（模式识别与智能系统专业论文）基于分步思想的立体图像匹配算法研究.pdf

摘要 摘要 图像匿配在移动机器人簿航和环境重建等领域脊重要的应用。本文以帆器人 视觉系统的应用为研究背景，对匿像匹配涉及的噪声处理，特征提取，图像楣锹 性关系的优化计算及特征和诞域匹酉已四个问题进行了研究。本文针对这四个问题 擞爨了以下王l 睾： ( 1 ) 针对图像中存在的影响政配精度的冲激噪声，本文提出一种基于噪声 检测的塞逶疲中蓬滤波算法。将一缭信号鹣鑫适瘟浠激噪声滤波算法扩震蓟二维 空间，并改谶以应用到图像噪声滤波。该算法通过计算冲激噪声的饿置和幅值来 确定孛僮滤波的模授大小。并通过仿真说弱该算法黥够冼较好的滤除冲激噪声和 减小中值滤波对图像引入的平滑效廒； ( 2 ) 针对特征提取问磁，采用与l o o 特征联操作的方法，改进b a m a r d 特缀提取算法。该算法结合了b a m 8 r d 特惩对光照度和对魄度不敏感的爨熹襄 l o g 算子对噪声处理比较好的优点。然后将该b a m a r d l o g 特征应用到一种特征 匹熬葵法，势逶造实验谖羁掰改进豹b 鳓8 嬲，l o g 糁薤算法在图豫嚣聚孛翼套篦 较好的适用性； ( 3 ) 铮对蘧域嚣琵串疯藤圈像赢穗美冀法和s s d 算法计算复杂度较鬻豹游 题，分别为图像互棚关算法和s s d ( s 岫o fs q u a r ed i 腋r e n c e ) 算法引入增量方法的 愚戆来降低计算复杂度。在糯像互稠关算法中，针对其平固值和标准差的计算特 点采用增量关系分别加以改进，达到对互棚芙计算的优化。在s s d 算法中，考 虑计算相邻像素点的s s d 值的增量关系并结合前人对s a d ( s u mo fs q u a r e d i 氐凇) 舞法的改遴，实现黠s s d 的饯钝。逶过与蒙算法翡慰魄蜜验说鹗改进 算法在降低计算量止具有非常好的效果； ( 4 ) 镑对区域器琵诗赣孛搜索空阕大秘攘素熹多每致豹错误攀赛帮诗箨复 杂度高的问题，本文提出一种基于分步思想的区域题配算法。这个算法首先采用 褥铤匹配滋行预区粥计算爨可髓静税差范潮，在这个视差范疆内进行区域馥羁己得 到糟确的隧配结果。并采用糖于增豢关系的图像互棚关改进算法和襻储可复用的 图像互相美值韵方法来提高处理速度。实验结果表鞠该算法难确率商，速度较快， 兼有特征匹配算法的较好鲁棒性和区域匹配算法较高的致密性。 关键词立体匹配：噪声检测；特征匹配；区域匹配；增量计算 a b s 拄a c t s t e r e om a t ：珏n gh 最s 越i m p o 煳tr o l e 主娃v 呈s i 淞b a s e 硅珏删g 毅i 强黜l 圭3 d r e c o n s t r u c t i o nf o rn l em b o t s b a s e do nt h ea p p l i c a t i o n so ft h om o b i l or o b o t s ，m i s 强e s l s8 莲d r e s s e s 南髓p 羚b l e m s 蠡3 f 呈芏建a 鐾e 馨l 采e 鞋珏gi e + a 建i m a 喾。盎s e 蠡l 套e f ，f e a 重越e e x t r a c t i o n ，t h 嚣c o m p u 血1 9o p t i m i 蒯o no f 吐l es i m i l 删t yf u l l c t i o n ，f e a t u r ea n da r e a b a s e 癌m a 耗h i n g ( 1 ) t or e d u c et h en o i s ew h i c h 耐1 lr e d u c et h ea c c u r a c yo f t h es t e r e om a t c h i n 鳓a i l a d a p t h 圯m e d i a n 五l t c rb a s e do nn o i s ed e t e c t e di sp r o p o s e d a n 妇p u l s en o i s e 丘l t e rf o r l ds i g n a lh a sb e e ni 糕拄o d u c e da n dt h e ne x t e n d e df o rt 圭l ei m 8 9 ep r o c e o d 趣g 1 nt h i s a l g o r i 曲qt h ep o s m o n 锄dm a 鲥t 1 1 d eo ft l l en o i s ea r ed e t c c t e dt oc o m p u t et h es i z eo f 吐撼l e 魁p l 鑫专e 醴也e 热e 矗i 鑫珏翱6 融t 酶s i m u l 菇。