｈ ｏ ｔ ｉ ｉ

基于灰度信息的图像配准方法研究

基于灰度信息的图像配准方法研究
Key Words image registration，grey information，line matching，ratio matching，block matching Class Number TP391
1 引言
基于灰度信息的配准是图像配准方法中非常 经典的一种，它从待配准图像的灰度值出发，采用 最小二乘法（或者其它数学方法）计算并比较待配 准图像中的一块区域与参考图像中的相同尺寸区 域的灰度值差异，以得到待配准图像之间重叠区域 的范围和位置，从而实现图像配准 。 ［1~2］ 目前基于 灰度信息的配准方法已经在图像拼接、手术导航、 红外图像处理以及医学研究等领域［3~10］得到了广泛 的应用。
Abstract The registration based on gray information is a very classic method of image registration. It has the advantages of simple principle，good intuition and small computation. The paper mainly discusses three basic methods of image registration based on gray information，such as line matching，ratio matching and block matching. First，the basic principles and algorithm steps of the three registration methods are introduced. Then the advantages and disadvantages of these matching methods are analyzed through experiments，and their comparative analysis is made. The experimental results show that the line matching method is simple in principle，but the operation steps are complex，and the practicality is not strong，the ratio matching method can overcome the in⁃ fluence of illumination on the translation parameters，but less to use image feature information，and the block matching method can achieve image registration under the conditions of translation，rotation and zoom，and get high registration accuracy，but it vasts a large amount of calculation and time.

图像匹配经典算法及其改进方法研究

图像匹配经典算法及其改进方法研究

Abstract: Matching methods of image matching algorithm is composed of: direct use of grey degree of original image, use the feature of physical shape and use the advanced feature of the image. Classical matching algorithms contain ABS algorithm, normalized cross-correlation algorithm, moment matching method and the method based on the feature point of image. Improved methods refer to SSDA algorithm, pyramidal layered searching method and so on.
1.2 利用图像的物理形状特征进行匹配
利用图像的物理特征，如边缘、骨架线条、角 点等进行匹配，需要相关计算的像素点数目有明显 减少，并具有更强的适应能力。这种算法对细微的 干扰不太敏感，而是依赖于提取的图像特征，其关
键是寻找易于识别和区分的特征，通过基于特征集 间的相似性度量来找到模板在图像中的匹配位置。
xy
m 01 = ∑ ∑ yf ( x , y )
xy
f(x,y) 归一化：
η pq
=
u pq u r 00
(8)
式中，r＝(p+q)/2+1，p+q＝2,3,…。
为加速模板匹配过程，可采用 2 步模板匹配策
略。首先，使用零阶矩算子进行粗匹配，获得可能

图像匹配算法的研究进展

图像匹配算法的研究进展

图像匹配算法的研究进展一、本文概述随着信息技术的飞速发展，图像匹配算法在诸多领域，如人脸识别、物体追踪、自动驾驶、医学影像分析以及遥感图像处理等，都发挥着越来越重要的作用。

图像匹配算法的核心在于通过一定的算法和策略，从大量图像中快速准确地找到目标图像，或者从同一场景的不同图像中找出相似或相同的部分。

本文旨在探讨图像匹配算法的研究进展，包括经典的算法、新兴的算法以及它们在不同领域的应用。

我们将回顾传统的图像匹配算法，如基于特征的方法、基于灰度的方法等，分析它们的优缺点以及适用场景。

然后，我们将重点介绍近年来兴起的深度学习在图像匹配领域的应用，包括卷积神经网络（CNN）、孪生网络（Siamese Network）等，以及它们在提高匹配精度和效率方面的突出表现。

我们还将讨论图像匹配算法在实际应用中面临的挑战，如光照变化、视角变化、遮挡等问题，以及针对这些问题的解决方案。

我们将展望图像匹配算法的未来发展趋势，包括算法性能的进一步提升、多模态图像匹配的研究、以及在大规模图像数据库中的应用等。

通过本文的综述，我们希望能够为读者提供一个全面而深入的图像匹配算法研究进展的概览，同时也为相关领域的研究人员提供有益的参考和启示。

二、图像匹配算法的基本原理图像匹配算法是计算机视觉领域的一个核心问题，它旨在从大量图像中找出具有相似性或相关性的图像。

这些算法的基本原理主要基于特征提取和相似性度量两个方面。

特征提取是图像匹配算法的首要步骤。

在这一过程中，算法会从图像中提取出关键信息，这些信息通常是对图像内容的抽象描述，如边缘、角点、纹理、颜色分布等。

这些特征的选择对后续的匹配效果至关重要，因为它们需要既能代表图像的主要内容，又具有一定的鲁棒性，能够在不同的光照、视角、尺度等条件下保持一致。

相似性度量是图像匹配算法的另一关键步骤。

在提取了特征之后，算法需要一种方法来量化两个图像之间的相似性。

常见的相似性度量方法包括欧氏距离、余弦相似度、汉明距离等。

改进的归一互相关法的灰度图像模板匹配方法_陈丽芳

改进的归一互相关法的灰度图像模板匹配方法_陈丽芳

1
以灰度为基础的匹配
灰度匹配的基本思想： 以统计的观点将图像看成是二维 信号， 采用统计相关的方法寻找信号间的相关匹配。利用两 个信号的相关函数， 评价它们的相似性以确定同名点。 基于灰度的匹配方法是直接利用图像的灰度值度量两幅 图像之间的相似性， 用某种相似性度量， 判定两幅图像中的对 应关系。灰度信息匹配方法只对图像的灰度进行处理， 避免 了主观因素的影响， 可以实现完全自动的匹配。
4 改进传统 NC 算法的搜索策略
传统的模板匹配的基本算法就是将模板图在搜索图上遍 历所有可能的位置， 从中找出相关度最大位置即认为是匹配 位置。由于传统做法需要遍历所有点， 当模板图很大的情况 下， 显然其计算量是相当大的， 要加快运算速度比较有效的方 法是减少搜索位置和每个位置处的计算量， 所以提出了变换 模板图和改变搜索步长的方法来加快匹配的速度， 并通过实 验验证了该方法的准确性和快速性。 （1） 变换模板 变换模板图存在两种情况： 一种是参考图和模板图都比 较大的情况， 先按照一定的比例同时缩小参考图和模板图， 寻 找出大概位置后， 从原始参考图中截取参考图的有效性区域， 利用有效性区域和原始模板图进行匹配； 另一种是当模板图 比较大的情况下， 根据一些明显特性， 利用手工比对的方法先 把模板图的特征区域截取出来， 利用特征区域模板图和参考 图进行匹配， 得到参考图的候选区域， 最后再利用原始模板图 和候选区域进行匹配得到所要的结果。 （2） 改变搜索步长 传统模板匹配， 都是遍历每点， 这样会浪费大量的时间在
基金项目： 江苏省科技厅基金项目 （No.SBE200800983） ； 江南大学自主科研计划 （No.JUSRP30909） 。 作者简介： 陈丽芳 （1973—） ， 女， 硕士， 副教授， 主研方向： 图像处理、 计算机应用； 刘渊 （1967—） ， 男， 硕士， 教授； 须文波 （1946—） ， 男， 博导。 E-mail： may7366@ 收稿日期： 2011-02-25； 修回日期： 2011-04-28

