基于结构特征的图像匹配算法及应用

【摘要】： 图像匹配是图像处理和模式识别领域中的一个非常关键问题,同时也是众多计算机视觉理论与应用的基础,它的研究成果广泛应用于目标识别、遥感测量、自动导航、虚拟现实、医学诊断、生产自动化及军事等方面。由于图像具有很强的结构性,而图作为一种描述数据的工具可以保留结构、区域之间的相互关系,是一个非常重要而有效的结构特征信息的表示方式,因此,用图来描述图像的结构特征并且应用图匹配来研究图像特征之间的匹配问题受到了越来越多的关注,成为了目前模式识别等领域的研究热点问题。本文采用图的方法来描述图像中点特征之间的结构关系,对不同场合下的图像结构匹配问题进行了研究,主要成果和创新之处如下： 1、提出了一种结合颜色矢量和奇异值分解(SVD)的不同光源图像的匹配算法。该算法首先通过对现有的SVD结构匹配算法的分析,针对其对存在较大光照变化图像的匹配性能下降的问题,从空间矢量关系的角度提取不受光源影响的图像的颜色矢量,然后结合图像点的几何特征,共同构造表示图像结构特征的赋权完全图,最后通过对图的邻接矩阵进行SVD分解,利用特征向量之间的关系获取图像点之间的匹配关系。实验结果表明,该算法提高了SVD匹配算法对不同光照条件下图像匹配的精度。 2、提出了一种结合奇异值分解和松弛迭代的图像匹配算法。针对存在较大尺度、旋转、仿射等变换的图像匹配问题,该算法首先根据图像点构造表示全局结构特征的赋权完全图,通过对其对应的Laplace矩阵进行SVD分解获取初始匹配概率；然后,引入具有形变不变性的测地线-灰度直方图(GIH),利用它的局部相似性作为相容性约束；最后通过松弛迭代的方式得到精确的匹配概率,从而获取图像点之间的匹配关系。实验结果表明,该算法克服了单纯依赖SVD分解获取匹配关系的局限性,通过多特征、多算法相互融合,提高了匹配的精度,同时促进了图匹配方法在图像匹配领域的发展。 3、提出了一种基于K-NN图的非刚体图像匹配算法。对于只有坐标信息而没有任何其它任何信息的非刚体图像点匹配问题,该算法首先利用形状上下文获得待匹配图像点集的初始匹配；其次,根据图像在发生非刚体形变过程中点的邻域结构变化不大的特点,利用图像点集构造反映点邻域局部结构的K-NN图,由点集对应的K-NN图的结构差异剔除初始匹配中存在的误匹配点或出格点；接着,利用匹配点对估算图像之间的TPS (Thin Plate Spline)变换模型的参数,再利用这些参数使图像中待匹配点集相互逼近；最后通过迭代方式得到非刚体图像点之间的精确匹配。实验结果表明,该算法通过剔除误匹配点,提高了图像点之间的匹配精度和TPS模型参数计算的准确性,并且具有较高的鲁棒性。 4、受上述算法启发,提出了一种基于最小生成树和TPS变换模型的图像匹配和拼接算法。该算法首先提取具有尺度、缩放、旋转不变性的SIFT (Scale Invariable Feature Transformation)特征点,然后利用最小生成树描述这些特征点之间的结构关系,并用SIFT向量距离作为权值构造Laplace矩阵,通过SVD算法获取匹配关系,接着估算待拼接图像之间的TPS (Thin Plate Spline)变换模型的参数,通过迭代的方法最终获得匹配关系和精确的TPS变换参数,最后通过坐标变换和融合技术来实现图像的拼接。实验结果表明,与SIFT匹配算法相比,该算法提高了图像特征点匹配的精度,并且同时解决了图像拼接中图像匹配和变换参数求解两大难点问题,实现了图像的拼接。