本文關(guān)鍵詞：復(fù)雜變形條件下圖像目標(biāo)模式檢測與匹配算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)圖像匹配是數(shù)字圖像技術(shù)中一種較為關(guān)鍵的核心技術(shù)。實現(xiàn)快速、高效的目標(biāo)圖像匹配對許多行業(yè)領(lǐng)域有非常大的幫助作用,例如機器人視覺、定位導(dǎo)航、醫(yī)學(xué)圖像研究等等。本文主要研究在復(fù)雜變形情況下,如仿射變換模型中的目標(biāo)圖像檢測與匹配技術(shù)。本文首先針對圖像匹配技術(shù)的研究現(xiàn)狀及發(fā)展進行了介紹。隨后針對圖像匹配相關(guān)技術(shù)進行分類闡述,并研究介紹了圖像匹配技術(shù)中的主要流程。本文將PSO粒子群優(yōu)化應(yīng)用于圖像匹配技術(shù)中,提出了基于梯度極值點和PSO優(yōu)化的仿射目標(biāo)模型匹配算法。隨后針對PSO的搜索策略,提出了重新定義了搜索策略的各個參數(shù),使之更加合理,提出采用動態(tài)更新策略的方法,更新粒子群的最大速度、慣性權(quán)重以及搜索空間,提高了粒子群算法的收斂性。在多目標(biāo)圖像匹配領(lǐng)域,本文創(chuàng)造性地提出了使用多群粒子群進行多目標(biāo)模式檢測,并給出了理論介紹和相關(guān)實驗。本文在針對具有仿射不變性的圖像特征中進行了研究,介紹了基于ASIFT特征的圖像匹配方法,并且通過RANSAC算法,進行了特征點匹配的精細(xì)篩選。最后本文創(chuàng)新地提出了基于PSO優(yōu)化的ASIFT匹配算法,并給出了算法的詳細(xì)理論模型以及實驗結(jié)果,并證明了該算法的合理性和有效性。PSO粒子群優(yōu)化算法具有較少的參數(shù)、容易進行優(yōu)化和改進,同時該方法具有一定的算法智能以及模擬社會性的特點。它是全局優(yōu)化算法中的一個重要分支。圖像匹配技術(shù)通過相似性度量準(zhǔn)則,通過找到具有最高相似度的圖像變換模型來完成匹配技術(shù)。粒子群優(yōu)化則可以智能高效地對相似性度量進行在搜索空間中的全局優(yōu)化,完成變換模型參數(shù)的估計和尋優(yōu)。最后針對具有仿射不變性特征的ASIFT算法,本文通過提出其改進算法PSO-ASIFT,粒子群優(yōu)化策略和ASIFT相結(jié)合,提高了算法對相機姿態(tài)位置采樣的精度,將離散采樣轉(zhuǎn)化為連續(xù)的相機姿態(tài)的精確優(yōu)化,極大地提高了圖像特征的提取能力,同時降低了特征對于圖像形變后出現(xiàn)的誤匹配情況,實驗證明該算法有效地提高了目標(biāo)圖像的匹配精度。
【關(guān)鍵詞】：目標(biāo)圖像匹配 PSO粒子群優(yōu)化 多目標(biāo)模式檢測 RANSAC ASIFT PSO-ASIFT
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 圖像目標(biāo)檢測與匹配的定義9
• 1.2 選題背景及意義9-10
• 1.3 圖像匹配技術(shù)發(fā)展和現(xiàn)狀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 基于變換域算法13
• 1.4 本文研究內(nèi)容及結(jié)構(gòu)13-15
• 1.4.1 研究內(nèi)容13-14
• 1.4.2 文章結(jié)構(gòu)安排14-15
• 第二章 圖像匹配理論15-21
• 2.1 引言15
• 2.2 圖像匹配理論模型15-18
• 2.2.1 剛體變換模型16
• 2.2.2 仿射變換模型16-17
• 2.2.3 投影變換模型17-18
• 2.3 相似性度量18-19
• 2.3.1 距離度量18-19
• 2.3.2 相關(guān)度量19
• 2.4 圖像匹配流程19-21
• 第三章 基于PSO的目標(biāo)圖像匹配算法21-49
• 3.1 引言21
• 3.2 基于粒子群優(yōu)化的圖像匹配算法21-23
• 3.3 目標(biāo)函數(shù)23-25
• 3.4 基于梯度極值的粒子群圖像匹配算法25-30
• 3.5 改進的粒子群搜索策略30-45
• 3.5.1 粒子群參數(shù)定義30-39
• 3.5.2 定義新搜索空間39-41
• 3.5.3 動態(tài)規(guī)劃搜索空間41
• 3.5.4 算法改進流程及實驗結(jié)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優(yōu)化算法理論45-46
• 3.6.2 改進的基于MPSO優(yōu)化的多目標(biāo)圖像匹配算法46-47
• 3.6.3 實驗結(jié)果47-48
• 3.7 本章小結(jié)48-49
• 第四章 基于改進的ASIFT的目標(biāo)圖像匹配算法49-79
• 4.1 引言49
• 4.2 SIFT算法理論和改進49-67
• 4.2.1 SIFT特征匹配流程50
• 4.2.2 尺度空間50-52
• 4.2.3 極值點檢測52-55
• 4.2.4 邊緣響應(yīng)處理55-56
• 4.2.5 計算特征向量56-59
• 4.2.6 匹配特征點59-60
• 4.2.7 隨機抽樣一致性算法60-63
• 4.2.8 特征點提取及匹配實驗結(jié)果63-67
• 4.3 ASIFT特征的圖像匹配算法67-70
• 4.3.1 仿射變換相機成像模型67-68
• 4.3.2 傾斜參數(shù)定義68-69
• 4.3.3 ASIFT算法簡述及流程69-70
• 4.4 基于PSO優(yōu)化仿真空間的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實驗結(jié)果75-78
• 4.5 本章小結(jié)78-79
• 第五章 全文總結(jié)與展望79-82
• 5.1 全文工作總結(jié)及創(chuàng)新79-80
• 5.2 未來工作及展望80-82
• 參考文獻82-86
• 致謝86-87
• 附錄一 符號與標(biāo)記87-88
• 附錄二 英文縮略語表88-89
• 攻讀碩士學(xué)位期間已發(fā)表的論文89-91

