隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展,圖像匹配在工業(yè)、醫(yī)療和安防等領(lǐng)域發(fā)揮了重要作用。在實(shí)際匹配應(yīng)用中,圖像不可避免存在模糊降質(zhì)的問題,比如高斯模糊,所以模糊圖像匹配具有廣泛應(yīng)用需求和重要研究意義。本文研究高斯模糊圖像匹配算法,給定模糊實(shí)時(shí)圖像和清晰參考圖像,求解實(shí)時(shí)圖像在參考圖像中的匹配位置。針對(duì)高斯模糊圖像匹配,此前性能最好的方法是基于加權(quán)稀疏表達(dá)先驗(yàn)的聯(lián)合模糊圖像復(fù)原和匹配算法,簡稱JRM-DSR算法。該算法使用圖像復(fù)原和匹配結(jié)合的目標(biāo)函數(shù),讓復(fù)原和匹配在求解過程中相互幫助。該算法可以改善匹配結(jié)果,但是依舊存在諸多不足。針對(duì)JRM-DSR算法中圖像模糊影響匹配準(zhǔn)確率、計(jì)算超高維度像素向量的稀疏表達(dá)影響算法速度等問題,本文提出了一種基于模糊不變量的聯(lián)合模糊圖像復(fù)原和匹配算法,簡稱JRM-BI算法。該算法提取圖像Pseudo-Zernike模糊不變量,提出基于模糊不變量空間稀疏表達(dá)先驗(yàn)的算法模型,采用交替最小化優(yōu)化方法同時(shí)求解圖像復(fù)原和匹配,得到匹配位置和清晰實(shí)時(shí)圖像。模糊不變量可以減輕圖像模糊干擾,維度更低。實(shí)驗(yàn)結(jié)果和分析表明,JRM-BI算法相比JRM-DSR算法匹配準(zhǔn)確率更高,復(fù)原實(shí)時(shí)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

JRM-BI算法實(shí)例圖

JRM-BI算法實(shí)例中圖像匹配準(zhǔn)確率和置信度折線圖

圖 2-6 JRM-BI 算法實(shí)例中復(fù)原實(shí)時(shí)圖像的 PSNR 值和 SSIM 值折線圖糊不變量有效性結(jié)果與分析M-BI 算法主要思想是引入模糊不變量和模糊不變量空間的稀疏表達(dá)實(shí)驗(yàn)來分析其有效性。本實(shí)驗(yàn)主要對(duì)比兩個(gè)算法：1）基于像素空間稀圖像匹配方法[27]（SRM-PIXEL），計(jì)算模糊實(shí)時(shí)圖像基于圖像字典的疏系數(shù)最大分量對(duì)應(yīng)圖像塊在參考圖像上的位置作為匹配結(jié)果；-Zernike 模糊不變量空間稀疏表達(dá)先驗(yàn)的圖像匹配方法（SRM-PZM）時(shí)圖像的模糊不變量基于模糊不變量字典的稀疏系數(shù)，稀疏系數(shù)最大塊在參考圖像上的位置作為匹配結(jié)果。這兩個(gè)算法相當(dāng)于 JRMI 算法初始化步驟，沒有交替迭代求解過程，所以可以排除干擾進(jìn)行驗(yàn)中，改變高斯模糊標(biāo)準(zhǔn)差，實(shí)時(shí)圖像大小為 50*50，SRM-PIXEL 算維度為 2500，SRM-PZM 算法中模糊不變量維度為 50。

【參考文獻(xiàn)】：
期刊論文
[1]基于全局和局部特征融合的圖像匹配算法研究[J]. 朱奇光,張朋珍,李昊立,詹賢嬌,陳穎.  儀器儀表學(xué)報(bào). 2016(01)



本文編號(hào)：3092493