论文部分内容阅读
图像配准是计算机视觉、目标识别、图像重建、机器人视觉等领域中的关键技术和图像处理的基本任务之一。图像配准是将不同时间、不同图像传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。为此,图像配准技术在军事、遥感、医学、遥感图像处理等领域得到了广泛应用。目前对图像配准的研究主要分为三大类:基于灰度相关的配准方法,基于对图像的理解和解释的配准方法和基于特征的配准方法。随着相关技术的发展,对图像配准提出了新的要求,即要求在有限的时间内高精度、准确地实现图像间的配准。本论文针对基于特征的配准方法进行了相关研究,具体工作如下:①阐述了图像配准技术的发展以及现实背景,并针对基于特征的图像配准进行了详细的介绍,分析了基于特征的图像配准技术的研究现状。然后重点介绍了特征检测、特征描述以及特征匹配技术存在的主要问题以及它们对实现整个配准过程的重要性。②为了有效的改善特征检测技术中存在的主要问题,在分析现有的Harris、FAST、DOG特征检测算法的基础上,改进了原有的CSS特征检测算法,得到一种多尺度的CSS特征检测算法,该算法能有效的检测图像的特征点,并能提高运算速度,能很好的表征图像的表象特征。③针对现有的基于特征的图像配准算法存在的问题,在多尺度CSS算法的基础上结合Daisy算法实现了图像间配准,该配准算法能高效准确的实现图像间的配准。④分析了融合多尺度CSS与DAISY图像配准算法的优缺点,发现针对特征检测与特征描述的改进并不能很好的解决图像配准算法的时间效率。在此基础上,针对现有的特征匹配算法不能很好的解决高维数据的检索问题,在LSH算法的基础上提出了一种改进算法(ELSH),并结合传统的SIFT算法实现图像间的快速准确配准。通过大量实验和分析,对多尺度CSS特征检测算法进行了验证,并在此基础上结合DAISY特征描述算法实现了图像间的准确配准。对基于ELSH的图像配准算法与传统的BBF及LSH算法的计算时间进行了比较,结果表明该算法大大缩减了算法的运行时间,能实现图像间的快速准确配准。