基于图像校正与灰度相关性的立体匹配算法研究

基于图像校正与灰度相关性的立体匹配算法研究

机械 2010年第8期 总第37卷 设计与研究 ·15·———————————————收稿日期：2010－03－15基于图像校正与灰度相关性的立体匹配算法研究时洪光，张凤生，郑春兰（青岛大学 机电工程学院，山东 青岛 266071）摘要：立体匹配是双目视觉系统中必不可少的环节，对特征点进行匹配求解过程复杂，而且误匹配率较高。

外极线约束为立体匹配提供了便利条件，但由于实际系统中的外极线是弯曲的，使得沿外极线进行同名点搜索不仅非常耗时，而且计算过程受噪声影响大。

给出一种基于图像校正与灰度相关性的立体匹配算法。

首先采用图像校正方法将弯曲的外极线变为相互平行的水平外极线，简化了外极线的求取过程；再利用灰度相关性算法对同名点进行匹配。

实验结果验证了本文方法的准确性和稳定性。

关键词：双目视觉；立体匹配；图像校正；灰度相关性中图分类号：TP391 文献标识码：A 文章编号：1006－0316 (2010) 08－0015－04Research on stereo matching method based on image rectification and gray correlationSHI Hong-guang ，ZHANG Feng-sheng ，ZHENG Chun-lan(College of Mechanical & Electrical Engineering ，Qingdao University ，Qingdao 266071，China)Abstract ：Stereo matching is requisite for a binocular vision system. The process of the feature points matching is complex and with some mistake. Epipolar line restriction is convenient for stereo matching. However, the epipolar line in a practical system is curved, which makes that the searching corresponding points along epipolar line not only is time-consuming, but also is seriously effected by noise. Presents a matching algorithm based on image rectification and gray correlation. The curved epipolar line was converted into parallel straight lines, which simplified the solving process of epipolar line, and then the algorithm based on gray correlation was used to match corresponding points. Programming calculation results verified its accuracy and stability.Key words ：binocular vision ；stereo matching ；image rectification ；gray correlation双目视觉系统被广泛应用于机器人视觉导航、智能交通、军事视觉制导等领域，而立体匹配是双目视觉系统中必不可少的环节[1]。

一种基于灰度特征的图象匹配算法设计与研究

一种基于灰度特征的图象匹配算法设计与研究
维普资讯
一
种基于灰度特征的图象匹配算法设计与研究
舒付 样
—
孙继 银
（ 第＝ 炮兵Ｉ程 学 院四 系， 西安 ７ ０ ２ ） ｌ ０ ５
ｍａ ｌｓ ｕ ｕ ０ ０ ６ ｅ ｉ ｈ ｆ ２ ０ ＠２ ３ ｎ ｔ
摘
要
传统 图 象 匹配算 珐利 用相 是击进 行 连 点 计 算 ． 算 量 尢 且做 了许 多 无用 功 谊 文 提 出一 种 利 用 田 象点 度 局部 特 计
用 离度 量 法 ， 量央 角度 量 法 和 模饭 匹 配 法 ， 本 质 卜 这 ＊ 从
距 离 度 量 法 和矢 鼍 夹 角 度量 法 是 把 同样 规 格 的 两 幅 数 字 图象 看 成 多 维 矢 量 ． 象 素 个数 就 为 矢 量 的 维 数 ， 素 的 灰 度 则 象 值 就 是 矢 量 的 长度 ． 这样 就 可 以 比较 两个 矢量 的距 离 或 矢 量 的
高 了速 度 。
模 扳 匹配 方 洼 ， 设模 扳 叠 放 在 搜 索 图 Ｓ 平移 ．Ｊ 的取 ｉ ／ ＾＋ 。 在 口以 比较 和 的 内容 。 ｖ ， Ｉ现 一 ， 理想 状 况下 若 两者 完 争一 致 ． Ｔ和 的 差 为零 。 以 可 以用 下 面 的 则 所
Ｉ 引言
同 象 匹 配 是 研 究 在一 幅 罔 片 巾 是 雨 存 在 某 己 知 子 罔翻 基 准 图 一 致或 者在 若 十 幅 【 片 中找 出和 已知 摹准 图一 致 的图 片 。 墨 『 它 在 航 天 医疗 ‘ 军 领域 都有 蓐 要 的 意 义 。 传统 的图 象 匹 配 采
ｄｄ 、 ｕ）／ ： ∑∑Ｉ （ ）（ ） ｓ 一 Ｊ ＇ 。
∑ ∑ （ ，ｘ｛． ｒｎ 丁 ｎ） ）

图像匹配中的一种改进遗传算法

图像匹配中的一种改进遗传算法
生 物 的 自然选 择 和遗传 进 化机 制 ， 并充 分利 用 了进 化过 程 中 获得 的有 益信 息 指 导搜 索 和
计 算 。遗 传算 法具 有高 度 并行 、 局 搜 索 和 鲁 棒 性 强 等特 点 ， 在 优 化 和 自适 应 问题 方 全 其 面 表现 出来 的潜 能为人 们 解决 大 型 、 杂非 线性 系统 的优 化 提供 了可能 。通 过 对 图像 匹 复 配 问题 的数学 建模 ， 可以将 其抽 象 为 一 个 数 值 函数 的优 化 问题 （ 配 目标 函数 因 匹配 图 匹
高 图像 匹配速度 ， 满足 匹配 实时性要 求的新 的 匹配搜 索 策略 。 大量 实验 结 果 表 明 ， 于该 算法 的 图像 匹配具 有 匹配速 度快 、 基 匹配精度 高等优 点 。
关键词 ： 图像 匹配 ； 改进 遗传 算法 ； 自适 应遗传 算 法
１ 引 言
经典 的 图像 匹配算 法 是利用 匹配 图像之 间灰 度 或特 征 的相 关性 ， 过枚 举 计 算 来 完 通 成 匹配 。此类算 法 匹配 范 围大且 搜 索效 率低 ， 法满 足某 些 条 件下 对 图像 匹配 的实 时 性 无 要 求 。为此 ， 人们 使用 了各 种快 速 匹配算 法 ， Ｇｏｈｔｓ ｙ的两 阶段 相关 匹 配算 法 ， ｌ 如 ｓ ａｂ Ｖｅ— ｅｙ的分 层金 字塔 匹配算 法Ⅲ 和 各 种 直 角 坐标 极 坐 标 投 影 法等 。但 是 ， 随着 目标 图像 ｒ 伴
尺 寸 的增长 ， 配搜 索空 间也 急剧 扩大 ， 些方法 均 表现 出有较 大 的局限性 。 匹 这
遗 传算 法 （ ｎ ｔ ｇ ｒ ｈ 简称 ＧＡ） Ｇｅ ｅｉ Ａｌｏ ｉ ｍ， ｃ ｔ 是一 种 宏观 意 义 下 的进 化 计 算 方 法 。该 算 法 使用 群体 搜索 技术 ， 可行 解 集 合 的一 个 子 集 内进 行搜 索 操 作 ， 核 心 思想 是借 鉴 了 在 其

