【摘要】：近年來,隨著數(shù)字圖像處理技術(shù)的迅猛發(fā)展,圖像特征匹配技術(shù)已在眾多領(lǐng)域之中得到了大量的應(yīng)用。至于圖像特征匹配的首要任務(wù)就是從待匹配的圖像中獲得較穩(wěn)定的圖像特征點(diǎn),接著通過構(gòu)建待匹配圖像與初始圖像特征點(diǎn)集的關(guān)系來進(jìn)行配準(zhǔn)。而對(duì)于特征點(diǎn)的提取涉及到選擇恰當(dāng)?shù)狞c(diǎn)特征提取方法,考慮到點(diǎn)特征的提取方法對(duì)圖像配準(zhǔn)的速度和準(zhǔn)確度有一定的影響,因而選擇合適的點(diǎn)特征提取的方法有一定的實(shí)用價(jià)值與理論意義。本文圍繞圖像特征點(diǎn)的提取,針對(duì)SIFT算法中降噪閾值的選值,Harris角點(diǎn)檢測算法與SIFT算法在不同種類圖像特征點(diǎn)提取上的適用性等進(jìn)行了分析研究。具體的研究內(nèi)容如下:(1)為避免常規(guī)SIFT算法提取特征點(diǎn)時(shí)選取降噪閾值存在的盲目性,以及不恰當(dāng)?shù)慕翟腴撝凳筍IFT算法提取到的特征點(diǎn)效果不佳的問題,研究了在SIFT算法提取特征點(diǎn)時(shí)對(duì)于降噪閾值來說是否存在相對(duì)比較穩(wěn)定的值,通過選取此降噪閾值可使SIFT算法提取圖像特征點(diǎn)的效果最佳�；诙嘟M相同限制條件的實(shí)驗(yàn)圖像(包括原始圖像、旋轉(zhuǎn)圖像以及加“噪聲”圖像),選取不同的降噪閾值分別進(jìn)行大量的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明當(dāng)降噪閾值近似選取在30附近,此時(shí)可以使SIFT算法獲得相對(duì)比較穩(wěn)定的特征點(diǎn)數(shù)目。(2)對(duì)SIFT算法和Harris角點(diǎn)檢測算法提取特征點(diǎn)的原理分別進(jìn)行了分析,至于SIFT算法運(yùn)算過程較繁瑣,而且其構(gòu)建高斯差分尺度空間的過程比較復(fù)雜,考慮到Harris角點(diǎn)檢測算法運(yùn)算過程比較簡便。為了直觀的對(duì)兩種算法進(jìn)行比較,在這里采用了文中所提的3方面(特征點(diǎn)有效性、計(jì)算時(shí)效性以及特征點(diǎn)相似不變性),并在同一實(shí)驗(yàn)對(duì)象的條件下對(duì)兩者進(jìn)行了定量分析研究。(3)為了探究出SIFT算法和Harris角點(diǎn)檢測算法在不同種類圖像特征點(diǎn)提取上的適用性。本文針對(duì)兩類圖像:折線特征主導(dǎo)的圖像與光滑曲線特征主導(dǎo)的圖像,并提出了3個(gè)方面:特征點(diǎn)有效性、計(jì)算時(shí)效性以及特征點(diǎn)相似不變性,又采用了圖像匹配對(duì)數(shù)比率、樣本均值和標(biāo)準(zhǔn)差3個(gè)相關(guān)指標(biāo)對(duì)兩種算法進(jìn)行了定量研究。最終實(shí)驗(yàn)結(jié)果表明,對(duì)于折線特征主導(dǎo)的圖像:在特征點(diǎn)有效性、計(jì)算時(shí)效性以及特征點(diǎn)相似不變性上,Harris角點(diǎn)檢測算法的適用性比SIFT算法更好一些;然而對(duì)于光滑曲線特征主導(dǎo)的圖像,由于無法檢測到一定數(shù)量的特征點(diǎn),這也就導(dǎo)致Harris角點(diǎn)檢測算法的適用性不如SIFT算法。最后,對(duì)本文的相關(guān)工作進(jìn)行了總結(jié),同時(shí)結(jié)合本文存在的不足之處,對(duì)今后的研究內(nèi)容進(jìn)行了展望。
[Abstract]:In recent years, with the rapid development of digital image processing technology, image feature matching technology has been widely used in many fields. The primary task of image feature matching is to obtain more stable image feature points from the image to be matched. Then the relationship between the image to be matched and the initial image feature point set is constructed to be registered. However, the extraction of feature points involves the selection of appropriate point feature extraction methods, and the method of point feature extraction has a certain effect on the speed and accuracy of image registration. Therefore, it has certain practical value and theoretical significance to select the appropriate method of point feature extraction. This paper focuses on the extraction of image feature points and analyzes the applicability of SIFT algorithm and SIFT algorithm in extracting different kinds of image feature points. The specific research contents are as follows: (1) in order to avoid the blindness of selecting the denoising threshold when the conventional SIFT algorithm extracts the feature points, and the problem that the improper denoising threshold makes the feature points extracted by the SIFT algorithm ineffective, This paper studies whether there is a relatively stable value for denoising threshold when extracting feature points in SIFT algorithm. By selecting this denoising threshold, the SIFT algorithm can get the best result of extracting image feature points. Based on the experimental images (including original images, rotating images and adding "noise" images) with the same restricted conditions, a large number of experiments were carried out with different noise reduction thresholds. The experimental results show that the SIFT algorithm can obtain relatively stable number of feature points when the denoising threshold is approximately 30. (2) the principle of extracting feature points from SIFT algorithm and Harris corner detection algorithm is analyzed respectively. As for the SIFT algorithm, the operation process is complicated, and the process of constructing Gao Si differential scale space is more complex. Considering the Harris corner detection algorithm, the operation process is relatively simple. In order to compare the two algorithms intuitively, we use the three aspects mentioned in this paper (feature point validity). (3) in order to find out the applicability of SIFT algorithm and Harris corner detection algorithm in extracting feature points of different kinds of images. In this paper, for two kinds of images: the image dominated by the broken line feature and the image dominated by the feature of smooth curve, three aspects are proposed: the validity of the feature point, the calculation of the timeliness and the similarity invariance of the feature point, and the image matching logarithmic ratio is adopted. The sample mean and standard deviation are used to quantitatively study the two algorithms. Finally, the experimental results show that the SIFT corner detection algorithm is better than SIFT algorithm in terms of feature point validity, computation time efficiency and feature point similarity invariance for images dominated by broken line features. However, for images dominated by smooth curve features, because a certain number of feature points can not be detected, the applicability of Harris corner detection algorithm is not as good as that of SIFT algorithm. Finally, this paper summarizes the related work, combined with the shortcomings of this paper, the future research content is prospected.
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細(xì)的漸進(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點(diǎn)的跟蹤算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年03期

