基于局部不變特征的實時精確景象匹配算法研究

1、基于局部不變特征的實時精確景象匹配算法研究    英文題名 Research on the Real-time and Accurate Scene Matching Algorithm Based on Local Invariant Features  關(guān)鍵詞 慣性組合導(dǎo)航系統(tǒng); 局部不變特征; SIFT; SURF; 景象匹配輔助導(dǎo)航; 特征匹配; 英文關(guān)鍵詞 Inertial integrated navigation system; Local invariant features; SIFT; SURF; Scene matchin

2、g aided navigation; Feature matching; 中文摘要 本文開展了景象匹配輔助導(dǎo)航系統(tǒng)中基于局部不變特征的景象匹配算法研究,并通過建立仿真平臺對提出的理論、算法和方案進行了驗證。 在實際應(yīng)用過程中,圖像可能受到噪聲、背景的干擾,也可能發(fā)生視角、光照、尺度、平移、旋轉(zhuǎn)等變化,如何選擇合理的圖像匹配算法,使之滿足景象匹配輔助導(dǎo)航系統(tǒng)的要求,即精確性、實時性、魯棒性,是景象匹配算法的核心所在?？紤]到采用部分Hausdorff距離度量進行圖像匹配定位,匹配精度有限,速度較慢,抗旋轉(zhuǎn)和抗噪聲能力差,且難以精確確定圖像之間的旋轉(zhuǎn)變換參數(shù),為此,本文通過引入圖像局部不變特征并應(yīng)

3、用于景象匹配輔助導(dǎo)航中,可以有效克服部分Hausdorff距離度量上的不足,從而大大提高圖像匹配算法性能。 SIFT(Scale Invariant Feature Transform)特征不僅具有良好的表征性能,而且在視角、尺度、旋轉(zhuǎn)變化下保持不變。本文針對圖像間存在較大幾何畸變的情況,以SIFT特征為基礎(chǔ),提出并系統(tǒng)地闡述了基于SIFT特征的慣性/圖形組合導(dǎo)航用景象匹配算法,該算法利用SIFT特征點實現(xiàn)特征匹配,提高了圖像匹配精度、速度、穩(wěn)定性和魯棒性。 針對SAR圖像受到幾何. 英文摘要 The scene matching algorithm in the inertial integ

4、rated navigation system based on image local features is studied in this dissertation 摘要 4-5 Abstract 5-6 第一章 緒論 13-21     1.1 引言 13-14     1.2 景象匹配輔助導(dǎo)航技術(shù) 14-15     1.3 景象匹配算法研究現(xiàn)狀 15-18         1.3.1 基于區(qū)域的匹配算法 16  &

5、#160;      1.3.2 基于解釋的匹配算法 16         1.3.3 基于特征的匹配算法 16-18     1.4 圖像匹配技術(shù)難點 18     1.5 論文主要研究內(nèi)容和意義 18-21 第二章 基于局部不變特征的景象匹配方案研究 21-31     2.1 引言 21     2.2 景象匹配的理論分析 21-24  &#

6、160;      2.2.1 景象匹配的數(shù)學描述 21         2.2.2 空間變換模型 21-23         2.2.3 圖像匹配誤差來源 23         2.2.4 圖像精確匹配模型 23-24     2.3 不變特征 24-25     2.4 局部

7、不變特征 25-28         2.4.1 性能 25-26         2.4.2 局部不變特征檢測的研究現(xiàn)狀 26-28     2.5 基于局部不變特征的景象匹配總體方案 28-30         2.5.1 基于局部不變特征的景象匹配系統(tǒng)實現(xiàn) 28-30        

8、 2.5.2 誤匹配點剔除方法 30     2.6 本章小結(jié) 30-31 第三章 基于局部不變特征的抗變形快速景象匹配算法研究 31-47     3.1 引言 31     3.2 SIFT 算法 31-37         3.2.1 尺度空間極值求取 32-35         3.2.2 特征點方向確定 35-36    