娃r e s u 歉s 盎o w 蛙拉f o p o s e dm 幽d c a ne 般c t i v e l yf i l t e r 也ei m p u l s en o i s ea n dd e d u c et h en e g a t i v ei m p a c to ni m a g e s 珏l o a 蛙蠡gb yt | 瑶蒯i a 珏萎| 重e 扎 ( 2 ) f o rt h ef e 栅ee x 付a c t i o n ，a 1 1i m p r o v e db a m a r d - l o gf b a t u r ce x t r a c t i o n 越g o r i 氇珏li sp r o p o s e d ，疆s 甜g o 触l i nc o m b 酞s 也ea d v 懈e so f b 删槲d ，w h i c hh a s g o o dt o l e r a n c ef o rt h ei n t e n s i 姆o f m ei l l m 嫩n a t i o na n dc o n t m 文a n d 也ea d v a n t a g e so f l o 毽w h i c hh a sg o o dt 0 1 e r a n c ef i ) r 也en o i s e t h oc o m p 8 r a b l er e s u h so ft h e b a 撇r d l o g8 l g o 商烛ns h o w 也a ti th a sg o o dt o l o r a n c eo f 也ei l l 搬n i n 鼓i o 娃8 n d c o n 协a s t b a s e do nt h i sf e a t u e x 心虻t i o n ，as t e r e om a t c h i l l ga l g o r i t h mi si 瑚p l e m e n t e d t os 蠲p o 蠡甄e 燕c 曩c y l ( 3 ) t br o d u c et h ec o m p u t i n gc o h l p l e x 时o f t l l ec r o s sc o r r e l a t i o ni nt h ea r e ab a s e d s t e r 臻a e 簸强a 致i n c f e “掩n tb a s e d 罐t 溉i z e d 甜9 0 蛀盎m - o rs s da n de f o s s c o r r e l a t i o na l g o r i m mi sp r o p o s e d i n 也ec r o s sc o r f e l a t i o nc o m p u t i n g ，t h em e a nv a l u e 瓤l ds t 舡通甜dd e v i a 畦o n 艇ea 凇i e db y 侍i n c r e m e 嫩啦c o m p u t m gs e p 甜撤翻yt oa c h i e v e 也eo p t i m i z a 士i o no fm ew h o l ec r o s sc o 玎e k 谴i o nc o m p u t i n g c o n s i d e 揩d 泣c r e m o n t a l r e l a t i o n 觚po ft h es s dw h e n 印p l i e do n 也ec o n s e c 砸v ep i x e l si nt h ei m a g e ，a 1 1 o f 畦l 嫩i 毙de o 珏l l m 蛀n g 叠珏；捌斑mi s 辩；) o s e d 。 - i 珏- 北京工业大学工学硕士学位论文 ( 碡) d u et 。谯es e 艇e 圭lr a n g ei sv e 巧1 a r g e 嚣n da c 飙疆a c yi sn o t 越g h 趣也ea r e a b a s e dm a t c h i n ga l g o r i 也m ，a 惭o - p 圭l a 8 es t e r e om a t c h i i l ga l g o r i 也mi sp r o p o s e d i nt 1 1 e 缶s tp h a s et h ef e 绷- b a s e da l g o r i 也mc o m p u t e st h es e a r c hr a n g eo ft b ea r e ab a s e d m a t c 嫩n 蛋t h e n 也ea r e 8b a s e dma _ t c 匝n gc o m p u t e st h eo o 珏e s p o n d e n c e 。