图像匹配方法研究与应用

论文摘要

图像匹配是图像处理中一个很重要的研究内容。由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的原因,使拍摄的图像不仅受到噪声的影响,而且存在严重的灰度失真和几何畸变。匹配算法如何达到高精度、高匹配正确率、强鲁棒性和抗干扰性成为人们追求的目标。本文对图像匹配原理及其相关理论进行研究,尤其是特征点匹配领域目前的热点和难点——STFT算法进行重点分析。针对SIFT算法经常出现误匹配的情况,提出两种改进算法：一种是引入独立分量分析方法对STFT算法中的高维特征向量进行降维,利用降维后的特征向量进行匹配；还有一种方法是在SIFT算法之后嵌入一种旋转模板匹配算法。利用特征点方向,对图像进行旋转,使用旋转后的特征点邻域进行模板匹配,对SIFT算法的结果进行二次筛选。实验证明,两种方法均能提高算法的匹配正确率。文章的最后介绍了烟草异物剔除系统的原理和结构,并分析了该系统利用图像匹配算法识别异物的原理。测试表明,该系统能够有效地识别和剔除烟叶中的异物,保障烟草产品的质量。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 图像匹配介绍
• 1.2 图像匹配的研究意义
• 1.3 课题研究状况
• 1.4 论文研究内容及结构安排
• 第2章 图像匹配相关理论
• 2.1 图像匹配概述
• 2.1.1 图像匹配的定义
• 2.1.2 图像匹配的数学描述
• 2.1.3 图像匹配方法的分类
• 2.2 图像匹配的一般流程及关键要素
• 2.3 图像匹配的性能要求
• 第3章 图像特征匹配
• 3.1 图像特征及其常用的特征提取与匹配方法
• 3.1.1 颜色特征
• 3.1.2 纹理特征
• 3.1.3 形状特征
• 3.1.4 空间关系特征
• 3.2 特征点理论
• 3.2.1 特征点的概念
• 3.2.2 特征点提取算法分类
• 3.3 SIFT匹配算法研究
• 3.3.1 SIFT算法特点
• 3.3.2 SIFT算法步骤
• 第4章 本文提出的关于SIFT算法的改进
• 4.1 ICA-SIFT算法的构造
• 4.1.1 基于PCA的改进算法
• 4.1.2 PCA方法的缺点
• 4.1.3 ICA介绍
• 4.1.4 统计独立的基本概念
• 4.1.5 独立分量分析定义及线性模型
• 4.1.6 利用ICA对特征向量降维
• 4.1.7 ICA-SIFT算子提取特征点算法描述
• 4.2 利用旋转模板匹配
• 4.2.1 对误匹配点集进行模板匹配分析相关系数
• 4.2.2 基于旋转模板匹配对SIFT算法的改进
• 4.2.3 利用相关性系数对旋转后的特征点进行二次匹配
• 4.3 实验数据与分析
• 4.3.1 ICA-SIFT算法实验
• 4.3.2 旋转模板匹配算法实验
• 4.3.3 结果分析
• 第5章 基于图像匹配技术烟草异物剔除系统
• 5.1 研究意义
• 5.2 系统结构与工作原理
• 5.2.1 输入单层化装置
• 5.2.2 光学成像系统
• 5.2.3 图像采集与处理单元
• 5.2.4 剔除装置
• 5.3 基于图像颜色特征的异物识别原理
• 5.3.1 建立颜色查找表
• 5.3.2 图像的二值化处理
• 5.3.3 阈值判断
• 5.4 系统测试结果及分析
• 第6章 总结
• 参考文献
• 致谢
• 附录:研究生期间的科研成果