基于灰度和几何特征的图像匹配算法研究

河北工业大学硕士学位论文基于灰度和几何特征的图像匹配算法研究姓名：宋晓闯申请学位级别：硕士专业：计算机应用技术指导教师：于明20081101河北工业大学硕士学位论文i基于灰度和几何特征的图像匹配算法研究摘要图像匹配是计算机视觉和图像处理领域一项重要的研究工作，本文主要对图像匹配领域进行了深入细致的研究。本文主要研究了两类图像匹配算法：基于灰度信息的算法和基于特征的匹配算法。对基于灰度信息的算法，主要研究了两种算法，一种是对传统算法进行研究，提出了一种改进的互相关匹配算法，另一种是根据图像编码的思想，对图像进行分块，重点研究了基于灰度值编码的匹配方法。实验表明，此算法在遥感图像和工件字符定位方面，尤其是在复杂背景(目标与背景难分离)下，算法都具有很强的鲁棒性和稳定性。对基于特征的匹配算法，主要研究了HU不变矩、圆形度、矩形度等几何特征，最后选取几种特征作为特征参数，运用基于欧式距离的匹配方法进行匹配.对二百多个样本图像进行测试，匹配成功率达到了92.5%。得到了很好的实验效果。关键词：计算机视觉模板匹配图像处理互相关基于灰度和几何特征的图像匹配算法研究iiTheStudyofImageMatchingAlgorithmsBasedOnGrayValueandGeometricFeaturesABSTRACTImagematchingisanimportantresearchtopicincomputervisionandimageprocessing.Agreatdealofworkisdoneinthefieldofimagematchinginthepaper.Itstudiedtwotypesofimagematchingalgorithmsinthepaper.gray-scaleinformation-basedalgorithmandfeature-basedmatchingalgorithm.Aboutthealgorithmbasedontheinformationofgray–scale,itmainlystudiedtwoalgorithms,Firstlyitstudiedthetraditionalalgorithm,Thenonenewimprovedcross-correlationalgorithmwasproposed.Theotherisbasedonthethinkingofimagecoding.ThisalgorithmdividedtheimageintocertainsizeblockscalledR-block.Itfocusedonthealgorithmsofgrayvalueimagecoding.Throughtheexperiments,Itisfoundthatthealgorithmhadaverystrongrobustnessandstability,WhenitwasusedinremotesensingimagesandOpticalCharacterpositioning,particularlyintheComplexbackground(withthebackgroundofthedifficultgoalofseparation).Aboutthefeature-basedmatchingalgorithm,Firstly,itmainlystudiedHUinvariantmoments,elongated-ness,roundnessandothergeometricfeatures.Finallyitselectedafewfeaturesfromthemasthefeaturesoftheparameters.ThenitwascalculatedandmatchedwiththealgorithmbasedontemplatematchingofEuclideandistance.Twohundredofsampleswastestedandexperimented,andtheaverageaccuracyrateis92.5%.Theresultshowsthatthesystemisgoodenoughtomeettheneedsofreal-timereactionandhighrecognitionrate.KEYWORDS:computervision,templatematching,imagepreprocess,correlation原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的规定。同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：导师签名：日期：河北工业大学硕士学位论文1第一章绪论§1-1引言现实生活中，存在着多种多样的可被我们所感知的信号，其中，人的信息来源是通过视觉系统所获得的。人类通过眼睛与大脑来获取、处理与理解视觉信息的。周围环境中的物体在光线刺激作用下，在人眼的视网膜上形成图像，由感光细胞转换成神经脉冲信号，经神经纤维传入大脑皮层进行处理与理解。视觉，不仅指对光信号的感受，还包括了对视觉信息的获取、传输、处理、存储与理解的全过程。人和高等动物都有着发达的视觉系统，使得客观环境中存在的事物或目标可以被识别，从而引发进一步的处理。对于人类来说，这种功能是与身俱来的，十分轻松的事情。信号处理理论与计算机出现以后，人们试图用摄象机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息处理的全过程。