高斯模糊图像匹配算法研究

发布时间：2021-03-21 07:45

　　随着计算机视觉技术的飞速发展,图像匹配在工业、医疗和安防等领域发挥了重要作用。在实际匹配应用中,图像不可避免存在模糊降质的问题,比如高斯模糊,所以模糊图像匹配具有广泛应用需求和重要研究意义。本文研究高斯模糊图像匹配算法,给定模糊实时图像和清晰参考图像,求解实时图像在参考图像中的匹配位置。针对高斯模糊图像匹配,此前性能最好的方法是基于加权稀疏表达先验的联合模糊图像复原和匹配算法,简称JRM-DSR算法。该算法使用图像复原和匹配结合的目标函数,让复原和匹配在求解过程中相互帮助。该算法可以改善匹配结果,但是依旧存在诸多不足。针对JRM-DSR算法中图像模糊影响匹配准确率、计算超高维度像素向量的稀疏表达影响算法速度等问题,本文提出了一种基于模糊不变量的联合模糊图像复原和匹配算法,简称JRM-BI算法。该算法提取图像Pseudo-Zernike模糊不变量,提出基于模糊不变量空间稀疏表达先验的算法模型,采用交替最小化优化方法同时求解图像复原和匹配,得到匹配位置和清晰实时图像。模糊不变量可以减轻图像模糊干扰,维度更低。实验结果和分析表明,JRM-BI算法相比JRM-DSR算法匹配准确率更高,复原实时... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：95 页

【学位级别】：硕士

【部分图文】：

JRM-BI算法实例图

JRM-BI算法实例中图像匹配准确率和置信度折线图

图 2-6 JRM-BI 算法实例中复原实时图像的 PSNR 值和 SSIM 值折线图糊不变量有效性结果与分析M-BI 算法主要思想是引入模糊不变量和模糊不变量空间的稀疏表达实验来分析其有效性。本实验主要对比两个算法：1）基于像素空间稀图像匹配方法[27]（SRM-PIXEL），计算模糊实时图像基于图像字典的疏系数最大分量对应图像块在参考图像上的位置作为匹配结果；-Zernike 模糊不变量空间稀疏表达先验的图像匹配方法（SRM-PZM）时图像的模糊不变量基于模糊不变量字典的稀疏系数，稀疏系数最大块在参考图像上的位置作为匹配结果。这两个算法相当于 JRMI 算法初始化步骤，没有交替迭代求解过程，所以可以排除干扰进行验中，改变高斯模糊标准差，实时图像大小为 50*50，SRM-PIXEL 算维度为 2500，SRM-PZM 算法中模糊不变量维度为 50。

【参考文献】：
期刊论文
[1]基于全局和局部特征融合的图像匹配算法研究[J]. 朱奇光,张朋珍,李昊立,詹贤娇,陈颖.  仪器仪表学报. 2016(01)



本文编号：3092493