基于Harris尺度不变特征的图像匹配算法研究

【摘要】： 图像匹配是遥感、医学、计算机视觉等很多领域中的一个基本问题。在遥感领域,实现图像融合、变化检测、图像校正、图像镶嵌等应用中,图像匹配都是必不可少的一个关键步骤。由于遥感信息量大,应用范围广,因此实现自动匹配一直是人们追求的目标。 本文采用基于特征的图像匹配方法。首先通过对常用的几种特征点提取方法进行了实验性地分析,利用复现率指标对几种方法进行评价,结果表明,具有有效参数设置的Harris尺度不变特征检测方法的性能最好;然后本文着重描述了一种基于特征的图像匹配方法(SIFT算法),并将性能最稳定的SIFT描述子引入到Harris尺度不变特征的描述过程当中,由该方法提取到的特征具有旋转、尺度、亮度不变性,对噪声也具有一定的稳定性,在一定程度上提高了匹配的稳定性。 在匹配算法上,通过计算特征向量之间的欧氏距离来衡量两幅图像中特征之间的相似度。为了提高图像匹配的精度,去除大部分的误匹配,本文使用基于最近邻算法的双向匹配策略:首先,提取出各自的Harris特征向量;然后,依次取第一幅图像的每个特征点,采用穷尽搜索找出其与第二幅图像中的欧氏距离最近的前两个点,在这两个特征点中,如果最近的距离除以次近的距离小于匹配阈值,则表示第一幅图像中的这个特征点与第二幅图像中欧氏距离最近的特征点匹配;最后,对上一步得到的待匹配图像中已被匹配的特征点,依照同样的方法计算出该点的匹配点。针对匹配正确率指标,通过对基于SIFT特征的匹配算法和本文改进的匹配算法进行实验性地对比分析,结果表明本文改进后的匹配算法的匹配正确率较高,性能更稳定,适合于对于匹配精度要求较高的场合。