论文部分内容阅读
近年来,随着电子集成技术的发展,移动设备的计算和存储能力得到了飞跃式的提升,使得作为图像分析等深度应用基础的图像特征匹配在移动端得到了广泛而深入的研究。目前,已有众多学者提出了适于移动应用的特征匹配方法,取得了一定的建设性研究成果,但仍存在较多不足:点特征表示不准确,尤其在图像平滑区域,特征点数量较少且特征方向估算不足,给后续特征点匹配带来困难;点特征匹配容易受到相似特征描述子的干扰,导致特征点出现误匹配。针对上述问题,论文的主要研究工作如下:1.提出了一种基于分数阶微分的特征表示方法,提高了图像特征表示的准确性。针对移动端容易产生模糊图像和图像分辨率不高的问题,本文研究了分数阶微分理论,用分数阶微分估计梯度算子,并应用到移动端检测算子ORB、BRISK和FREAK特征表示中,提高了特征点表示的准确性;同时,通过引入图像金字塔改进了ORB算子,更好地适应了图像尺度变化。实验结果表明改进算法可有效提高图像特征点数量,平均提高幅度在15%左右。2.提出了一种基于结构保持的层次化图模型匹配方法,提高了图像特征匹配正确率。传统特征匹配方法主要使用距离约束寻找最优匹配点,在特征表示不精确的情况下,误匹配率较高。本文采用两层匹配策略,先通过距离约束找出强匹配点集,再通过引入形状约束的方法,从角度和距离两个方面约束保持点的结构不变,实现弱特征点的匹配。通过实验表明,改进算法能较大幅提高特征匹配的正确率,平均提升幅度在50%左右。3.基于iOS系统实现了适于移动应用的图像特征匹配方法。结合iOS系统架构及MVC设计模式将分数阶微分算子与结构保持的层次化图匹配分别应用于ORB、BRISK及FREAK算法中,并在i Phone 6上进行实验。通过取景现实拍摄,图像特征匹配的正确率都不低于90%。