随后，在20世纪70年代初，P.E.Anuta[14]将图像间互相关的傅立叶变换技术应用到图像匹配技术中来，从而使图像检测过程中计算的速度得到了较大的提升等提出了使用模板子图像差值相似性测度的图像匹配技术，随后Barnea[15]等学者们对图像匹配进行了大量研究，比如模板子图像的匹配、互相关理论在图像上的应用、图像匹配的相似性评价标准和预处理流程、多图像的自动匹配等技术。
继Moravec在文献[16]中提出的Moravec角点检测算子之后，Chris Harris和Mike Stephens[17]于1988提出的Harris角点检测算子 ，由于Harris角点检测算子具有许多优良，因此得到广泛的应用，并出现在许多高级的图像匹配算法中，使图像匹配的效果和效率有了很大的提升，不仅在实际应用上极大地推动了图像匹配技术在各领域的发展，而且在理论上迈上了一个新的台阶。
Lowe等[18]在1999年提出的SIFT（Scale Invariant Feature Transform）特征算子进一步推动了图像匹配技术的发展，该算子不仅具有Harris角点检测算子一样的优点，对光照、旋转、仿射、视角不敏感，而且具有尺度不变性，即使对目标的移动、遮盖、部分噪声等条件下，也保持了非常好的匹配效果。
总的来说，图像匹配技术不论在国际上的发展研究，还是国内学者们的关注程度，与计算机的其他领域探索比起来，都有着不可替代的地位，并且根据网上公布数据显示，图像匹配技术研究从21世纪起进入高速发展时期。本文来自优,文~论^文·网原文请找腾讯324.9114
1.3 本文主要研究内容和所做的工作
本文的主要工作是对图像匹配的一些关键技术进行研究与实现。文中对图像匹配的概念、图像匹配的内容和意义、常用的图像匹配算法、图像匹配的应用领域做了一般性的描述;对各种常用匹配方法做了较为详细的探讨;重点研究了基于灰度的匹配算法和基于特征点匹配的图像匹配方法中的Harris和SIFT特征点提取法。同时，对基于灰度匹配的搜索算法进行了改进，并通过实验证明了本文改进算法的有效性和适用性。全文共分为优个部分，第二部分至第优部分的内容安排如下:
第二部分对图像匹配进行概述，了解了图像匹配的定义，并对图像匹配中的某些要素进行阐述、图像匹配方法的分类这几方面作了比较系统的描述。
第三部分主要探讨了图像基于Harris角点的特征提取方法。首先讨论了Harris特征点提取法提取图像的特征，对Harris角点提取的原理进行了详细的叙述，然后用基于奇异值分解的方法对提取的特征点进行匹配，最后通过编程来实现该算法。
对于较新的SIFT角点检测技术，
论文网http://www.youerw.com/ 我们将在第四部分进行该检测算法的研究。该部分在理论上对SIFT角点检测过程进行了详尽的描述，并在实践上通过编程来实现SIFT角点的提取。
而第五部分主要讨论的基于灰度的匹配算法，可以满足实际应用中对于运行时间的严格要求。在这部分我们首先详细阐述了基于灰度的匹配算法的实现原理，再通过两种方法来改进算法的匹配效率，并通过实验来验证该改进的算法的有效性。
第优部分对本文的研究工作进行了总结，并针对本文存在不足之处提出了下一步的研究工作内容和重点。
上一页 [1] [2] [3] [4] [5] [6] 下一页
基于灰度与角点检测的图像匹配算法的研究与实现 第4页下载如图片无法显示或论文不完整，请联系qq752018766
