圖像特征提取與匹配技術(shù)旨在通過(guò)一些特定算法,將不同條件下采集到的包含相同場(chǎng)景的兩幅圖像進(jìn)行對(duì)準(zhǔn)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�；谔卣鞯钠ヅ渌惴ㄍǔＪ褂梅�(wěn)定性更強(qiáng)的局部特征對(duì)圖像進(jìn)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(lái)進(jìn)行特征信息的提取,在構(gòu)建尺度空間的過(guò)程中,高斯模糊會(huì)造成圖像邊緣細(xì)節(jié)丟失導(dǎo)致特征檢測(cè)和匹配的精度下降;而KAZE算法采用非線性擴(kuò)散濾波替代高斯模糊能夠有效地解決上述問(wèn)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(duì)于KAZE算法存在的問(wèn)題提出改進(jìn),具體工作有以下兩個(gè)方面:（1）針對(duì)KAZE算法由于灰度化過(guò)程中產(chǎn)生的顏色信息缺失,造成部分特征點(diǎn)提取困難、正確匹配率低等問(wèn)題,提出一種基于改進(jìn)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(jì)算彩色圖像中像素間的對(duì)比度,其次通過(guò)優(yōu)化表示顏色線性組合的多元多項(xiàng)式模型求得像素點(diǎn)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(duì)比度得... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

搜索和模板圖像

（f）加權(quán)求和特征檢測(cè) 圖 3-1 特征檢測(cè)對(duì)比入彩色圖像得到的灰度化結(jié)化過(guò)程做出改進(jìn)，使灰度圖量和匹配準(zhǔn)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(duì)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(guò)程較多程對(duì)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(jìn)灰度化算法圖 3-3 灰度化結(jié)果為了進(jìn)一步定量評(píng)價(jià)各個(gè)灰度化算法的效果，本節(jié)采用彩色對(duì)比度增強(qiáng)保持率（Color Contrast Preserving Ratio，CCPR）作為評(píng)價(jià)指標(biāo)[64]。CCPR 計(jì)算公式為：


本文編號(hào)：3070702