9、60;    3.2.3 提取特征描述符 36         3.2.4 特征匹配 36-37     3.3 SIFT 算法實現(xiàn)圖像匹配流程 37-39         3.3.1 圖像匹配流程設(shè)計 37-38         3.3.2 RANSAC 算法 38-39     

10、60;   3.3.3 最小二乘精匹配算法 39     3.4 慣性組合導(dǎo)航系統(tǒng)中SIFT 特征匹配算法優(yōu)化設(shè)計 39-42         3.4.1 SIFT 特征點方向 39-40         3.4.2 實測圖尺寸的選擇 40-41         3.4.3 保留邊緣特征點 41    

11、60;    3.4.4 SIFT 特征匹配參數(shù)選擇 41-42     3.5 基于SIFT 特征的導(dǎo)航用快速圖像匹配算法 42     3.6 實驗結(jié)果及分析 42-46         3.6.1 算法對不同分辨率圖像和不同區(qū)域的匹配適應(yīng)性分析 42-43         3.6.2 算法的抗噪聲性能分析 43-45    

12、0;    3.6.3 算法的匹配精度分析 45-46         3.6.4 算法實時性分析 46         3.6.5 算法性能總結(jié) 46     3.7 本章小結(jié) 46-47 第四章 基于局部不變特征的魯棒景象匹配算法研究 47-60     4.1 引言 47-48     4.2 SAR 景象匹配工作原理及對圖像匹配算

13、法的需求分析 48-50         4.2.1 SAR 成像基本原理 48         4.2.2 SAR 景象匹配算法特性 48-50     4.3 SURF 特征匹配算法基本原理 50-53         4.3.1 特征點檢測 50-52         4.3.2 特

14、征點方向確定 52         4.3.3 提取特征描述符 52-53         4.3.4 特征匹配 53     4.4 基于SURF 特征的魯棒景象匹配算法 53-55     4.5 實驗結(jié)果與分析 55-59         4.5.1 算法對SAR 圖像不同區(qū)域的匹配適應(yīng)性分析 55-56  &#

15、160;      4.5.2 算法的抗斑點噪聲性能分析 56-57         4.5.3 算法的匹配精度分析 57-58         4.5.4 算法實時性分析 58         4.5.5 算法性能總結(jié) 58-59     4.6 本章小結(jié) 59-60 第五章 慣性/景象匹配組合導(dǎo)航仿真研究

16、 60-70     5.1 引言 60     5.2 景象匹配輔助導(dǎo)航仿真系統(tǒng)原理與結(jié)構(gòu) 60-61     5.3 慣性/景象匹配組合導(dǎo)航仿真實驗 61-68         5.3.1 基于SIFT 的慣性/景象匹配組合導(dǎo)航系統(tǒng)仿真結(jié)果分析 64-66         5.3.2 基于SURF 的慣性/景象匹配組合導(dǎo)航系統(tǒng)仿真結(jié)果分析 66-67  

17、       5.3.3 慣性/景象匹配組合導(dǎo)航仿真結(jié)果分析 67-68     5.4 本章小結(jié) 68-70 第六章 總結(jié)與展望 70-73     6.1 總結(jié) 70-71     6.2 展望 71-73 參考文獻 73-78     3.3 SIFT 算法實現(xiàn)圖像匹配流程 37-39         3.3.1 圖像匹配流程設(shè)計 37-38

18、         3.3.2 RANSAC 算法 38-39         3.3.3 最小二乘精匹配算法 39     3.4 慣性組合導(dǎo)航系統(tǒng)中SIFT 特征匹配算法優(yōu)化設(shè)計 39-42         3.4.1 SIFT 特征點方向 39-40         3.4.2 實測圖

19、尺寸的選擇 40-41         3.4.3 保留邊緣特征點 41         3.4.4 SIFT 特征匹配參數(shù)選擇 41-42     3.5 基于SIFT 特征的導(dǎo)航用快速圖像匹配算法 42     3.6 實驗結(jié)果及分析 42-46         3.6.1 算法對不同分辨率圖像和不同區(qū)域的匹配適應(yīng)性分析 4

