论文部分内容阅读
特征提取与匹配是近几年图像处理和计算机视觉中最重要、发展最为迅速的一项技术,已成为计算机图形图像处理、计算机视觉等领域众多学者研究的热点,并且日常生活、遥感、医学图像和军事等领域得到广泛应用。但是目前图像特征提取与匹配研究中还有很多待解决的问题,特别是现今使用非常广泛的SIFT算法,其算法处理时间和和对仿射变换的适应性都存在较大缺陷。本文就是围绕这两个问题进行了深入研究,提出了一种基于MSER与SURF的特征提取与匹配方法,并将其应用到了图像拼接项目中。本文工作主要有:(1)深入研究了SIFT,SURF和MSER三种特征提取算法。分析和总结了SIFT算法的两大缺点:算法处理速度慢,对仿射变换适应性差。结合SURF算法在处理时间上的优势和MSER区域对仿射变化适应性的优势,提出了一种基于MSER与SURF的特征提取与匹配方法。(2)提出的新方法要将MSER区域与SURF关键点相结合,统一用SURF描述子进行描述。但MSER区域与SURF关键点有较大的差异性,为了将MSER区域结合到SURF算法中,本文深入研究了SURF关键点和MSER区域的特点,设计了一种将MSER区域转化为SURF关键点的方法。(3)对提出的新方法进行了总体流程的设计,并充分分析了新方法的各个部分,对各个部分与传统方法进行了详细的实验对比。通过实验结果证明了新方法对SIFT算法两大缺点的改进作用。(4)将新方法应用到图像拼接项目中,开发出了一套图像拼接软件。