图像匹配算法研究

图像匹配算法研究

图像匹配算法研究一、概述随着数字化时代的深入发展，图像数据呈现出爆炸性增长，如何从海量的图像数据中高效、准确地找到目标图像成为了迫切需要解决的问题。

图像匹配算法研究作为计算机视觉领域的一个重要课题，其目标是找出不同图像中的相同或相似部分，从而建立图像之间的映射关系。

这一研究领域不仅对于图像检索、目标跟踪、场景识别等应用具有重要意义，而且对于推动计算机视觉技术的发展起到了关键作用。

图像匹配算法的基本原理可以概括为特征提取和特征匹配两个步骤。

特征提取是从图像中提取有意义的信息的过程，这些信息可以是图像中的边缘、角点、斑点等局部特征，也可以是图像的纹理、颜色、形状等全局特征。

特征提取的目的是将原始图像转化为一种更紧凑、更易于比较和处理的形式。

而特征匹配则是将提取出的特征进行比较和配对，以找出两幅图像中相似或相同的特征点，从而建立图像之间的对应关系。

在过去的几十年中，研究者们已经提出了许多图像匹配算法，这些算法可以分为基于灰度的图像匹配和基于特征的图像匹配两大类。

基于灰度的图像匹配方法主要利用图像的灰度信息来进行匹配，而基于特征的图像匹配方法则通过提取和比较图像中的特征来进行匹配。

尽管这些算法在一定程度上提高了匹配的精度和速度，但由于复杂的拍摄环境和不断提高的匹配精度和实时性要求，现有的算法仍然面临着许多挑战。

1. 图像匹配算法的定义与重要性图像匹配，又称图像配准或图像对齐，是计算机视觉领域中的一个核心问题。

它指的是在不同时间、不同视角、不同传感器或不同条件下获取的两幅或多幅图像之间，寻找并确定相同目标或特征间的对应关系的过程。

简言之，图像匹配就是要找出两幅图像中相同或相似部分的对应关系。

图像匹配算法的重要性体现在多个方面。

它是许多高级计算机视觉任务的基础，如目标跟踪、三维重建、图像融合、图像拼接等。

在这些任务中，通常需要先对图像进行匹配，以确定不同图像间的对应关系，进而进行后续处理。

图像匹配在遥感图像处理、医学影像分析、安全监控等领域也有着广泛应用。

SUFT算法与改进的Harris算法相结合的图像匹配方法

SUFT算法与改进的Harris算法相结合的图像匹配方法
Ｆ Ｔ算法与改进的Ｈａ ｒ ｒ ｉ ｓ 算法相结合的图像匹配方法
郭 鲁 魏 颖 （ 沈阳工学院， 辽宁 抚顺 １ １ ３ １ １ ２ ）
摘 要： 本 文提 出了改进 的 Ｈａ ｍｓ 算法与 ｓ ｕＦ Ｔ算法相 结合的图像 匹配方法 ， 用稳 定的 ｓ ｕＦ Ｔ算法检测提取尺度 空间极值 点作 为特 征候选点 ， 根据灰度 的“ 相似 度” 的原则进行 Ｈａ ｍｓ 特征提取 ， 实验 结果表明 ， 使 用改进后 的算法进 行遥感图像 配准能有效去除误配点 ， 使 候选点数量更 少， 特征点更稳定 ， 使 得 匹 配 的效 率更 高 ， 准确性更高。 关键词 ： Ｓ Ｉ Ｆ Ｔ； Ｈａ ｍｓ ； 图像 匹 配 图像 匹配是对从 同一区域不 同时间 、 不 同的观测角度 ， 得 到的 图像进行对准 的过程 。Ｓ Ｕ Ｆ Ｆ 算法用于遥感 图像配 准具 有更 好的鲁 棒性 和更 高的效率 。但 由于 图像通常包含较 多的重复特征 ， 进行 配 图 １ 图２ 准时容易产生误配 ， 导 致图像 匹配不精确 。 针对该 问题 ， 本文提出先 用稳定 的 ｓ ｕ Ｆ ｒ 算法 检测 提取尺度空 间极 值点作为特征候选 点 ， 再 ＼ ＼ 妊翦 ｝ Ｉ ・ ｜ Ｔ ‘ 。和 ￥ １ １ ￣ １ ｇ 改进 ｌ － ｌ ｍ － ｔ ｌ ｍ和 ＳＵＦ Ｔ 下一 步精确定位筛 选时结合 改进 的 Ｈ ａ ｒ ｒ ｉ ｓ 算法 ， 根 据灰度 的“ 相 似 匹 配 的 总 点 数 和 ６８ 度” 的原则进行 Ｈ ａ ｒ ｒ ｉ ｓ 特征提取 。 实验结果 表明 ， 该方法提高了特征 ８ ８３ ． ５ 误匹鼍点数 点提取速度和降低计算复杂度 ， 在保持 良好的匹配率 的同时 明显提 匹配睾 ８ ０ ． Ｓ ％ ８ ８９％ 高算法效率和匹配速度ｌ 】 １ 。 １ Ｓ ＵＦ Ｔ算法特征点的提取过 程 匹配总时间（ ｓ ） ． ６ ８ ５ ． ０ ６ Ｓ Ｕ Ｒ Ｆ是在 Ｓ Ｉ Ｆ Ｔ算法的基础上提 出的一种快速鲁 棒特征提取 图 ３ 的配准算法。Ｓ Ｕ Ｒ Ｆ算法不仅对于图像旋 转 、 平移 、 缩放 和噪声影响 １ ， △（ ｉ ＋ ｘ ， ｊ ＋ ｙ ） ≤ｔ 具有较好的鲁棒性 ，并在计算中引入 了积分 图像和箱式滤波 器 ， 使 ０ ， △（ ｉ ＋ ｘ ＋ ｙ ） ＞ ｔ 得配准时间得到较好的改善。 从定 义中可 以看 出 ： ０ ≤ｎ ｌ ｉ ｋ ｅ （ ｉ ， ｊ ） ≤８ ， 现 在 讨论 ｎ ｌ ｉ ｋ ｅ （ ｉ ． ｊ ） 值的 含 Ｓ Ｕ Ｒ Ｆ 算法 主要包括 三个 步骤 ： 兴趣点检测 、兴趣点描述及兴 义。 趣 点匹配。 （ １ ） ｎ ｌ ｉ ｋ ｅ （ ｉ ． ｊ ） ＝ ８ ， 表示 当前 中心像素点 的 ８邻域范围 内都是与之相 １ ． １基 于 Ｈ ｅ ｓ ｓ ｉ ａ ｎ矩 阵 的 兴趣 点 的检 测 及 定 位 似的像 素点， 排除此类像素点 。 Ｓ Ｕ Ｒ Ｆ的兴趣 点检测是基 于 Ｈ ｅ ｓ ｓ ｉ ａ ｎ矩 阵行 列式的局部最 大值 （ ２ ） ｎ ｌ ｉ ｋ ｅ （ ｉ ， ｊ ） ＝ ０ ， 表示 当前 中心像素点的 ８邻域范围 内没有与之相 定 位兴趣点位 置。 当Ｈ ｅ ｓ ｓ ｉ ａ ｎ矩阵行列式局部最大时 ， 所检测 出的 比 似的像素点 ， 排除此类像 素点 。 