这样，就形成了一门新兴的学科—计算机视觉[1]。一般的机器视觉系统都是在某一领域内作用的，故待识别的目标是特定领域内的，而且类型有限，于是可以作一个样本库容纳可能出现的目标类型模板。在判断输入的图像是什么时，就可以将输入的图像与存储的样本库进行匹配比较，进行判断识别。在另外一些场合下，需要对目标进行空间上的定位。多数应用场合下，给出了一个样本图像，它包含着一个特定的目标对象，如一个实际物体，一个符号或字符等等，需要从另一幅包含目标的实际背景图像中寻找这个目标对象的位置，进行定位，也就是判断这幅背景图像或它的一部分是不是我们所要寻找的目标，这时就需要用到图像匹配技术。随着科学技术的发展，图像匹配技术已经成为现代信息处理领域中的一项极为重要的技术，在许多领域内有着广泛而实际的应用。因此，做好对图像匹配技术的深入研究，对推动现代信息处理领域的发展，是密切联系的。§1-2图像匹配技术的描述图像匹配是图像处理的研究中一个很重要的研究方向。在机器识别的过程中，常需要把不同传感器在不同时间，不同成像条件下对同一景物获取的两幅或是多幅图像在空间中对准，或是根据已知的模式到另一幅图找到相应的模式，这就需要用到图像匹配。图像匹配就是将模板与待检测的图像进行比较匹配，并给出一个描述匹配程度的计算结果。如果算法的运算结果显示图像中的某一部分与模板相同或是相似度大于设定的阈值，则认为匹配成功。图像匹配问题的通常理解就是将两幅取自于同一景物的图像在空间上进行“对准”。在多数情况下，这只是两幅图像之间的相对平移过程。但也有相当多的应用场合下，必须考虑图像之间的空间坐标变换，诸如旋转变换，尺度变换等等，从而导致了图像和模板发生旋转和扭曲等变形，使得匹配问题变得更加复杂。两幅图像之间的匹配问题可以归结为“相关性”度量的问题。使用图像相关性的大小衡量图像的匹基于灰度和几何特征的图像匹配算法研究2配程度，若是相关性大，就可以说明两幅图像的匹配程度高。反之，若是相关性小，就说明两幅图像之间并无什么匹配关系[2]。于是，图像匹配问题可以分为两大方面步骤：一是匹配特征的选择;一是对特征进行相关性计算方法的选择。匹配的特征有不同层次的选择:最底层的是图像的像素的灰度值，可以充分利用图像的所有信息来高精度地区分不同对象，但因此处理的信息量很大，计算复杂度提高;高层次的是图像的物理形状特征，如边缘，骨架线条，角点等等，需要进行相关计算的像素点数目有了明显地减少，并具有了更强的适应能力,更高层次的就是基于图像内容描述的特征，利用图像特征间的几何约束，将特征属性值之间的比较作为相似性度量进一步提高匹配算法的速度。相关性计算方法的选择则要根据上一步所获得的特征来选择。最通用的是归一化的相关计算，根据所选择的特征不同，还可以采用基于欧式距离的判断和计算等等。具体的实现方法应该与实际的特征选择相联系。§1-3图像匹配技术的发展和研究意义早期的图像匹配技术主要用于几何校正后的多波段遥感图像的套准，借助于求互相关函数的极值来实现。匹配研究涉及到许多相关的知识领域，如图像预处理、图像采样、图像分割、特征提取等技术，并且将计算机视觉、多维信号处理和数值计算等紧密结合在一起。图像匹配技术与图像融合、图像匹配等研究方向密切相关，是图像理解和图像复原等领域的研究基础。图像匹配技术在诸多领域内有着广泛的应用，其中包括导弹的地形和地图匹配，飞机导航，武器投射系统的末制导，光学和雷达的图像模板跟踪，工业流水线的自动监控，工业仪表的自动监控，资源分析，气象预报，医疗诊断，文字识别以及景物分析中的变化检测等等。在工业检测领域中，图像匹配技术被广泛应用于工件表面缺陷检测、工业测量、产品质量评估等部门，对工业自动化、提高产品质量、提高生产率及节约成本有很高的价值。在遥感信号处理领域中，图像匹配技术被广泛应用于目标定位及不同电磁波段的图像融合如微波、红外、可见光或多光谱图像，建筑、道路、交通工具和蔬菜类型的划分、矿物寻找、特定区域搜索、农作物估产、森林和水源保护、台风追踪和预报、天气预报等方面[3]。在机器视觉领域，图像匹配技术是目标跟踪、运动分析、对象识别、自动视觉检测等研究方向的研究基础。可以预见，随着计算机技术的发展和数字图像处理技术应用的日益广泛，图像匹配技术必将在社会生活和工业生产中发挥越来越重要的作用。§1-4本论文的研究工作和任务本文主要是研究基于灰度的匹配和基于几何特征的匹配算法，在分析研究现有的匹配算法基础之上，针对不同算法的应用背景不同，在基于灰度的匹配中研究了两种算法，一种是基于灰度编码的匹配，另一种是改进的相关匹配算法。在基于几何特征的匹配中，重点研究了不变矩特征、以及其他几种几何特征，最后重点选取了里面的几种特征进行提取，利用欧式距离算法进行匹配，达到了很好的效果。河北工业大学硕士学位论文3第一章为绪论，介绍图像匹配的背景及发展现状，解释了图像匹配的概念和意义，以及现有的发展和应用内容第二章对图像匹配理论进行了简明扼要地介绍，对匹配的一般流程，关键要素以及各类匹配方法的特点做了概括性说明。第三章介绍了基于灰度特征的两种匹配算法，即基于灰度编码的匹配算法和改进的灰度相关匹配算法。第四章介绍了基于几何特征的图像匹配算法，重点介绍了HU矩、宽长比、伸长率等几种特征，并结合这几种特征，开发了一种匹配算法。第五章总结了本文的工作并讨论了今后的努力方向。基于灰度和几何特征的图像匹配算法研究4第二章图像匹配理论本章将主要介绍图像匹配的一些基本理论，包括图像匹配的定义、各种分类形式，归纳出了一种合理的分类方法对图像匹配的一般步骤和匹配的关键要素进行了说明，