边缘特征提取及其在图像匹配中的应用研究答辩稿
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)。
论文题目:
边缘特征提取及其在图像匹配中的应用研究
指导老师: 学 生: 毕业时间:2014年6月
LOGO
论文的总体结构和主要内容
第一章:课题的研究背景及意义 第二章:图像匹配 第三章:边缘检测 第四章:仿真 第五章:总结
课题的背景及意义
当今社会是信息社会,各种媒体各种工具相互交存于社 会的方方面面,而图像在其中又占据了极其重要的地位。数 字图像的特点决定了其灵活性,并且以强大的功能成为现阶 段图像处理技术的主流。 图像匹配是图像处理的基础任务之一,早在70年代, 人们就开始了在图像匹配方面的研究,近年来图像匹配技术 的研究涵盖了多个应用领域,在计算机视觉及模式识别、医 学图像分析、遥感数据处理、机器人学、计算机辅助设计与 制造、天文学等学科中匹配技术均占有举足轻重的地位。所 以选择合适有效的匹配方法,探索高效的图像匹配方法具有 广阔的应用前景。
致谢 在此论文完成之际,首先应该向我的导师 王红梅老师表示最衷心的感谢和深深地敬 意,感谢王红梅老师对我毕业设计工作上 的指导和帮助。 在四年的大学生活里,还有许多老师和同 学的关心和帮助,在此向大家致以衷心的 感谢。
谢谢
祝各位老师:工作顺利, 身体健康。
6:图像变换
边缘检测与提取
图像边缘检测的基本步骤
1:滤波。边缘检测主要基于导数计 算,但受噪声影响。但滤波器在降 低噪声的同时也导致边缘强度的损 失。 2:增强。增强算法将邻域中灰度有 显著变化的点突出显示一般通过计 算梯度幅值完成。 3:检测。在有些图像中梯度幅值较 大的并不是边缘点。最简单的边缘 检测是梯度幅值阈值判定。 4:定位。精确确定边缘的位置
图像匹配方法的流程 本文用到的图像匹配方法的过程可以分 为以下四个步骤:
选 Байду номын сангаас 匹 配 区 域
边 缘 检 测
特 征 匹 配
确 定 位 置
图像匹配结果
图像匹配原始图像
匹配子图
图像匹配基准图像
图像匹配结果
图像匹配结果效果图
边缘检测与提取
图像边缘检测的主要内容
1:图像获得和抽样 2:图像分割 3:边界查索 4:图像增强和复原 5:图像分类(识别)
边缘检测
Canny算法边缘检测效果图
子图像检测结果
原图边缘检测结果
基于边缘的特征匹配程序
clear all; A=imread('onion.png'); B=imread('peppers.png'); BW1=edge(A,'canny'); BW2 = edge(B,'canny'); for m=1:315 for n=1:250 I=imcrop(BW2,[m,n,197,134]); C=imsubtract(I,BW1); E=abs(C); G(m,n)=sum(sum(E)); [m1,n1]=find(G==min(min(G))); end end S=min(min(G)), m1, n1, imshow(B); rectangle('Position',[m1,n1,198,135],'Curvature',[0,0],'LineWidth',2,' EdgeColor','w');
滤波 增强
检测
定位
边缘检测
Canny边缘检测算法
step1:用高斯滤波器平滑图象;
step2:用一阶偏导的有限差分来计算梯度的幅值和方向;
step3:对梯度幅值进行非极大值抑制; step4:用双阈值算法检测和连接边缘。 程序如下 I = imread('yun01.png');%读取图像 BW1 = edge(I,'canny');%使用canny方法检测边缘 subplot(221), imshow(I);%显示原图像 subplot(222), imshow(BW1);%显示canny方法检测的边缘
基于边缘的图像匹配
先检测图像的边缘再进行匹配 匹配效果图
基于边缘的图像匹配
基于边缘的图像匹配最终结果
旋转后的图像匹配
将基准图旋转3度后再进行图像匹配
旋转后的匹配结果
结果分析 理想状态下成功的在原图中框出子图的位 置,说明本文用到的方法是可行的,但是 在图像旋转三度后再进行图像匹配没能准 确地找出子图的位置,因为本文用到的方 法是最基本的匹配方法,有一定的缺陷, 还有待改进。