周围区域更亮或 更暗的一个小 区域 。 （ ３ ） ｎ ｌ ｉ ｋ ｅ （ ｉ ． ｊ ） ＝ ７ ， 可归结 为两 者情 况 ， 可能 的角 点是 中心像 素点的 对于图像 Ｉ 中某点 ｘ ＝ （ ｘ ， ｙ ） ， 在 ｘ点 的 尺度上 的 Ｈ ｅ ｓ ｓ ｉ ａ ｎ矩阵定 正上方的那个像素点 ，也可能是 中心像素点 右上方 的那 个像 素点 ， 义 ： Ｉ ｔ （ ｘ， ） Ｌ （ ｘ， 盯 ） ｌ 排除此类像素点 。 【 盯 ） ｝ ￡ ， （ ｘ ， ） Ｌ （ ｘ ， ） ｌ （ １ ） （ ４ ） ２ ≤ｎ ｌ ｉ ｋ ｅ （ ｉ ， Ｊ ） ≤６ ， 情况 比较 复杂， 根据若 目标 像素点为角点 ， 则 其 ｎ值应为 ３×３窗 口内最小 值但 反之不能确 定该点一定是 角点 ， 其Ｌ 中， ｋ（ ， ） 表示高斯二阶偏导在 ｘ处与图像 Ｉ 的卷积。 其他 情况下 目标像 素的 ｎ值与该窗 口内最小值相 等则保 留为候 选 ｋ（ ｘ ， 口 ）、 （ Ｘ， 具有相似的含义。 点， 不等则剔 除［ ２ １ 。 在每个 ３ ｘ ３ × ３的局部 区域里 ， 进行非最 大值 抑制 。 只有 比临近 ３图像 匹配 的２ ６个点的响应 值都 大的点才被选为兴趣点 。然后利用 ３ 维 ２次 在 经过上述选 定特征点 后 ， 就 要 开 始 进 行 特 征点 匹 配 ， 分 两 步 函数拟合方法对兴趣点精确定位 。 使兴趣点具有亚像素和亚尺度级 来实现匹配的精度 。 的精 度 。 在Ｓ Ｕ Ｒ Ｆ匹配中 ，本文以特征 向量之间 的欧 氏距离作为特征点 １ ． ２ 基 于 Ｈａ ｒ ｒ 小 波 响应 的 兴趣 点 的描 述 匹配 的相似度准则 。假设需要对图像 Ｉ 和Ｉ ： 图像进行 匹配 。Ｐ为图 对于Ｓ Ｕ Ｒ Ｆ兴趣点 的特征向量提取是在与主方向平行的 ， 以一 像Ｉ 中的特征点 ， 要计算 特征点 Ｐ在 Ｉ ： 图像 中的匹配点 ， 可以求出 个兴趣点为 中心的方形区域中进行 的。首先先确定一个 ２ ０ 的方形 图像 Ｉ 。 中与特征点 Ｐ欧 氏距离最近的前两个距离 ｄ 。 和ｄ 。 。当 ｄ 。 比 区域 ， 并 且需要旋 转该方形 区域使之与兴趣 点的主方 向平行 ， 目的 ｄ 小很多时 ， 说明ｄ ， 对应 的特征点是 匹配点 的概 率较大 ； 当ｄ 。 与ｄ ： 是保证提取到特征 向量具有旋转不变性 。 然后将这个方 形区域再均 相差 不大时 ， 没有合适 匹配点的概率较大 。 匀细 分成 ４ Ｘ４ 的子 区域 ， 在统 计的过程 中 ， 仍 用 以兴趣点 为 中心 ４实 验 结 果 分 析 的 高 斯 函数 进 行 赋 权 处 理 。如 此 每 个 子 区域 有 一 个 ４ 维 的描 述 子 实验 中用两幅图像 ， 分别用 Ｈ ａ ｒ ｒ ｉ ｓ 与Ｓ Ｉ Ｆ Ｔ相结 合的算法 对两幅 （ ∑ｄ ｘ ， ∑ ， ∑Ｉ ｄ ｘ ｌ ， ∑Ｉ ＋ １ ） ， 整个区域就有４ × ４ Ｘ ４ ＝ ６ ４ 维的 特征向 图像进行匹配和改进的 Ｈ ａ ｒ ｉ ｒ ｓ 与Ｓ Ｕ Ｆ Ｔ相结合 的算法对两幅图像进 量【 “ 。 行匹配相 比较 ， 其结果如图 １ 、 图 ２所示 。两种算法仿真的分析结 果 ２ 改进 的 Ｈ ａ ｒ ｒ ｉ ｓ 算法 如图 ３所示。 本文提出图像区域像 素的相似度的概念 ， 如果 邻域 内点的灰度 实验结 果表明 ， Ｓ Ｕ Ｆ Ｔ进 行 改 进 的 算 法 进 行 配 准 时 能 有 效 去 除 值与中心点 Ｉ ｍ ａ ｇ ｅ （ ｉ ， ｉ ）的灰度值之差的绝对值在一个阈值 ｔ 范围内 ， 误配点 ， 提高配准精度 。 大大提高 了特征点 提取速度 ； 在保持 良好 的 那就认为这个点 与中心点 是相似的 。本文选择 ３ ＊ ３的检测 窗 口， 计 匹配率的同时明显提高 了算法效率和匹配速度。 算该范 围的像 素点与 中心像 素点 的灰 度值之差 的绝对值 △，如果 参 考 文 献 该 值小 于等于设 定的 阈值 ｔ ，则认 为该像 素点与 目标 像素点 相似 。 【 １ ］ 石雅笋． 改进 的 ｓ ｕ Ｋ ｒ 算 法的 图像 配准算 法研 究【 Ｍ】 ． 大连： 大连理 在Ｉ ｍ ａ ｇ ｅ（ ｉ ， ｊ ） 点的 ｎ 邻 域全部被 遍历一个 过程后 ， 就能得到在 这个 ｚ － ￣ ｋ 学， ２ ０ ０ ８ ， ３ ２ （ １ ） ： １ ６ ３ — １ ６ ９ ． 邻 域范围内与中心点相似 的点个数 的统计值 ｎ ｌ ｉ ｋ ｅ （ ｉ ， Ｊ ）。 根据 ｎ ｌ ｉ ｋ ｅ （ ｉ ， ［ ２ １ － － ＊ － － 葳， 唐一 平， 任娟 莉． 一种 改进 的 Ｈ ａ ｒ ｒ ｉ ｓ角点提取 算法【 Ｊ ］ ． 光学精 ｊ ）的 大 小 ， 判 断 这 个 中心 点 是 否 可 能 为 角 点 。 密工 程 ， ２ ０ ０ ８ ． １ ６ （ １ ０ ） ： １ ９ ９ ５ — ２ ０ ０ １ ． ｎ ｌ ｉ ｋ ｅ （ ｉ ， ｊ ） ＝ ｓ ｕ ｍ （ Ｒ （ ｉ ＋ ｘ ， ｊ ＋ ｙ ） ） （ ２ ） ｆ ３ 】 邱建 国， 张建 国， 李凯． 基 于 Ｈａ ｒ ｉ ｒ ｓ 与ｓ ｉ ｔ的图像 匹配方法［ ｆ Ｊ １ ． 测试技 （ 一 １ ≤ｘ ≤１ ， － １ ≤ｙ ≤１ ， 且Ｘ ≠０ ， ｙ ≠ｏ ） ， 术 学报 ， ２ ０ ０ ９ ， ２ ３ （ ３ ） ： ２ ７ １ — ２ ７ ４ ． 其 中：

