基于特征点匹配算法研究及其在全景图像拼接中的应用

发布时间：2021-06-16 09:42

　　图像匹配技术是许多计算机视觉应用中的一项基础而关键的技术,其目的是从空间上对齐不同时间、不同视点或不同传感器获取的同一场景的两幅或多幅图像。图像匹配是三维重建、变化监测、视频跟踪、图像融合等众多应用中的核心前提,是计算机视觉领域研究的重点。因此,设计一种快速、鲁棒且能达到工业对效率与精度需求的图像匹配算法,具有重要的价值意义。首先,针对传统基于特征的图像配算法对错误特征匹配容错率不高的问题,本文提出了一种基于高斯场准则的鲁棒特征匹配方法（Gaussian Field Criterion,GFC）,使得场景存在复杂非刚性变换时仍能获得高精度特征匹配结果。算法基于现有的尺度不变特征变换算法构建初始特征匹配,然后专注于剔除其中的未知错误匹配。具体来说,本文将误匹配剔除转化为图像变换回归拟合问题,设计一种高斯场准则实现存在错误样本下的鲁棒估计,进而实现误匹配精准剔除。该准则既可处理线性又可处理非线性图像变换。在线性情形下,使用单应性矩阵来对变换进行建模;在非线性情况下,采用位于再生核Hilbert空间中的非刚性函数建模,同时设计相应的正则化项并添加到目标函数中以确保其良好的泛化能力。此外,将稀... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２．１ＳＩＦＴ关键点描述子的计算??使用一个高斯权值函数对每个采样点的幅度分配一个权值，该函数的＾等于??

？士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??其中ｄ〇ｃ，＿ｙ；）是一种距离，例如欧氏距离。公式（３．３）是一个很难求得最优解的??组合优化问题。放弃使用不连续的指标函数我们考虑公式（３．２）中的高斯场??设计下面的高斯场准则：??Ｇ（ｆ）?＝?－｜＞??－＝＞?（３．４）??现在我们来讨论高斯场准则（３．３）的鲁棒性。一方面，可以通过将标准差参??数＾调整到噪声方差来解释噪声对点的位置的影响。另一方面，高斯距离本质上??对离群点是鲁棒的，我们可以通过图１中的１２距离惩罚曲线和高斯距离惩罚曲线??看出这一点。特别的，乙损失Ｚ３（ｆ）?＝?Ｘ二，（ｆ（ｘ，），ｙ，）有二次惩罚曲线：??＿ｎ??

高斯距离相对于旋转角度的曲线。最初的测试数据中只含有１００个内点，我们每次增加２０??个离群点直到１００个离群点??我们通过图３．２中的实验进一步给出高斯场准则的鲁棒性的证明。两个点集??通过旋转变换相关联，我们需要找出最佳的旋转角度０。从结果中我们可以知道??当数据样本没有离群点的影响时矣损失可以很好的求出正确结果，然而，随着离??群点的增加它求出的全局最优解偏差越来越大。作为对照，高斯场准则可以一直??做出好的预测甚至在离群点多达一半时仍能求出全局最优解在沒＝＾／４附近。??为了求解公式（３．４）中的高斯场准则，我们需要对变换函数ｆ进行建模。从??公式（３．４）中可以看出高斯场准则是普适性的，不依靠任何特殊的变换模型。接??下来我们分别使用单应性和非刚性模型对线性和非线性匹配进行建模。??３．２．３线性变换模型求解??对于由线性变换模型相关联的图像对，我们考虑以３ｘ３单应矩阵Ｈ为特征的??一般投影变换。具体地，我们对每个特征点使用齐次坐标，例如：＼?＝卜丨，Ｘｌｖ，ｉｆ和??。因此

【参考文献】：
期刊论文
[1]使用特征匹配的三维目标识别方法[J]. 赵季,马杰,田金文.  华中科技大学学报(自然科学版). 2012(10)



本文编号：3232838