复杂变形条件下图像目标模式检测与匹配算法研究

发布时间：2017-03-23 06:01

  本文关键词：复杂变形条件下图像目标模式检测与匹配算法研究，，由笔耕文化传播整理发布。

【摘要】：目标图像匹配是数字图像技术中一种较为关键的核心技术。实现快速、高效的目标图像匹配对许多行业领域有非常大的帮助作用,例如机器人视觉、定位导航、医学图像研究等等。本文主要研究在复杂变形情况下,如仿射变换模型中的目标图像检测与匹配技术。本文首先针对图像匹配技术的研究现状及发展进行了介绍。随后针对图像匹配相关技术进行分类阐述,并研究介绍了图像匹配技术中的主要流程。本文将PSO粒子群优化应用于图像匹配技术中,提出了基于梯度极值点和PSO优化的仿射目标模型匹配算法。随后针对PSO的搜索策略,提出了重新定义了搜索策略的各个参数,使之更加合理,提出采用动态更新策略的方法,更新粒子群的最大速度、惯性权重以及搜索空间,提高了粒子群算法的收敛性。在多目标图像匹配领域,本文创造性地提出了使用多群粒子群进行多目标模式检测,并给出了理论介绍和相关实验。本文在针对具有仿射不变性的图像特征中进行了研究,介绍了基于ASIFT特征的图像匹配方法,并且通过RANSAC算法,进行了特征点匹配的精细筛选。最后本文创新地提出了基于PSO优化的ASIFT匹配算法,并给出了算法的详细理论模型以及实验结果,并证明了该算法的合理性和有效性。PSO粒子群优化算法具有较少的参数、容易进行优化和改进,同时该方法具有一定的算法智能以及模拟社会性的特点。它是全局优化算法中的一个重要分支。图像匹配技术通过相似性度量准则,通过找到具有最高相似度的图像变换模型来完成匹配技术。粒子群优化则可以智能高效地对相似性度量进行在搜索空间中的全局优化,完成变换模型参数的估计和寻优。最后针对具有仿射不变性特征的ASIFT算法,本文通过提出其改进算法PSO-ASIFT,粒子群优化策略和ASIFT相结合,提高了算法对相机姿态位置采样的精度,将离散采样转化为连续的相机姿态的精确优化,极大地提高了图像特征的提取能力,同时降低了特征对于图像形变后出现的误匹配情况,实验证明该算法有效地提高了目标图像的匹配精度。
【关键词】：目标图像匹配 PSO粒子群优化 多目标模式检测 RANSAC ASIFT PSO-ASIFT
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 图像目标检测与匹配的定义9
• 1.2 选题背景及意义9-10
• 1.3 图像匹配技术发展和现状10-13
• 1.3.1 基于灰度信息算法11-12
• 1.3.2 基于特征算法12-13
• 1.3.3 基于变换域算法13
• 1.4 本文研究内容及结构13-15
• 1.4.1 研究内容13-14
• 1.4.2 文章结构安排14-15
• 第二章 图像匹配理论15-21
• 2.1 引言15
• 2.2 图像匹配理论模型15-18
• 2.2.1 刚体变换模型16
• 2.2.2 仿射变换模型16-17
• 2.2.3 投影变换模型17-18
• 2.3 相似性度量18-19
• 2.3.1 距离度量18-19
• 2.3.2 相关度量19
• 2.4 图像匹配流程19-21
• 第三章 基于PSO的目标图像匹配算法21-49
• 3.1 引言21
• 3.2 基于粒子群优化的图像匹配算法21-23
• 3.3 目标函数23-25
• 3.4 基于梯度极值的粒子群图像匹配算法25-30
• 3.5 改进的粒子群搜索策略30-45
• 3.5.1 粒子群参数定义30-39
• 3.5.2 定义新搜索空间39-41
• 3.5.3 动态规划搜索空间41
• 3.5.4 算法改进流程及实验结果41-45
• 3.6 基于粒子群多群搜索策略的多目匹配方法45-48
• 3.6.1 MPSO优化算法理论45-46
• 3.6.2 改进的基于MPSO优化的多目标图像匹配算法46-47
• 3.6.3 实验结果47-48
• 3.7 本章小结48-49
• 第四章 基于改进的ASIFT的目标图像匹配算法49-79
• 4.1 引言49
• 4.2 SIFT算法理论和改进49-67
• 4.2.1 SIFT特征匹配流程50
• 4.2.2 尺度空间50-52
• 4.2.3 极值点检测52-55
• 4.2.4 边缘响应处理55-56
• 4.2.5 计算特征向量56-59
• 4.2.6 匹配特征点59-60
• 4.2.7 随机抽样一致性算法60-63
• 4.2.8 特征点提取及匹配实验结果63-67
• 4.3 ASIFT特征的图像匹配算法67-70
• 4.3.1 仿射变换相机成像模型67-68
• 4.3.2 倾斜参数定义68-69
• 4.3.3 ASIFT算法简述及流程69-70
• 4.4 基于PSO优化仿真空间的ASIFT特征匹配算法70-78
• 4.4.1 PSO-ASIFT算法原理71-73
• 4.4.2 PSO-ASIFT算法流程73-75
• 4.4.3 PSO-ASIFT实验结果75-78
• 4.5 本章小结78-79
• 第五章 全文总结与展望79-82
• 5.1 全文工作总结及创新79-80
• 5.2 未来工作及展望80-82
• 参考文献82-86
• 致谢86-87
• 附录一 符号与标记87-88
• 附录二 英文缩略语表88-89
• 攻读硕士学位期间已发表的论文89-91

