圖像特征提取與匹配技術(shù)旨在通過一些特定算法,將不同條件下采集到的包含相同場景的兩幅圖像進行對準匹配,尋求圖像間的相似性以及變換關(guān)系。圖像匹配算法大致可以分為以下兩類:一類是基于灰度的匹配算法,另一類是基于特征的匹配算法。基于特征的匹配算法通常使用穩(wěn)定性更強的局部特征對圖像進行描述和匹配,目前較為流行的局部特征匹配算法（如SIFT算法）都是基于線性尺度空間來進行特征信息的提取,在構(gòu)建尺度空間的過程中,高斯模糊會造成圖像邊緣細節(jié)丟失導(dǎo)致特征檢測和匹配的精度下降;而KAZE算法采用非線性擴散濾波替代高斯模糊能夠有效地解決上述問題,但是KAZE算法同樣也存在顏色信息缺失以及不能適應(yīng)視角劇烈變化等缺陷。因此本文主要針對于KAZE算法存在的問題提出改進,具體工作有以下兩個方面:（1）針對KAZE算法由于灰度化過程中產(chǎn)生的顏色信息缺失,造成部分特征點提取困難、正確匹配率低等問題,提出一種基于改進圖像灰度化的特征提取與匹配算法。該算法首先采用加權(quán)歐氏距離計算彩色圖像中像素間的對比度,其次通過優(yōu)化表示顏色線性組合的多元多項式模型求得像素點的灰度值,最后利用雙峰分布函數(shù)最小化像素間灰度差值與像素間對比度得... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

搜索和模板圖像

（f）加權(quán)求和特征檢測 圖 3-1 特征檢測對比入彩色圖像得到的灰度化結(jié)化過程做出改進，使灰度圖量和匹配準確度。目前，較射法和局部映射法以及兩者像素采用相同的灰度變換存在對局部差異保留較弱的適的映射函數(shù)作用于圖像的雖然該方法較好的保留了圖相同區(qū)域映射灰度不連續(xù)的題，但涉及的映射過程較多程對圖像變換一致性的要

30（a）輸入彩色圖像 （b）rgb2gray 算法 （c）Lu 算法 （d）改進灰度化算法圖 3-3 灰度化結(jié)果為了進一步定量評價各個灰度化算法的效果，本節(jié)采用彩色對比度增強保持率（Color Contrast Preserving Ratio，CCPR）作為評價指標[64]。CCPR 計算公式為：


本文編號：3070702