3 江詩鋒;何振峰;;基于特征點(diǎn)的行車數(shù)據(jù)序列對(duì)齊[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點(diǎn)穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識(shí)別中基準(zhǔn)點(diǎn)的選取與特征點(diǎn)定位[J];西安電子科技大學(xué)學(xué)報(bào);1998年01期

6 許承慧;劉桂華;梁峰;;非特征點(diǎn)雙目測距技術(shù)研究[J];微型機(jī)與應(yīng)用;2013年22期

7 潘翔;章國棟;陳啟華;;三維可變形物體的特征點(diǎn)層次提取[J];計(jì)算機(jī)科學(xué);2014年04期

8 陶剛,盧昀,李吉桂;細(xì)化指紋圖中偽特征點(diǎn)的一體化去除算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運(yùn)動(dòng)目標(biāo)特征點(diǎn)的算法[J];計(jì)算機(jī)工程;2003年10期

10 胡迎春,張?jiān)龇?梁數(shù);人臉圖像嘴巴特征點(diǎn)自動(dòng)提取系統(tǒng)[J];廣西工學(xué)院學(xué)報(bào);2003年02期

相關(guān)會(huì)議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會(huì)議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國控制與決策會(huì)議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點(diǎn)的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實(shí)用的特征點(diǎn)匹配算法[A];全面建設(shè)小康社會(huì)：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

5 許競;姜波;;攝像機(jī)運(yùn)動(dòng)下特征點(diǎn)追蹤方法研究[A];2011下一代自動(dòng)測試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點(diǎn)和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

7 杜鵬飛;彭代強(qiáng);林幼權(quán);;基于二乘向量機(jī)的特征點(diǎn)配準(zhǔn)算法[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會(huì)信號(hào)與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

9 楊向林;嚴(yán)洪;任兆瑞;陳靖一;;基于小波變換的ECG信號(hào)多特征點(diǎn)綜合檢測算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點(diǎn)搜索實(shí)現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 王宇;芯技術(shù)點(diǎn)亮未來[N];電腦報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識(shí)別的心電信號(hào)的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點(diǎn)定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊(cè)算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進(jìn)式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曾寶瑩;基于圖像識(shí)別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點(diǎn)匹配算法研究[D];西安建筑科技大學(xué);2015年

3 馮翔;基于人臉對(duì)齊和多特征融合的人臉識(shí)別方法研究[D];南京理工大學(xué);2015年

4 姜小會(huì);基于特征點(diǎn)的圖像拼接技術(shù)研究[D];山東建筑大學(xué);2015年

5 吳昊;基礎(chǔ)矩陣估計(jì)方法研究[D];蘭州大學(xué);2015年

6 陳偉;基于唇形特征的身份識(shí)別算法的設(shè)計(jì)[D];蘭州大學(xué);2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術(shù)研究[D];南京理工大學(xué);2015年

8 宋偉;遠(yuǎn)程火光瞄準(zhǔn)與探測系統(tǒng)設(shè)計(jì)[D];西安工業(yè)大學(xué);2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺檢測方法研究[D];沈陽理工大學(xué);2015年

10 任筱強(qiáng);行星及行星衛(wèi)星著陸探測自主導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：2162122