【相似文献】

中国期刊全文数据库 前10条

1 王红梅,张科,李言俊;图像匹配研究进展[J];计算机工程与应用;2004年19期

2 李长河,冯亚宁,石争浩;图像匹配特征的一种融合表示[J];复旦学报(自然科学版);2004年05期

3 董安国;图像匹配最大互相关快速算法[J];浙江万里学院学报;2005年04期

4 马瑾;陈立潮;张永梅;;针对图像匹配的控制策略的研究[J];机械管理开发;2006年03期

5 孔华生;张斌;;基于一种快速搜索策略的图像匹配[J];系统工程与电子技术;2006年11期

6 刘斌;杨小平;任涵文;赵亚平;;基于图像匹配的自动点胶系统[J];机械设计与制造;2007年09期

7 陈智;江锐;;浅谈图像匹配研究[J];中国高新技术企业;2007年16期

8 王琪;李言俊;张科;;具有距离不变性与角度不变性的图像匹配研究[J];火力与指挥控制;2008年04期

9 蒋恩松;孙刘杰;张柯;;图像匹配技术在套印误差自动检测中的应用[J];计算机测量与控制;2008年06期

10 汪洋;;图像匹配方法综述[J];电脑与电信;2009年05期

中国重要会议论文全文数据库 前10条

1 徐炜;贺占庄;黄士坦;;基于模糊相似计算的快速图像匹配[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

2 蒋大林;李琳;;图像匹配技术的研究[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 石鸿雁;贝肇宇;;基于蚁群算法的图像匹配方法[A];2009中国控制与决策会议论文集（3）[C];2009年

4 徐炜;黄士坦;贺占庄;;基于免疫克隆选择算法的快速图像匹配[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

5 牛毅菲;汪渤;苗常青;;图像匹配方法研究[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年

6 牛毅菲;汪渤;苗常青;;图像匹配方法研究[A];先进制造技术论坛暨第三届制造业自动化与信息化技术交流会论文集[C];2004年

7 熊凌;;计算机视觉中的图像匹配综述[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年

8 唐榕;蒋大林;丁学爽;;基于角点检测的图像匹配方法综述[A];全国第二届信号处理与应用学术会议专刊[C];2008年

9 马苗;鹿艳晶;;基于灰色理论和遗传算法的快速图像匹配方法[A];第16届全国灰色系统学术会议论文集[C];2008年

10 缪君;储s

本文编号：263056