圖像匹配技術(shù)是許多計算機(jī)視覺應(yīng)用中的一項基礎(chǔ)而關(guān)鍵的技術(shù),其目的是從空間上對齊不同時間、不同視點或不同傳感器獲取的同一場景的兩幅或多幅圖像。圖像匹配是三維重建、變化監(jiān)測、視頻跟蹤、圖像融合等眾多應(yīng)用中的核心前提,是計算機(jī)視覺領(lǐng)域研究的重點。因此,設(shè)計一種快速、魯棒且能達(dá)到工業(yè)對效率與精度需求的圖像匹配算法,具有重要的價值意義。首先,針對傳統(tǒng)基于特征的圖像配算法對錯誤特征匹配容錯率不高的問題,本文提出了一種基于高斯場準(zhǔn)則的魯棒特征匹配方法（Gaussian Field Criterion,GFC）,使得場景存在復(fù)雜非剛性變換時仍能獲得高精度特征匹配結(jié)果。算法基于現(xiàn)有的尺度不變特征變換算法構(gòu)建初始特征匹配,然后專注于剔除其中的未知錯誤匹配。具體來說,本文將誤匹配剔除轉(zhuǎn)化為圖像變換回歸擬合問題,設(shè)計一種高斯場準(zhǔn)則實現(xiàn)存在錯誤樣本下的魯棒估計,進(jìn)而實現(xiàn)誤匹配精準(zhǔn)剔除。該準(zhǔn)則既可處理線性又可處理非線性圖像變換。在線性情形下,使用單應(yīng)性矩陣來對變換進(jìn)行建模;在非線性情況下,采用位于再生核Hilbert空間中的非剛性函數(shù)建模,同時設(shè)計相應(yīng)的正則化項并添加到目標(biāo)函數(shù)中以確保其良好的泛化能力。此外,將稀... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１ＳＩＦＴ關(guān)鍵點描述子的計算??使用一個高斯權(quán)值函數(shù)對每個采樣點的幅度分配一個權(quán)值，該函數(shù)的＾等于??

？士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??其中ｄ〇ｃ，＿ｙ；）是一種距離，例如歐氏距離。公式（３．３）是一個很難求得最優(yōu)解的??組合優(yōu)化問題。放棄使用不連續(xù)的指標(biāo)函數(shù)我們考慮公式（３．２）中的高斯場??設(shè)計下面的高斯場準(zhǔn)則：??Ｇ（ｆ）?＝?－｜＞??－＝＞?（３．４）??現(xiàn)在我們來討論高斯場準(zhǔn)則（３．３）的魯棒性。一方面，可以通過將標(biāo)準(zhǔn)差參??數(shù)＾調(diào)整到噪聲方差來解釋噪聲對點的位置的影響。另一方面，高斯距離本質(zhì)上??對離群點是魯棒的，我們可以通過圖１中的１２距離懲罰曲線和高斯距離懲罰曲線??看出這一點。特別的，乙損失Ｚ３（ｆ）?＝?Ｘ二，（ｆ（ｘ，），ｙ，）有二次懲罰曲線：??＿ｎ??

高斯距離相對于旋轉(zhuǎn)角度的曲線。最初的測試數(shù)據(jù)中只含有１００個內(nèi)點，我們每次增加２０??個離群點直到１００個離群點??我們通過圖３．２中的實驗進(jìn)一步給出高斯場準(zhǔn)則的魯棒性的證明。兩個點集??通過旋轉(zhuǎn)變換相關(guān)聯(lián)，我們需要找出最佳的旋轉(zhuǎn)角度０。從結(jié)果中我們可以知道??當(dāng)數(shù)據(jù)樣本沒有離群點的影響時矣損失可以很好的求出正確結(jié)果，然而，隨著離??群點的增加它求出的全局最優(yōu)解偏差越來越大。作為對照，高斯場準(zhǔn)則可以一直??做出好的預(yù)測甚至在離群點多達(dá)一半時仍能求出全局最優(yōu)解在沒＝＾／４附近。??為了求解公式（３．４）中的高斯場準(zhǔn)則，我們需要對變換函數(shù)ｆ進(jìn)行建模。從??公式（３．４）中可以看出高斯場準(zhǔn)則是普適性的，不依靠任何特殊的變換模型。接??下來我們分別使用單應(yīng)性和非剛性模型對線性和非線性匹配進(jìn)行建模。??３．２．３線性變換模型求解??對于由線性變換模型相關(guān)聯(lián)的圖像對，我們考慮以３ｘ３單應(yīng)矩陣Ｈ為特征的??一般投影變換。具體地，我們對每個特征點使用齊次坐標(biāo)，例如：＼?＝卜丨，Ｘｌｖ，ｉｆ和??。因此

【參考文獻(xiàn)】：
期刊論文
[1]使用特征匹配的三維目標(biāo)識別方法[J]. 趙季,馬杰,田金文.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2012(10)



本文編號：3232838