基于图像特征点的提取匹配及应用

论文摘要

当今社会已经进入信息社会,图像处理及应用已经深入到人们的日常生活和工作中,人们对图像处理技术的要求也越来越高。本文主要介绍利用图像特征点提取,对图像进行配准,进一步对图像进行拼接操作。其中特征点提取使用SIFT（Scale Invariance FeatureTransform）方法,并对SIFT方法提取出的特征点用最近邻算法NN（Nearest Neighbor）进行匹配,在搜索最近邻点时使用了在k-d树搜索算法基础上进行改进的算法BBF（Best Bin First）搜索算法。特征点匹配后运用最小二乘优化算法精确算出图像间的点变换矩阵,最后用渐入渐出法对交接处进行平滑过渡,从而实现图像拼接。

论文目录

• 第一章 绪论
• 1.1 研究背景和动机
• 1.2 图像特征研究现状
• 1.3 本文研究内容
• 1.4 本文组织结构
• 第二章 图像特征点提取
• 2.1 数字图像的基本概念
• 2.1.1 图像颜色模式
• 2.1.2 数字图像表示
• 2.2 图像特征点
• 2.3 SIFT 特征提取法
• 2.3.1 尺度空间极值求取
• 2.3.2 特征点位置的确定
• 2.3.3 特征点方向确定
• 2.3.4 特征点描述符
• 2.4 实验与分析
• 2.5 小结
• 第三章 图像匹配
• 3.1 图像匹配研究现状
• 3.2 特征点匹配
• 3.3 最近邻NN 方法
• 3.3.1 k-d 树算法
• 3.3.2 BBF（Best Bin First）算法
• 3.4 实验结果与分析
• 3.5 小结
• 第四章 图像拼接
• 4.1 图像坐标变换
• 4.1.1 点变换矩阵表示
• 4.1.2 最小二乘算法求解点变换矩阵
• 4.2 图像拼接
• 4.3 实验结果
• 4.4 小结
• 第五章 总结
• 5.1 主要研究内容回顾
• 5.2 工作展望
• 参考文献
• 摘要
• Abstract
• 致谢
• 导师及作者简介