基于灰度的图像匹配研究

基于灰度的图像匹配研究

基于灰度的图像匹配研究李涛（P1*******）摘要：众所周知，可以说视觉对环境的感知效率是很高的，人类对外部世界的感知80%是由视觉完成的。

我们所介绍的计算机视觉，用通俗的话说就是一门研究如何让机器来“看”的科学。

具体说来，就是用计算机和摄像头来代替人眼的功能，实现对目标的识别、测量或者是跟踪并且相应的做出图像处理，甚至能够最终做出对目标的判断或者做出反应。

当然，计算机视觉和其它的技术一样，经历了长期的发展过程。

而是在近数十年计算机技术突飞猛进的背景下，它才真正得到关注和发展。

图像匹配是计算机视觉和图像处理领域中一项非常重要且难度很高的工作。

它主要用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。

图像匹配是多种图像处理及应用的基础，匹配的效果直接影响到其后续图像的处理工作。

正因为其应用的广泛性，需求的增多，大大推动了图像匹配技术的研究向前发展。

但同时，我们也要认识到图像匹配也是一个难点问题。

因此，对现有的图像匹配算法展开分析对于实际工程提高图像处理质量和识别精度具有非常重要的意义。

本文作为一篇综述性的文章，我们主要向大家介绍图像匹配问题的由来，其中包含的主要内容，以及该问题所包含的主要技术和算法。

关键字：图像匹配；灰度；特征；算法。

The Research of Image Matching Based On The GrayLi TaoAbstract:As we all know, we can say the efficiency of visual perceiving the environment is very high, 80% of the human perceiving outside world is completed by the visual. The so called computer vision, is a kind of science that about how to make machines to "see" in simple words. Specifically, is using computers and cameras to replace the function of the human eyes, to achieve the target recognition, measurement or make a track and the corresponding image processing, and even be able to make the final judgment on the target. Of course, computer vision has been gone through a long process of development. And it really gets attention in recent decades occurred in the context of rapid development of computer technology.Image matching is a very important and hard job in computer vision and image processing field. It mainly used in a kind of situation that we obtain two or more images to match in different times, different sensors, different perspectives and different shooting conditions. Image matching is the base of a variety of image processing and application, result of the matching directly impact on the effectiveness of subsequent image processing. Because of the large of its extensive application, demand for many new applications and newrequirements to vigorously promote the image matching technology research steps forward. At the same time, we have to recognize that image matching is not only a hot issue, but also a difficult problem. Therefore, the existing image matching algorithm to analyze the actual construction improving the quality and accuracy of identification of the image processing has a very important significance. As a review of the field, we mainly to introduce the origin of the image matching problem, which contains the main content, and the problem consists primarily of techniques and algorithms.Key words: Image Matching; Gray; features; algorithm1绪论计算机视觉通过对图像的数字感知和理解来模拟人类视觉，通过由三维世界所感知到的二维图像来研究并提取出三维景物的物理结构。

基于改进SIFT算法在图像匹配中的研究

基于改进SIFT算法在图像匹配中的研究

基于改进SIFT算法在图像匹配中的研究彭兴璇;唐雪娇;董星【摘要】对于边界显著的图像，用二值图像代替灰度图像进行 SIFT 特征匹配，节约了运行时间。

同时在 SIFT 算法中用128维的特征描述子进行特征描述影响了算法的实时性，用欧氏距离进行匹配对算法的准确性有一定的影响。

提出了一种改进SIFT 算法，用64维的特征描述子以及加权的欧式距离进行匹配。

实验结果表明，所提出的改进方法在提高准确率的同时还减少了运行时间。

%Aiming at the images of salient boundary, this paper uses threshold images instead of gray ones to reduce the processing time. And 128-dimensional feature vector takes too much time to match. The computation of Euclidean distance reduces the efficiency of the algorithm. This paper proposes an improved SIFT algorithm. The improved algorithm uses 64-dimensional feature descriptor and the weighted Euclidean distance. Experimental results prove that the improved algorithm has higher matching accuracy and needs less matching time.【期刊名称】《微型机与应用》【年(卷),期】2015(000)020【总页数】3页(P36-38)【关键词】SIFT 算法;二值图像;特征描述子;加权欧式距离【作者】彭兴璇;唐雪娇;董星【作者单位】辽宁师范大学数学学院，辽宁大连 116029;辽宁师范大学数学学院，辽宁大连 116029;辽宁师范大学数学学院，辽宁大连 116029【正文语种】中文【中图分类】TP391图像匹配是将两幅或多幅在不同条件下拍摄的图像进行相互匹配。

改进的归一互相关法的灰度图像模板匹配方法

改进的归一互相关法的灰度图像模板匹配方法
２ Ｓ ｈ ｏ ｆ Ｔｈ ｎ ｓ Ｅ ｇ ｎ ｅ ｉ ｇ， ｉｎ ｎ ｎ Ｕｎ ｖ ｒ ｉ Ｗ ｕ ｉ Ｊａ ｇ ｕ ２ ４ ２ Ｃｈ ｎ ．ｃ ｏ ｌｏ ｉｇ ｎ ｉｅ ｒ ｎ Ｊａ ｇ ａ ｉ ｅ ｓｔ ｙ， ｘ ， ｉｎ ｓ １ １ ２， ｉ ａ
ＣＨＥＮ Ｌｉ ｎ ， Ｕ ａ ＸＵ ｅ ｂ ．ｍｐ ｏ ｅ ｎ ｒ ａｉ ｅ ｃ ｒ ｅａ ｉ ｎ ｍ ｅ ｈ ｄ ｏ ｒ ｙ ｉ ａ ｅ ｔ ｍ ｐ ａ ｅ ｆ ｇ ＬＩ Ｙｕ ｎ， ａ Ｗ ｎ ｏＩ ｒ ｖ ｄ ｏ ｍ ｌ ｄ ｏ ｒ ｌｔ ｚ ｏ ｔ ｏ ｆ ｇ ａ ｍ ｇ ｅ ｌ ｔ ｍａ ｃ ｉ ｇ ｍ ｅ ｈ ｄ ｔｈ ｎ ｔ ｏ ．
ａ ｄ ｔ ｅ ａ ｕ ｔ ｆ ｄ ｔ ｍ ｎ ｔ ｉ ｅｈ ｄ ａ ｅ ｏ ｌｒ ｅＳ ｉ ａ ｎ ｔ ｂ ａ ｐ ｉ ｄ ｉ ｅ ｌ ｔ ｓ ｓｅ ． ｉ ｐ ｐ ｒ ｐ ｏ ｏ ｅ ｎ ｈ ｍｏ ｎ ｓ ｏ ａｕ ｉ ｈ ｓ ｍ ｔ ｏ ｒ ｔ ｏ ａ ｇ ． ｏ ｔ ｎ ｏ ｅ ｐ ｌ ｎ ｒ ａ ｉ ｃ ｅ ｍｅ ｙ ｔ ｍｓ Ｔｈ ｓ ａ ｅ ｒ ｐ ｓ ｓ ａ
关键词 ： 灰度 图像 ； 模板 匹配； 归一化 互相 关法； 索方法 搜 ＤＯ ：０ ７ ８ ．ｓ ． ０ —３ １ ０ １ ６０ ０ 文章编 号：０ ２８ ３ （０ １２ ．１ １０ 文献标识码 ： １ １ ． ／ｉ ｎ１ ２８ ３ ． １． ． ３ ７ｊｓ ０ ２ ２ ５ １０ ．３ １ ２ １） ６０ ８ ．３ Ａ 中图分类号 ： Ｐ ９ Ｔ ３１
ｈｇ ｄｐａｌ，ｔ ｎ ｎｉａ ｍｉｇ ｌ ｌ ａｆｃｉ ｆｎ ｉ ｎ ｏ ｆｌ ｔｈＢ ｔｔｅ ｃｌ ｌ ｉｎ ｏ ｈ ｔｏ ｓｃ ｍ ｌｘ ｉｈ ａ ａｔｂｅ ｓ ｏ ｇ ａｔｊｍ ｎ ，￣ｅ ｆ ｔ ｎ ｏ ｏｓ ａｄ ｎ ａ ｅｍａ ．ｕ ｈ ａｃ ａ ｏ ｆｔｅ ｍｅ ｄ ｉ ｏ ｐｅ ｒ － ｉ ｅ ｏ ｅ ｓ ｃ ｕｔ ｈ

