基于轮廓的图像匹配技术研究

【摘要】： 图像匹配技术在遥感、模式识别、导航制导、医学诊断、计算机视觉等领域中广泛应用,本文模拟人类对图像的认知过程,对基于轮廓的图像匹配技术进行了研究。 首先,为了能得到比较完整的长轮廓,先对图像进行聚类分割。在现有方法的基础上,改进了彩色图像近似主色成分的确定方法。分析并比较了几种纹理描绘子,最终确定熵图像作为纹理特征度量。综合图像的颜色和纹理特征,构建4维特征空间,以近似主色成分个数为聚类个数,近似主色成分对应的颜色量化值为初始聚类中心,在该特征空间对图像像素点进行K均值聚类,从而得到整幅图像的聚类分割。实验结果表明,本方法能较准确地对彩色图像自动分割,自适应地确定聚类个数,并且与人眼对图像的视觉感受一致,很好地再现图像的概貌特征。分割结果有利于提取图像的主要轮廓等后续处理。 其次,对聚类后的图像进行边缘检测。分析研究了常见的边缘检测方法,并对它们的检测效果进行比较,最终确定了利用Canny算子对聚类分割后的图像进行边缘检测。研究了边界跟踪算法,对边缘检测的结果进行断点连接和轮廓跟踪,得到原图像的轮廓点序列。 最后对轮廓匹配进行了研究。研究了基于曲率的轮廓匹配和基于角点的轮廓匹配,分析了这两种方法存在的不足。提出了基于道格拉斯-普克多边形拟合的轮廓匹配算法,应用道格拉斯-普克法对轮廓进行拟合,以克服噪声和变形的影响,对保留的轮廓点构建了二维几何特征不变量,用于相似性的度量。结果表明,本文方法在图像间存在4倍缩放关系时仍能实现轮廓点的正确匹配,并且对旋转、平移等变化也有很好的鲁棒性,同时可以应用于不同源的可见光与红外图像的匹配。