基于特征点图像匹配方法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
像之间识别同名点，如二维图像匹配中通过比较目标区 和搜索区中相同大小的窗口的相关系数，取搜索区中相 关系数最大所对应的窗口中心点作为同名点。
其实质是在基元相似性的条件下，运用匹配准则的 最佳搜索问题。
图像匹配主要可分为以灰度为基础的匹配和以特征 为基础的匹配。
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的意义
基于特征点的图像匹配方法研究
2.1基于灰度的图像匹配算法
缺点： ➢ 匹配速度比较慢； ➢ 对图像灰度值依赖性大； ➢ 光照变化及噪声等方面敏感度高。
结论： 正是由于此类方法没有充分利用到灰度统计特性，因此不 适应匹配对象存在旋转和缩放的情况下图像的匹配问题， 而且算法匹配计算量较大，效率偏低。
基于特征点的图像匹配方法研究
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像配准的应用领域
医学领域 --CT,MRT----图像匹配后进行融合可以得到更多的信息
基于特征点的图像匹配方法研究
2.图像匹配的分类
图像匹配的分类
基于灰度信息 的图像匹配
基于特征信息 的图像匹配
基于特征点的图像匹配方法研究
2.图像匹配方法的分类
2.2基于特征的图像匹配算法
缺点： ➢ 算法涉及到大量的几何和形态学方面的计算，使得计算量
比较大，最终的计算时间太长而难以达到实时应用的要求； ➢ 由于此类算法通常需要针对不同的场合选择合适的特征，
所以并无统一模型可遵循。
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤
特征提取 特征匹配 估计变换模型 图像重采样及变换
2.图像匹配方法的分类
2.2基于特征的图像匹配算法 基于特征的图像匹配算法通常不直接依赖像素灰度值
，而是会经过较为复杂的图像处理过程提取特征后再进行 匹配。
特征匹配是指通过分别提取两个或多个图像的特征（ 点、线、面等特征），对特征进行参数描述，然后运用所 描述的参数来进行匹配的一种算法。
其一般做法是利用两幅图像中对灰度变化、缩放、旋 转等均具有不变性的特征，用相似性度量函数对其进行度 量，从而得到相关值进而完成图像匹配。
2.1基于灰度的图像匹配算法 基于灰度的图像匹配算法是直接利用匹配图像的灰度值
，选择某种相似性度量函数，然后再通过图像像素计算此 度量值，最终根据计算结果进行全局优化后实现匹配。
灰度匹配通过利用某种相似性度量度量函数可以是 MMSE (最小均方误差)、互相关值、SSDA 等。
此类方法无需对图像进行分割和特征提取，自然避免 了由这些预处理可能造成的图像信息丢失而引起的匹配精 度降低。这类方法主要的特点是在收敛速度、统计模型、 匹配精度及最终的估计误差方面均出现了较为成熟的研究 成果，并且原理简单容易理解。
基于特征点的图像匹配方法研究
基于特征点的图像匹配方法研究
目录
1. 图像匹配介绍 2. 图像匹配分类 3. 图像匹配的一般步骤 4. 图像匹配的主要方法 5. 部分匹配方法的实验结果
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的定义
图像匹配： 图像匹配是指通过一定的匹配算法在两幅或多幅图
图像匹配是处理多源图像信息融合、目标识别等实际问题 中的一个重要步骤。
图像匹配广泛应用于军事、医学、航空等多个重要科研领 域。
经过图像匹配后配准，可以获得质量更高、清晰度更好、 定位更准确的目标信息。
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的应用领域
计算机视觉领域
--视频监控----对跟踪的目标区域进行匹配跟踪
目标图像
匹配图像
特征点检测与提取
目标点集
匹配点集
特征点的描述
特征点的匹配和对准
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
➢ 特征提取是指分别提取两幅图像中共有的图像特征。 ➢ 这种特征是出现在两幅图像中对比例、旋转、平移等变换
保持一致性的特征，如线交叉点、物体边缘角点、虚圆闭 区域的中心等可提取的特征。 ➢ 特征包括：点、线和面三类。
基于特征点的图像匹配方法研究
Fra Baidu bibliotek
➢ 点特征是最常采用的一种图像特征，包括物体边缘点、角 点、线交叉点等；根据各特征点的兴趣值将特征点分成几 个等级。对不同的目的，特征点的提取应有所不同。
