sift特征开题报告

基于sift角点特征的图像配准问题研究

专业班级数学与应用数学10-01

学生姓名龙婷

指导教师王晓峰

目录本课题的目的及意义。国内外研究现状分析。本课题的任务、重点内容、实现途径。完成本课题所需工作条件。本课题工作安排及进度。附录一、本课题的目的及意义1、目的

图像配准是图像处理的一个基础问题。它可以处理多个领域的很多际问题,如不同传感器获得的信息融合；不同时间、条件获得图像的差异检测;成像系统和物体场景变化情况下获得的图像的三维信息获取;图像中的模式或目标识别等。但是迄今为止还没有十分满意的图像配准方法，所以这方面的问题一直都是研究的热点。2、意义

1.在实际应用中,图像配准有着重大的应用价值。2图像配准的应用相当广泛：(1)计算机视觉与模式识别(2)医学图像分析(3)生物医学(4)语音识别、机器人学、文学、计算机辅助设计(CAD)、计算机辅助制造(CAM)等从以上方面可以看出，图像配准技术的应用前景十分广阔，深入研究图像拼接技术有着很重要的意义。二、国内外研究现状分析1.1、国外：

1、1996年由RichardSzeliski提出基于运动的图像配准模[1]，采Levenberg-Marquardt迭代非线性最小化方法(简称LM算法)，通过求出图像间的几何变换关系来进行图像配准。2、2000年，ShmuelPeleg等人提出了自适应的图像配准模型[2]，它是根据相机的不同运动，自适应选择配准模型，通过把图像分成多个狭条图像进行多重投影来完成图像的配准。3、2003年，M.Brown在ICCV会上发表了一篇名为RecognisingPanoramas的文章[3]，文中使用了基于不变量技术[4]的SIFT算法[5]进行图像配准，算法完全自动完成且效果较好。2.2、国内：

1、1997年，王小睿等分别利用序贯相似度检测（SSDA）和归一化积相关两种相似性度量方法[6]，实现图像的配准。2、2003年，封靖波等提出了一种基于相似曲线的配准方法[7]。

3、2004年，赵向阳、杜立民提出了一种基于特征点匹配的图像自动配准算法[8]，其中使用了Harris算法[9]提取角点并进行匹配。4、2005年，侯舒维、郭宝龙针对现有基于灰度级相似的图像配准方法的缺点，提出了一种图像自动配准的快速算法[10]。三、本课题的任务、重点内容、实现途径

3.1任务：

1.查阅10篇以上的相关文献资料，

2.翻译20000字符以上的外文专业资料；

3.撰写开题报告；

4.撰写毕业论文，字数在10000以上，对整个课题重点研究的内容和关键问题的探讨、相应解决思路的提出和对试验整体上的概括与总结。3.2重点内容：

1.明确sift特征方法在图像配准中的应用，在此基础上弄清课题的研究意义；

2.掌握图像sift点特征算法；3.结合sift特征匹配方法,对图像拼接和图像三维重建展开研究；

3.能够用MATLAB软件实现；

4.总结该方法达到的效果；5.将sift特征点向量匹配中最近的欧几里得距离d1与次近欧几里得距离d2的比率替换为d1与d2到dn平均距离的比率与原方法进行比较；6.撰写毕业论文。

3.3实现途径：

1.利用学校图书馆的维普、万方数据库、CNKI数据库等收集有关sift角点特征的图像配准问题研究方面的文献和信息；

2.掌握有关sift角点特征的图像配准问题方面的有用文献，分析常用的解决方法的利弊之处；

3.提出改进方法，用matlab进行实现，与原方法进行对比；

4.在撰写毕业设计过程中，加强与导师的交流，遇到问题及时与老师沟通、讨论，并在老师的指导下一步步完成课题任务。

五、完成本课题所需工作条件1.需要在计算机环境下进行。2.需要在图书馆的专业英语词典和相关资料。3.需要用matlab进行编程。4.需要与指导老师及时沟通交流。本课题工作安排及进度编号课程名称工作任务安排周数进度1基于sift角点特征的图像配准收集文献资料1至4

完成2基于sift角点特征的图像配准撰写开题报告和文献综述5至6

完成3基于sift角点特征的图像配准撰写论文提纲、撰写论文初稿7至10正在进行4基于sift角点特征的图像配准修改并撰写论文二稿，指导教师审阅、修改11至125基于sift角点特征的图像配准修改并撰写论文三稿、指导教师审阅、修改13至146基于sift角点特征的图像配准定稿，提交论文15至157基于sift角点特征的图像配准论文答辩16至16六、附录[1]RichardSzeliski.Videomosaicsforvirtualenvironments.IEEEComputerGraphicsandApplications,1996.16(2):22-30.[2]PelegS,RoussoB.Mosaicingonadaptivemanifolds.IEEETransactionsonPAMI,2000.22(10):735-739.[3]M.Brown,DGLowe.RecognisingPanoramas.ProceedingsofIEEE

InternationalConferenceonComputerVision2003.1218-1225.[4]M.BrownandD.Lowe.InvariantFeaturesfromInterestPointGroups.InProc

ofthe13thBritishMachineVisionConference,Cardiff,and2002.253-262.[5]K.Mikolajczyk,C.Schmid.Scale&Affineinvariantinterestpointdetectors.InIJCV,2004.1(60):63-86.[6]王小睿,吴信才,李军.模拟退火算法的改进策略在模板匹配上的应用[J].小型微型计算机系统,1997,18(8):32-37.[7]封靖波,苏志勋,刘秀平.一种基于相似曲线的全景图自动拼接算法[J].

计算机学报,2003,26(11):1604-1608.[8]赵向阳,利民.一种全自动稳健的图像拼接融合算法[J].中国图形图像学

报,004.9(4):417-422.[9]C.Harris,MS