基于SIFT算法改进的图像匹配算法研究与设计

基于SIFT算法改进的图像匹配算法研究与设计

基于SIFT算法改进的图像匹配算法研究与设计胡亨伍【摘要】图像匹配是指将2个不同场景的目标或者背景进行匹配的一个过程,是实现复杂的智能图像处理的基础,图像匹配算法的准确性及效率直接关系到整个图像处理系统的性能.特征点提取作为图像匹配的一个关键,是实现图像精准快速匹配的前提,本文以目前应用最为广泛的,鲁棒性最好的SIFT特征点提取算法为基础,对其进行了改进,结合Harris算法有效地降低了图像匹配过程中的特征点提取时间,通过实验验证,该方法可以有效地提升图像匹配的准确性和效率.【期刊名称】《智能计算机与应用》【年(卷),期】2016(006)003【总页数】4页(P113-116)【关键词】SIFT;图像匹配;特征点提取;图像处理【作者】胡亨伍【作者单位】广东医科大学信息工程学院,广东东莞523808【正文语种】中文【中图分类】TP391图像匹配作为实现复杂的图像处理和视频处理的前提，是未来机器视觉处理技术发展的基础，在智能视频监控、机器人视觉、医疗手术、遥感测绘等领域有着非常广泛的应用，如何提高图像匹配速度和准确性将直接关系到整个机器视觉处理系统的效率和性能［1-3］。

目前，常用的图像匹配算法可以分为基于区域的图像匹配算法和基于特征点的图像匹配算法，其中基于区域的图像匹配算法由于计算复杂、效率低，往往不具备实用性［4］。

而相对于区域匹配算法，基于特征点的图像匹配算法在处理过程中只需要对图像中的特征点进行处理和分析，因此极大地降低了图像匹配过程中的处理时间，计算时间复杂度极低，并且具有较高的匹配精度和可靠性，成为了目前应用最为广泛的图像匹配算法［5］。

在基于特征点的图像匹配处理过程中，通常包括特征点检测、特征匹配、变换模型估计和图像重采样及变换等功能操作。

具体地，特征点检测和匹配即是整个基于特征点的图像匹配的关键，而且又是图像匹配技术的应用前提，同时也已然成为当今图像处理技术领域的研究热点之一［6］。

基于灰度相关的图像匹配算法的改进

基于灰度相关的图像匹配算法的改进
ｉ ｐｒ ｖｅ ｔ ｌｍ ｉ ａ ｅ ｔ ｅ ｄｉａ ｖ ｎｔ ｇｅ ｏｗ ａ ｃ ｎ ｃ ｕｒ ｃ ｎ ｌ ｗ ａ ｃ ｉ ｖ ｌ ｃｔ ｍ ｏ ｄ ｏ ｅ ｉ ｎ ｔ ｈ ｓ ｄ ａ ａ ｓ ｏｆｌ ｍ ｔ ｈｉ ｇ ａ ｃ ａ ｙ ａ ｄ ｓ ｏ ｍ ｔ ｈ ｎｇ ｅ ｏ ｉｙ ｅ ｉ ｔｎｇ ｉ ｈｅ ｉ ａ ａ ｃ ｎ ｌ ｏｒｔ ｘ ｓ ｉ ｎ ｔ ｍ ｇｅ ｍ ｔ ｈｉ ｇ ａ ｇ ｉｈｍ ｓ ｎｏ ａ ｙ ． ｎ ｔ ｅ ｉ ｐｒ ｖ ｄ ｍ ｉ ｉ ｕ ｒ ｏ ｌ ｒｔ ｗ ｄａ ｓ Ｉ ｈ ｍ ｏ ｅ ｎ ｍ ｍ ｅ ｒ ｒａ ｇｏ ｉｈｍ ，
ａｎ ｗ Ｌ ｄ ｓａ ｃ ｔ ｏ ｄ ｐ ｅ ｎ ｈ ｅ ｈ ｌ ｙ ａ ｃａ ｊｓ ｍｅ ｔｍｅ ｈ ｄ ｉ ｐ ｏ ｏ ｅ ｏ ｅ Ｍ ｉｔ ｎ ｅｍｅｈ ｄ ｉ ａ ｏ ｔｄａ ｄａｔ ｒ ｓ ｏｄ ｄ ｎ ｍｉ ｄ ｕ ｔ ｎ ｔ ｏ ｓ ｒ ｐ ｓ ｄ ｔ ｓ
维普资讯
第 ２ 卷 第 ５期 ８ ２０ 年 ９ ０７ 月
文 章 编 号 ： ０ ２ ２ ８ （ ０ ７ ０ — ５ ６ ０ １ ０ — ０ ２ ２ ０ ） ５０来自３ — ５应用
光
学
Ｖｏ１ ２８ Ｎ ｏ． ． ５ Ｓｅ ｐ． ２ ００７
Ｊ ｕ ｎ ｌｏ ｐｉｄ Ｏｐｉｓ ｏ ｒ ａ ｆＡｐ ｌ ｔｃ ｅ
ａ ｓ ｒ ｈ ｔ ｈ ｎｇ ａ ｃ ａ ｙ ａ ｄ ｔ ｖ ｄ ｔ ｅ ｉ ｌ ｎ ｅ ｏｆｌ ｃ ｌｎｏ ｓ ｓ Ａｓ ｆ ｒ ｔ ｏｒ ｅａ ｉ ｎ ｓ ｕ ｅ ｔ ｅ ｍａ ｃ ｉ ｃ ｕｒ ｃ ｎ ｏ ａ ｏｉ ｈ ｎｆｕｅ ｃ ｏ ａ ｉｅ ． ｏ ｈｅ ｃ ｒ ｌｔｏ ｃ ｅ ｆｃｅ ａ ｇ ｒｔ ｏ ｆｉ ｉｎｔ ｌ ｏ ｉｈｍ ， ｔ ｅ ｐｒ ｓ ｉ ｎ ｆ ｏｒ ｅ ａ ｉ ｎ ｏｅ ｆｃ ｅ ｉ ｓｍｐｌｆｅ ａ ｄ ｈｒ ｅ ｓ ｅ ｈｅ ｘ ｅ ｓ ｏ ｏ ｃ ｒ ｌ ｔｏ ｃ ｆｉｉｎｔ ｓ ｉ ｉｉｄ ｎ ｔ ｅ — ｔ ｐ