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王紅梅,張科,李言俊;圖像匹配研究進展[J];計算機工程與應(yīng)用;2004年19期

2 李長河,馮亞寧,石爭浩;圖像匹配特征的一種融合表示[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年05期

3 董安國;圖像匹配最大互相關(guān)快速算法[J];浙江萬里學(xué)院學(xué)報;2005年04期

4 馬瑾;陳立潮;張永梅;;針對圖像匹配的控制策略的研究[J];機械管理開發(fā);2006年03期

5 孔華生;張斌;;基于一種快速搜索策略的圖像匹配[J];系統(tǒng)工程與電子技術(shù);2006年11期

6 劉斌;楊小平;任涵文;趙亞平;;基于圖像匹配的自動點膠系統(tǒng)[J];機械設(shè)計與制造;2007年09期

7 陳智;江銳;;淺談圖像匹配研究[J];中國高新技術(shù)企業(yè);2007年16期

8 王琪;李言俊;張科;;具有距離不變性與角度不變性的圖像匹配研究[J];火力與指揮控制;2008年04期

9 蔣恩松;孫劉杰;張柯;;圖像匹配技術(shù)在套印誤差自動檢測中的應(yīng)用[J];計算機測量與控制;2008年06期

10 汪洋;;圖像匹配方法綜述[J];電腦與電信;2009年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐煒;賀占莊;黃士坦;;基于模糊相似計算的快速圖像匹配[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

2 蔣大林;李琳;;圖像匹配技術(shù)的研究[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

3 石鴻雁;貝肇宇;;基于蟻群算法的圖像匹配方法[A];2009中國控制與決策會議論文集（3）[C];2009年

4 徐煒;黃士坦;賀占莊;;基于免疫克隆選擇算法的快速圖像匹配[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

5 牛毅菲;汪渤;苗常青;;圖像匹配方法研究[A];《制造業(yè)自動化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會論文集[C];2004年

6 牛毅菲;汪渤;苗常青;;圖像匹配方法研究[A];先進制造技術(shù)論壇暨第三屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2004年

7 熊凌;;計算機視覺中的圖像匹配綜述[A];12省區(qū)市機械工程學(xué)會2006年學(xué)術(shù)年會湖北省論文集[C];2006年

8 唐榕;蔣大林;丁學(xué)爽;;基于角點檢測的圖像匹配方法綜述[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

9 馬苗;鹿艷晶;;基于灰色理論和遺傳算法的快速圖像匹配方法[A];第16屆全國灰色系統(tǒng)學(xué)術(shù)會議論文集[C];2008年

10 繆君;儲s

本文編號：263056