➢ 线特征是图像中明显的线段特征，如道路河流的边缘， 目标的轮廓线等。线特征的提取一般分两步进行：首先采 用某种算法提取出图像中明显的线段信息，然后利用限制 条件筛选出满足条件的线段作为线特征；
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的应用领域
遥感领域 --信息融合、环境监视、图像拼接、天气预报以及地
图更新等
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像配准的应用领域
军事领域 --变化检测、运动目标指示、视点稳定、大视场重构、 多通道融合、 地形定位和导航
基于特征点的图像匹配方法研究
3.1特征提取
点特征提取方法 --Susan (Susan Corner Detector)算法 SUSAN算法使用一个圆形的模板在图像上滑动，将位于圆 形模板中心的待检测的像素点称为核心点。假设图像为非 纹理,核心点的邻域被划分为两个区域:其一为亮度值等于 (或相似于)核心点亮度的区域,称为核值相似区(USAN),其 二为亮度值不相似于核心点亮度的区域。
区 域
基于特征点的图像匹配方法研究
3.1特征提取
点特征提取方法
--Harris (Harris Corner Detector)算法
受信号处理中相关函数的启发，给出与自相关函数相联 系的矩阵M，M矩阵的特征值是自相关函数的一阶曲率，如 果两个曲率值都高，那么就认为该点是角点，此方法对图 像旋转、亮度变化、视角变化和噪声的影响具有很好的鲁 棒性。
基于特征点的图像匹配方法研究
2.2基于特征的图像匹配算法
优点： ➢ 能够充分结合图像灰度等相关特性，同时还可以有效去除
因光照背景等条件不同时带来的误匹配问题。 ➢ 算法在图像发生缩放变换和旋转变换等现象时敏感度低，
适应性强，而对轻微扭曲或有一定噪声的图像较前者也有 较好的匹配度。
基于特征点的图像匹配方法研究
➢ 面特征是指利用图像中明显的区域信息作为特征。在实际 的应用中最后可能也是利用区域的重心或圆的圆心点等作 为特征。
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
特 征 点
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
直 线
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
其实质是在基元相似性的条件下，运用匹配准则的 最佳搜索问题。
图像匹配主要可分为以灰度为基础的匹配和以特征 为基础的匹配。
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的意义
基于特征点的图像匹配方法研究
2.1基于灰度的图像匹配算法
缺点： ➢ 匹配速度比较慢； ➢ 对图像灰度值依赖性大； ➢ 光照变化及噪声等方面敏感度高。
结论： 正是由于此类方法没有充分利用到灰度统计特性，因此不 适应匹配对象存在旋转和缩放的情况下图像的匹配问题， 而且算法匹配计算量较大，效率偏低。
基于特征点的图像匹配方法研究
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像配准的应用领域
医学领域 --CT,MRT----图像匹配后进行融合可以得到更多的信息
基于特征点的图像匹配方法研究
2.图像匹配的分类
图像匹配的分类
基于灰度信息 的图像匹配
基于特征信息 的图像匹配
基于特征点的图像匹配方法研究
2.图像匹配方法的分类
2.2基于特征的图像匹配算法
缺点： ➢ 算法涉及到大量的几何和形态学方面的计算，使得计算量
比较大，最终的计算时间太长而难以达到实时应用的要求； ➢ 由于此类算法通常需要针对不同的场合选择合适的特征，
所以并无统一模型可遵循。
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤
特征提取 特征匹配 估计变换模型 图像重采样及变换
2.图像匹配方法的分类
2.2基于特征的图像匹配算法 基于特征的图像匹配算法通常不直接依赖像素灰度值
，而是会经过较为复杂的图像处理过程提取特征后再进行 匹配。
特征匹配是指通过分别提取两个或多个图像的特征（ 点、线、面等特征），对特征进行参数描述，然后运用所 描述的参数来进行匹配的一种算法。
其一般做法是利用两幅图像中对灰度变化、缩放、旋 转等均具有不变性的特征，用相似性度量函数对其进行度 量，从而得到相关值进而完成图像匹配。
2.1基于灰度的图像匹配算法 基于灰度的图像匹配算法是直接利用匹配图像的灰度值