基于灰度相关图像拼接的改进算法

基于灰度相关图像拼接的改进算法

基于灰度相关图像拼接的改进算法
胡社教;涂桂林;江萍
【期刊名称】《合肥工业大学学报（自然科学版）》
【年(卷),期】2008(031)006
【摘要】结合灰度相关与区域特征,文章提出了一种基于灰度相关图像拼接的改进算法.为减少匹配块的计算量,首先在选取的特征块上计算灰度平均值和每个像素与平均值的差值,然后选取一定的阈值来减小图像的搜索范围,最后利用灰度相关法匹配待拼接两幅图像.实验表明,该方法具有原理简单、速度增快和鲁棒性好的特点.【总页数】3页(P863-865)
【作者】胡社教;涂桂林;江萍
【作者单位】合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,电气与自动化工程学院,安徽,合肥,230009
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于灰度相关改进算法的图像拼接 [J], 何攀利;范铁生
2.基于灰度相关和区域特征的图像拼接算法 [J], 田伟峰;陈贝;刘茜
3.基于相位相关法与改进SURF算法的图像拼接方法 [J], 刘鹏飞; 高如新
4.基于相位相关法与改进SURF算法的图像拼接方法 [J], 刘鹏飞;高如新
5.基于灰度相关特征点的图像拼接算法 [J], 严格
因版权原因，仅展示原文概要，查看原文内容请购买。

基于灰度相关的图像匹配算法的改进

基于灰度相关的图像匹配算法的改进

基于灰度相关的图像匹配算法的改进刘莹;曹剑中;许朝晖;田雁;付同堂;王锋【期刊名称】《应用光学》【年(卷),期】2007(28)5【摘要】针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点,对基于灰度相关的2类匹配算法--最小误差法和相关系数法进行了改进.最小误差法采用新的ML距离法,提出动态调整阈值的方法,既保证了匹配精度,又避免了局部噪声的影响;相关系数法对相关系数的计算公式进行了简化,并采用三步搜索策略进行匹配,以达到减少计算量和搜索位置的目的.实验证明:改进后的算法,在保证一定匹配精度的条件下,匹配速度大大提高,能够满足实际应用中的实时性要求.【总页数】5页(P536-540)【作者】刘莹;曹剑中;许朝晖;田雁;付同堂;王锋【作者单位】中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,研究生院,北京,100039;中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,研究生院,北京,100039;中国科学院,西安光学精密机械研究所,陕西,西安,710068;中国科学院,研究生院,北京,100039【正文语种】中文【中图分类】TN911.73-32【相关文献】1.灰度相关图像匹配算法噪声适应性仿真 [J], 祝明波;张东兴;范照盛;景涛2.结合分形特征及灰度相关的快速样本图像匹配算法 [J], 高峰;文贡坚;卢焕章3.一种改进的基于灰度投影的图像匹配算法 [J], 高晓峰;史朝辉4.基于粒子群算法的灰度相关图像匹配技术 [J], 王维真;熊义军;魏开平;何文雅5.基于改进相位相关算法的图像匹配 [J], 衣家欣;王金鹤因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