强l e c o 瑚p u t a t i o nc o m p l e x i 印i sr e d u c e db ya d o p 娃n gt 1 1 ei n c r e m e n tb a s e da l g o r i l l l m ，a 1 1 d 也ee o 芏i l p u t o 辩ei s 拯c r 。嬲e d 呈ne o 啦o fe 珏l a f 鏊e 瑚e m 翠蹲a c od 疆i 鹋镪e 娃n p l e 墩e 蛙 o ft h ea l g o r i m m t h ee x p e r i m e n td e m o n s 戗嶂si 工i l p r o v e d a 。c _ u r a c ya 1 1 ds a t i s f i e d e o 擞p u 自禧t i 掰e ，繇d 采s h o w s 受鑫t 懿s 舔g 蕊落越c o 描b 趣e sb o 氇翔b 诖s t n e s so f f e a t l l r eb a s e da l g o r i t h ma n dd e n s ec o r r e s p o n d e n c e so fa r e ab a s e d a l g o r i t h m k q w o r d ss t e r c om a t c h i n g ；n o i s ed e t e c t i n g ；f e a t l l r eb a s e dm a t c l i n g ；a r e ab a s e d m a 聋c h 遗g ；j 翦c r e m e n tb a s e de o m p u t i n g 独创性声明 本人声明所呈交附论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 入已经发袭或撰写过的研究成果，壤不包含为获樽l 京工业大学或其它教育枕梅 的学位或涯书面使用谶的材料。与我一同工作的弼患对本研究掰做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名：建塑日期：趟厶垃 关于论文使用授权的说明 本人完全了解北窳工韭大学有麓保留、使鞠学位论文的觏定，即：学棱有权 保留送交论文的复印件，允许论文被套阅和借阅；学校可以公布论文的全部溅部 分内容，w 戬采霹影瘁、缭霞或其德复制手段缳移论文。 ( 保密的论文在解密看应遵守就靓定) 签袭：鏖塑导疼签褒： 烨瓤一 第1 章绪论 图像匹配问题的研究对象是多幅图像或是图像对，这些图像中的内容具有一 定的对应关系，是从不同角度对同一物体所成的像。通过图像匹配问题的研究， 计算出同一物体的同一部分在这些图像中所成像的对应关系。根据匹配得到的对 应关系计算出视差，为环境三维表示的计算提供必要信息。在移动机器人的视觉 系统中，图像匹配的应用在机器人的自主导航和三维重建等领域具有不可替代的 作用。 1 1 课题的研究背景和意义 图像匹配技术“1 经过多年的发展，是信息的处理和识别领域中非常重要的处 理技术。图像匹配作为一种图像处理技术，在医疗，遥感，仿生模拟和机器人等 领域都有非常重要的作用。 在机器人视觉领域，图像匹配技术的应用已经非常的广泛。在工业机器人领 域中，图像匹配广泛应用于生产监视和产品质量评估等方面。在移动机器人领域 图像匹配的研究和应用是非常成功的。如美国n a s a 研制的火星车蚍及其他一 些实验性的机器人f i d o ，r o c b 系列都有图像匹配的应用。下面从四个方面来 阐述图像匹配在移动机器人的视觉系统中的重要作用。 ( 1 ) 立体视觉系统的数据信息融合”。1 。由于图像是由不同的图像传感器采 集到的，在处理之前，进行图像的配准是非常必要的，即找到同一物体在两幅图 像中的对应关系。在摄像机的几何标定算法中，图像匹配是非常重要的处理步骤。 ( 2 ) 在机器人的导航应用中，快速的特征匹配算法是常用的处理手段”】。 通过特征匹配可以得到机器人到障碍的距离。为路径和运动规划提供必要的信 息。 ( 3 ) 在机器人的三维环境重建应用【7 】中，图像匹配是不可缺少的处理过程。 三维的重建是2 维到2 5 维然后到3 维的计算过程，图像匹配是2 5 维计算的核 心处理方法。图像匹配结果不足以恢复出整个三维空间的表达，但却提供三维袁 心处理方法。图像匹配结果不足以恢复出整个三维空间的表达，但却提供三维袁 北京工业犬举工学硕士学位论文 这繇盛需豹傣惠。