，选择某种相似性度量函数，然后再通过图像像素计算此 度量值，最终根据计算结果进行全局优化后实现匹配。
灰度匹配通过利用某种相似性度量度量函数可以是 MMSE (最小均方误差)、互相关值、SSDA 等。
此类方法无需对图像进行分割和特征提取，自然避免 了由这些预处理可能造成的图像信息丢失而引起的匹配精 度降低。这类方法主要的特点是在收敛速度、统计模型、 匹配精度及最终的估计误差方面均出现了较为成熟的研究 成果，并且原理简单容易理解。
基于特征点的图像匹配方法研究
基于特征点的图像匹配方法研究
目录
1. 图像匹配介绍 2. 图像匹配分类 3. 图像匹配的一般步骤 4. 图像匹配的主要方法 5. 部分匹配方法的实验结果
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的定义
图像匹配： 图像匹配是指通过一定的匹配算法在两幅或多幅图
图像匹配是处理多源图像信息融合、目标识别等实际问题 中的一个重要步骤。
图像匹配广泛应用于军事、医学、航空等多个重要科研领 域。
经过图像匹配后配准，可以获得质量更高、清晰度更好、 定位更准确的目标信息。
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的应用领域
计算机视觉领域
--视频监控----对跟踪的目标区域进行匹配跟踪
目标图像
匹配图像
特征点检测与提取
目标点集
匹配点集
特征点的描述
特征点的匹配和对准
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
➢ 特征提取是指分别提取两幅图像中共有的图像特征。 ➢ 这种特征是出现在两幅图像中对比例、旋转、平移等变换
保持一致性的特征，如线交叉点、物体边缘角点、虚圆闭 区域的中心等可提取的特征。 ➢ 特征包括：点、线和面三类。
基于特征点的图像匹配方法研究
Fra Baidu bibliotek
➢ 点特征是最常采用的一种图像特征，包括物体边缘点、角 点、线交叉点等；根据各特征点的兴趣值将特征点分成几 个等级。对不同的目的，特征点的提取应有所不同。
➢ 线特征是图像中明显的线段特征，如道路河流的边缘， 目标的轮廓线等。线特征的提取一般分两步进行：首先采 用某种算法提取出图像中明显的线段信息，然后利用限制 条件筛选出满足条件的线段作为线特征；
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像匹配的应用领域
遥感领域 --信息融合、环境监视、图像拼接、天气预报以及地
图更新等
基于特征点的图像匹配方法研究
1.图像匹配介绍----图像配准的应用领域
军事领域 --变化检测、运动目标指示、视点稳定、大视场重构、 多通道融合、 地形定位和导航
基于特征点的图像匹配方法研究
3.1特征提取
点特征提取方法 --Susan (Susan Corner Detector)算法 SUSAN算法使用一个圆形的模板在图像上滑动，将位于圆 形模板中心的待检测的像素点称为核心点。假设图像为非 纹理,核心点的邻域被划分为两个区域:其一为亮度值等于 (或相似于)核心点亮度的区域,称为核值相似区(USAN),其 二为亮度值不相似于核心点亮度的区域。
区 域
基于特征点的图像匹配方法研究
3.1特征提取
点特征提取方法
--Harris (Harris Corner Detector)算法
受信号处理中相关函数的启发，给出与自相关函数相联 系的矩阵M，M矩阵的特征值是自相关函数的一阶曲率，如 果两个曲率值都高，那么就认为该点是角点，此方法对图 像旋转、亮度变化、视角变化和噪声的影响具有很好的鲁 棒性。
基于特征点的图像匹配方法研究
2.2基于特征的图像匹配算法
优点： ➢ 能够充分结合图像灰度等相关特性，同时还可以有效去除
因光照背景等条件不同时带来的误匹配问题。 ➢ 算法在图像发生缩放变换和旋转变换等现象时敏感度低，
适应性强，而对轻微扭曲或有一定噪声的图像较前者也有 较好的匹配度。
基于特征点的图像匹配方法研究
➢ 面特征是指利用图像中明显的区域信息作为特征。在实际 的应用中最后可能也是利用区域的重心或圆的圆心点等作 为特征。
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
特 征 点
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
直 线
基于特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取