边缘特征提取及其在图像匹配中的应用研究
指导老师: 学 生: 毕业时间:2014年6月
LOGO
论文的总体结构和主要内容
第一章:课题的研究背景及意义 第二章:图像匹配 第三章:边缘检测 第四章:仿真 第五章:总结
课题的背景及意义
当今社会是信息社会,各种媒体各种工具相互交存于社 会的方方面面,而图像在其中又占据了极其重要的地位。数 字图像的特点决定了其灵活性,并且以强大的功能成为现阶 段图像处理技术的主流。 图像匹配是图像处理的基础任务之一,早在70年代, 人们就开始了在图像匹配方面的研究,近年来图像匹配技术 的研究涵盖了多个应用领域,在计算机视觉及模式识别、医 学图像分析、遥感数据处理、机器人学、计算机辅助设计与 制造、天文学等学科中匹配技术均占有举足轻重的地位。所 以选择合适有效的匹配方法,探索高效的图像匹配方法具有 广阔的应用前景。
致谢 在此论文完成之际,首先应该向我的导师 王红梅老师表示最衷心的感谢和深深地敬 意,感谢王红梅老师对我毕业设计工作上 的指导和帮助。 在四年的大学生活里,还有许多老师和同 学的关心和帮助,在此向大家致以衷心的 感谢。
谢谢
祝各位老师:工作顺利, 身体健康。
6:图像变换
边缘检测与提取
图像边缘检测的基本步骤
1:滤波。边缘检测主要基于导数计 算,但受噪声影响。但滤波器在降 低噪声的同时也导致边缘强度的损 失。 2:增强。增强算法将邻域中灰度有 显著变化的点突出显示一般通过计 算梯度幅值完成。 3:检测。在有些图像中梯度幅值较 大的并不是边缘点。最简单的边缘 检测是梯度幅值阈值判定。 4:定位。精确确定边缘的位置
图像匹配方法的流程 本文用到的图像匹配方法的过程可以分 为以下四个步骤:
选 Байду номын сангаас 匹 配 区 域
边 缘 检 测
特 征 匹 配
确 定 位 置
图像匹配结果
图像匹配原始图像
匹配子图
图像匹配基准图像
图像匹配结果
图像匹配结果效果图
边缘检测与提取
图像边缘检测的主要内容
1:图像获得和抽样 2:图像分割 3:边界查索 4:图像增强和复原 5:图像分类(识别)
边缘检测
Canny算法边缘检测效果图
子图像检测结果
原图边缘检测结果
基于边缘的特征匹配程序
clear all; A=imread('onion.png'); B=imread('peppers.png'); BW1=edge(A,'canny'); BW2 = edge(B,'canny'); for m=1:315 for n=1:250 I=imcrop(BW2,[m,n,197,134]); C=imsubtract(I,BW1); E=abs(C); G(m,n)=sum(sum(E)); [m1,n1]=find(G==min(min(G))); end end S=min(min(G)), m1, n1, imshow(B); rectangle('Position',[m1,n1,198,135],'Curvature',[0,0],'LineWidth',2,' EdgeColor','w');
滤波 增强
检测
定位
边缘检测
Canny边缘检测算法
step1:用高斯滤波器平滑图象;
step2:用一阶偏导的有限差分来计算梯度的幅值和方向;
step3:对梯度幅值进行非极大值抑制; step4:用双阈值算法检测和连接边缘。 程序如下 I = imread('yun01.png');%读取图像 BW1 = edge(I,'canny');%使用canny方法检测边缘 subplot(221), imshow(I);%显示原图像 subplot(222), imshow(BW1);%显示canny方法检测的边缘
基于边缘的图像匹配
先检测图像的边缘再进行匹配 匹配效果图
基于边缘的图像匹配
基于边缘的图像匹配最终结果
旋转后的图像匹配
将基准图旋转3度后再进行图像匹配
旋转后的匹配结果
结果分析 理想状态下成功的在原图中框出子图的位 置,说明本文用到的方法是可行的,但是 在图像旋转三度后再进行图像匹配没能准 确地找出子图的位置,因为本文用到的方 法是最基本的匹配方法,有一定的缺陷, 还有待改进。