20、2-43         3.6.2 算法的抗噪聲性能分析 43-45         3.6.3 算法的匹配精度分析 45-46         3.6.4 算法實時性分析 46         3.6.5 算法性能總結(jié) 46     3.7 本章小結(jié) 46-47 第四章 基于局部不變特

21、征的魯棒景象匹配算法研究 47-60     4.1 引言 47-48     4.2 SAR 景象匹配工作原理及對圖像匹配算法的需求分析 48-50         4.2.1 SAR 成像基本原理 48         4.2.2 SAR 景象匹配算法特性 48-50     4.3 SURF 特征匹配算法基本原理 50-53    

22、     4.3.1 特征點檢測 50-52         4.3.2 特征點方向確定 52         4.3.3 提取特征描述符 52-53         4.3.4 特征匹配 53     4.4 基于SURF 特征的魯棒景象匹配算法 53-55     4.5 實驗結(jié)果與分

23、析 55-59         4.5.1 算法對SAR 圖像不同區(qū)域的匹配適應(yīng)性分析 55-56         4.5.2 算法的抗斑點噪聲性能分析 56-57         4.5.3 算法的匹配精度分析 57-58         4.5.4 算法實時性分析 58    

24、0;    4.5.5 算法性能總結(jié) 58-59     4.6 本章小結(jié) 59-60 第五章 慣性/景象匹配組合導(dǎo)航仿真研究 60-70     5.1 引言 60     5.2 景象匹配輔助導(dǎo)航仿真系統(tǒng)原理與結(jié)構(gòu) 60-61     5.3 慣性/景象匹配組合導(dǎo)航仿真實驗 61-68         5.3.1 基于SIFT 的慣性/景象匹配組合導(dǎo)航系統(tǒng)仿真結(jié)果分析 64

25、-66         5.3.2 基于SURF 的慣性/景象匹配組合導(dǎo)航系統(tǒng)仿真結(jié)果分析 66-67         5.3.3 慣性/景象匹配組合導(dǎo)航仿真結(jié)果分析 67-68     5.4 本章小結(jié) 68-70 第六章 總結(jié)與展望 70-73     6.1 總結(jié) 70-71     6.2 展望 71-73 參考文獻 73-78   

26、60; 3.3 SIFT 算法實現(xiàn)圖像匹配流程 37-39         3.3.1 圖像匹配流程設(shè)計 37-38         3.3.2 RANSAC 算法 38-39         3.3.3 最小二乘精匹配算法 39     3.4 慣性組合導(dǎo)航系統(tǒng)中SIFT 特征匹配算法優(yōu)化設(shè)計 39-42     &

27、#160;   3.4.1 SIFT 特征點方向 39-40         3.4.2 實測圖尺寸的選擇 40-41         3.4.3 保留邊緣特征點 41         3.4.4 SIFT 特征匹配參數(shù)選擇 41-42     3.5 基于SIFT 特征的導(dǎo)航用快速圖像匹配算法 42    

28、 3.6 實驗結(jié)果及分析 42-46         3.6.1 算法對不同分辨率圖像和不同區(qū)域的匹配適應(yīng)性分析 42-43         3.6.2 算法的抗噪聲性能分析 43-45         3.6.3 算法的匹配精度分析 45-46         3.6.4 算法實時性分析 46   

29、;      3.6.5 算法性能總結(jié) 46     3.7 本章小結(jié) 46-47 第四章 基于局部不變特征的魯棒景象匹配算法研究 47-60     4.1 引言 47-48     4.2 SAR 景象匹配工作原理及對圖像匹配算法的需求分析 48-50         4.2.1 SAR 成像基本原理 48         4.2.2 SAR 景象匹配算法特性 48-50     4.3 SURF 特征匹配算法基本原理 50-53         4.3.1 特征點檢測 50-52         4.3.2 特征點方向確定 52         4.3.3 提取特征描述符 52-53