以 上 近 似 计 算 !相 关 系 数 的 计 算 量 大 大 减 少 了 -
相关系数匹配法的正确匹配位置位于最大相
关 系数值 的 地 方!如 果 在 基 准 图 中 逐 点 计 算!将 会 耗 费 大 量 的 时 间 !因 此 本 文 采 用 由 粗 到 细 的 搜 索 策 略!通 过 三 步 搜 索 法 以 减 少 搜 索 位 置 的 数 目/01!从 而 减 少 总 的 计 算 量 -第 一 步 !选 择 初 始 步 长 !对 图 像 进 行 粗匹 配!确 定 最 大 相 关 值 可 能 位 于 的 区 域!这 里 搜 索 步 长 为 2!这 样 可 使 运 算 量 减 少 为 原 来 的 (3(45第 二 步 !步 长 减 为 原 来 的 一 半 !图 像 中 心 移 到 第 一步得 到 的 最 大 相 关 点 处5最 后!以 第 二 步 得 到 的 最 大 相 关 点 为 中 心!计 算 其 十 字 方 向 上 的 2个 点 !比 较 相 关 系 数 值 的 大 小 !找 到 最 大 相 关 值 !从 而 得到最后的匹配点-其搜索收敛过程如图 (所示-
图 )上平移!在每个位置上求模板与模板覆盖下的
子图 )*!+的绝对差&
13
0 0 ,-*!+./
5)*!+-2!4.6 (-2!4.5
2/ % 4/ %
模板大小为 1 7 3!,-*!+.为最小值时即为匹配
位置"
优 点 &算 法 简 单 !计 算 速 度 快 !在 简 单 背 景 下 能
获得较好的匹配"
缺 点 &该 算 法 中 图 像 的 每 一 点 对 匹 配 结 果 做 出
同样的贡 献!因 此 算 法 性 能 易 受 个 别 点 噪 声#局 部
遮挡的影 响!可 靠 性 低!不 适 用 于 图 像 灰 度 范 围 窄
的场合"
相关系数法的思想是!将实时图 8在基准图 9
上 滑 动 !计 算 每 一 位 置 上 的 相 关 系 数 &
:-;!<./
13
0 0 -9+>;!=><6 9.-8+!=6 8?.
+/ % =/ %
13
13
@00 @00 -9+>;!=><6 9.$ +/ % =/ %
-8+!=6 8?.$
+/ % =/ %
式中&
13
0 0 9/
% 13
+/
%
=/
9+!=
%
13
0 0 8?/
% 13
+/
%
=/
8+!=
%
相 关系数满足 5:-;!<.5A %!在B6 %!%C绝对尺度
% 相关匹配算法
在 实 际 目 标 跟 踪 系 统 中 !常 用 的 相 关 匹 配 算 法
有 $类&一 类 强 调 景 物 之 间 的 差 别 程 度!即 最 小 误
差 法’另一 类 强 调 景 物 之 间 的 相 似 程 度!又 可 分 成
相关系数法和积相关匹配法"
最 小 误 差 法 的 思 想 是!将 模 板 图 像 ( 在 搜 索
特 征 匹 配 !一 般 匹 配 速 度 较 快 !但 匹 配 精 度 不 高 " 由 于 受 噪 声#目 标 运 动 以 及 成 像 设 备 的 限 制!
使得 所 匹 配 的 $幅 图 像 存 在 一 定 的 灰 度 失 真 和 几 何 形 变!所 以 研 究 具 有 良 好 的 抗 噪 声 能 力#抗 几 何 形 变 能 力 以 及 匹 配 正 确 率 高 #速 度 快 的 匹 配 算 法 成 为 目 前 的 一 个 重 要 课 题 "本 文 对 基 于 灰 度 相 关 的 匹 配 算 法 进 行 了 研 究 !在 传 统 图 像 匹 配 算 法 最 小 误 差 法 和 最 大 相 关 系 数 法 的 基 础 上 !提 出 了 改 进 的 匹 配 算 法 " 实 验 结 果 表 明 !在 保 证 一 定 匹 配 精 度 的 条 件 下 !算 法 在 匹 配 速 度 方 面 有 很 大 的 改 善 "
点的灰 度 绝 对 差"若 小 于 某 一 门 限 (!认 为 $点 相
似 !统 计 整 幅 图 像 中 像 素 绝 对 差 小 于 门 限 的 像 素 数
目 !即 相 似 程 度 !其 定 义 如 下 &
13
0 0 S-*!+./
:-(-2!4.!)*!+-2!4..
24
式中&
Y :-(-2!4.!)*!+-2!4../
%! TUV-(-2!4.6 )*!+-2!4..W (
X!
其他
与传统最小误差法的不同之处在于这里计算
的是 $图像中相似点的个数!而非图像中所有像素 灰度绝对差的和"对于门限 (!其值越小!匹配精度 越 高 !但 易 受 噪 声 的 影 响 ’其 值 越 大 !提 取 目 标 的 形 状 越 完 整 !但 匹 配 精 度 下 降 "对 于 低 对 比 度 图 像 !阈 值 (应该小一些’对于强对比度的图像!阈值 (应 该 大 一 些 "正 常 情 况 下 !模 板 在 与 图 像 正 确 匹 配 时 ! 相似像素点数在 XDZ[E\] XD^RE\之间!若小 于 XD^RE\可适当增大阈值!若大于 XDZ[E\则 (应小 一 些"这 样 就 避 免 了 局 部 噪 声 的 影 响!又 保 证 了 匹 配 精 度 !使 得 算 法 具 有 较 强 的 抗 干 扰 能 力 和 稳定性" $D$ 基于相关系数法的改进
缺 点 &计 算 量 很 大 !匹 配 速 度 慢 "
$ 相关匹配算法的改进
$D% 基于最小误差法的改进
对 于 最 小 误 差 法 !提 出 一 种 新 的 相 似 性 度 量 方
法&EF-GHIJGKG LJMNLJOPPQ.距离BRC!对其阈值 (
采 取 动 态 调 整 的 方 法 !即 比 较 基 准 图 和 实 时 图 对 应
文献标志码!7
89:;<=>9>?@<AB9CD>9C@EFB?DCGD<;B@F9 HCI>J<?D;CKE<;;>GC@B<?
4LM NOPQ"-$-R7S TOUP%VWXPQ"-YM ZWUX%W[O"-5L76 NUP"\M 5XPQ%]UPQ"-$-^76_ \‘PQ"-$
’".YOaUPLPb]O][]‘XcSd]OebUPfgh‘eObOXP3‘eWUPOeb-R7i-YOaUP("##,&-RWOPU/ $._hUf[U]‘ieWXXjXcRWOP‘b‘7eUf‘klXcieO‘Pe‘b-m‘OnOPQ"###+0-RWOPU)
’".中国科学院 西安光学精密机械研究所-陕西 西安 ("##,&/$.中国科学院 研究生院-北京 "###+0)
摘 要!针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点-对基于灰度相关的
$类匹配算法 11 最小误差法和相关系数法进行了改进2最小误差法采用新的34距离法-提出动
态 调 整 阈 值 的 方 法 -既 保 证 了 匹 配 精 度 -又 避 免 了 局 部 噪 声 的 影 响 /相 关 系 数 法 对 相 关 系 数 的 计 算
引言
图像匹配技术是计算机视觉和图像信息处理 领 域中的 一 个 基 本 问 题-并 在 卫 星 遥 感w空 间 飞 行 器 的自动 导 航w光 学 和 雷 达 的 目 标 跟 踪 与 识 别w自 然资源分析及医学图像处理等许多领域中得到了 广泛的应用2图像匹配 是 x"y 根据已知的图像 ’模板 图 )在 另 一 幅 图 像 ’搜 索 图 )中 寻 找 相 应 或 相 近 模 板
范 围 之 间 衡 量 二 者 的 相 似 性 "通 过 比 较 参 考 图 像 和
输 入 图 像 在 各 个 位 置 的 相 关 系 数 !得 到 相 关 值 最 大
的 点 !即 最 佳 匹 配 位 置 "
优 点&该方法 的精 确度很 高!具有 较强 的 局 部 抗干 扰 能 力!并 且 当 相 对 的 旋 转 和 畸 变 差 异 不 大 时 !也 能 够 得 到 满 意 的 匹 配 "
收稿日期!$##,%#0%"$/ 修回日期!$##,%"$%+# 作 者 简 介 !刘莹’"0&${ )-女-西安人-硕士研究生-主要从事图像处理及图像跟踪的研究2 |%kUOj!plXPfhUOPpXqXX[!$^-R. 刘 莹!等&基于灰度相关的图像匹配算法的改进
‘ Ra[‘
任何一种匹配算法的总计算量都是采用的相
关 算 法 计 算 量 与 搜 索 位 置 数 值 积 B_C!即
总计算量 / 相关算法计算量 7 搜索位置数
因此!为 了 减 少 总 的 计 算 量!可 以 一 方 面 设 法 减 少
相 关 度 量 的 计 算 量 !另 一 方 面 在 不 影 响 匹 配 精 度 条
oHI@;CE@! _hUleXhh‘jU]OXP pUb‘fkOPOk[k ‘hhXhUPfeXhh‘jU]OXP eX‘ccOeO‘P]UjQXhO]Wkbq‘h‘ OkdhXr‘f]X‘jOkOPU]‘]W‘fObUfrUP]UQ‘bXcjXq kU]eWOPQUee[hUelUPfbjXq kU]eWOPQr‘jXeO]l ‘sOb]OPQOP]W‘OkUQ‘kU]eWOPQUjQXhO]WkbPXqUfUlb.LP]W‘OkdhXr‘fkOPOk[k ‘hhXhUjQXhO]WkUP‘q 34fOb]UPe‘k‘]WXfObUfXd]‘fUPfU]Wh‘bWXjfflPUkOeUfn[b]k‘P]k‘]WXfObdhXdXb‘f]X Ubb[h‘]W‘kU]eWOPQUee[hUelUPf]XUrXOf]W‘OPcj[‘Pe‘XcjXeUjPXOb‘b.7bcXh]W‘eXhh‘jU]OXP eX‘ccOeO‘P]UjQXhO]Wk- ]W‘ ‘sdh‘bbOXP XceXhh‘jU]OXP eX‘ccOeO‘P]Ob bOkdjOcO‘f UPf ]Wh‘‘%b]‘d b‘UheWOPQqUlOb[b‘f]Xh‘f[e‘]W‘eXkd‘sO]lXc]W‘eUje[jU]OXPUPf]XUeWO‘r‘]W‘QXUjXc]W‘ dXbO]OXPUet[ObO]OXP.5W‘‘sd‘hOk‘P]bWXqb]WU]]W‘OkdhXr‘fUjQXhO]WkbQh‘U]jlOPeh‘Ub‘]W‘ kU]eWOPQr‘jXeO]lqO]WX[]]W‘jXbbXckU]eWOPQUee[hUel-UPfk‘‘]]W‘h‘t[Oh‘k‘P]Xch‘Uj%]Ok‘ OkUQ‘kU]eWOPQblb]‘k. u>Kv<;JI!eXhh‘jU]OXPkU]eWOPQ/eXhh‘jU]OXPeX‘ccOeO‘P]/kU]eWOPQUee[hUel/kU]eWOPQr‘jXeO]l