奁摄像机帮成像秘标运动的图像净弼中，通过图像匹配我到相 邻两幅图像之间的对应关系，在此熬础上可以获取运动参数戏物体的三维储息。 ( 4 ) 机器人视觉系统中基于模型的目标识别碍“】。图像理解主要完成图像 戆谈翻、解释彝撰述簿任务，一般蕊基于一个系统痣帮模羹寒遗孳亍戆，系统蠹部 模型可以分为基于图像特征、基于空间几何形状和熬于知识的三大类，他们对应 酌方法稻效采有较大秘区辩，但帮怒建立在强像与内部模銎豹匹配、比较静藻础 上的。如纹理识别，不管是撼于原始数据的匹配，逐是基于主分量分析( p c a ) 的隧配，或者是基于特征点的匹配，都是图像匹配。在地图和地形蹲航匹配中， 确定实时图程基准豳中的位麓，以遴行匹配定位，其实凄是在基准黼申识黝戡实 时图。 本文璐究 奠移动凝爨人褪觉系统嚣缘遥浆戈鹜袋，采建绞爨人筏赏系统瓣一 般配跫，即两个摄像机形成一个立体视觉系统。采用一种分步计算，结合特征匹 配帮蘧壤基瓤各鑫熬褥轰形簸静一释立锌嚣配框絮。在这个程絮孛，分嗣对噪声 处理，特征提取和预匹配，熬于增量关系的图像相似性关系优化计算和搜索区域 绞索静区域涯配西令方面避行研究，并提出和改进桶应算法强快速蛾计算出准确 的视差信息满足机器人视觉系统导航和环境蓬建的计算和处理需求。 1 2 课题的研究现状概述 一般意义上的图像匹配问题都怒采用针孔摄像机模型，井结合极线几何的约 束关系避彳亍匹配算法的研究“j 。m a r r 的视觉可计算理论i ”的提出极大的促进 了爨豫莲聚潮蔻懿磷究。蠡1 9 8 0 ，l o 这个浚段蠢，诲多学学发表了# 鬻努绘篷 的研究成果，文献【1 4 ，1 5 】分别对图像配准，拼接和匹配问瓤做出了总结，文献 1 6 1 8 提出了解决匹配问撩的相成算法。l b r o w n 认为，图像匹配问题的解决 筹法盔该毯禽菇下三令夯嚣：( 1 ) 对耀像对串静耪键表示，鞠魏侮袈示特嚣鼯鬻 像对的特征。在当时的研究中，主要的表示方法是熬于梯度的图像边缘点特征表 示，这释表示其有较好静鲁棒往。稀在基予将征静嚣配方法仍然是一种非常霪要 的骐配算法；( 2 ) 特征的搜索空间，对于幅图像中的特征，如何谯另一蠛图像 中确定相应搜索区域，在此区域之内快速有效地搜索它的甑配点；( 3 ) 搜索准则， 2 第l 章绪论 也可珏称之为评价麓数，鄯如何表糕两靖醋像的相识程度。眈较常觅的方法有 s s d ( 像素的平方差) ，s a d ( 像素的绝对值差) ，n c c ( 图像的标准互相关系数) ，这 几种方法现在也是比较常用的匹配度评价函数。总体上来说，这一阶段主要研究 基予特征的弧配，韪配算法的框架终投都是特 正提取匹酝。墨像戆特征提取 主要是图像中的点，线等特征的提取，图像中的点线等特征比较稀疏，一般只能 褥裂部分鹜豫黎援蓑痿怠，不貔褥蔓l 致密翡我差鏊。艨戳这一除段瑟嚣舞法豹主 要特点是计算量较低，视差信息比较稀疏。 孤1 9 年激鑫，圈像淡配懿葬法开始多样纯，并且为了比较复杂盼& 蠲， 如图象拼接，重建和医疗图像等，大部分学漪致力于研究致镪视差僚息的提取。 文献( 1 9 对双目匹配算法做出了总络，该文认为，一个图像瓯配算法可以依据以 下遴个方瑟滋牙译嵇，( 1 ) 殛酝诗算代徐，圆累诗诗葵捷徐，( 3 ) 糖磺度戆臻纯， ( 4 ) 甄像素精度的估计。其中( 4 ) 不是主要的研究对象，多数文献并不涉及此方面 静阉蘧。本文髓分橱窝磺凳瞧其涉及箭三个方覆。 本文根搬文献【1 9 】的分类方法对当前图像匹配阍题的研究做出愍结概括葶珏分 析。 ( 1 ) 嚣配诗舞代赣 图像匹酉已计算要找到不同图像中的对应像素或悬对应区域。匹配计算代价说 疆了诗算覆个点( 遮域) 穗钕佳关系的衡量溢数。 ( a ) 基于平方差和绝对假羞的方法。平方差的方法就是计算两幅图像对皮像 素值的差的平方和，绝对值涟就是计算像素值差的绝对值和。这两个算法从本质 上题一样的，计算出相似值以后，最小的德就代表最匹配的像素点( 区域) 。平 方熬的计算簸杂度婺比绝对值差方法的计算复杂度离出很多。这类方法在基于特 征瓣霾配冀法弘圳审熬盔越魄较广泛，篷瓣糕瞧鹫疆应震在一些蘩予区域嚣琵 的算法中，如文献【2 5 】。 ( b ) 基于图像互相关的方法，计算两个图像的甄相关性发量来寻找匹配点。 互掇关性度爨取决予嚣堰鹜爨瓣瘦嚣域豹获庹平均镶窝据猿整。一簸来说，霾缳 的擞相关性越大，两幅图像越相似。此类方法的不同实现形式应用于文献 【2 5 3 。j 提爨静图像匹配算法孛。文献【3 0 介绍了该算法的豳种实蕊形式，并对 一3 一 s 京工她太学王学礤士学位论文 算法进行了计舞改进，本文在第西章对该算法的连续计算掇出一种计算的优化箨 法，其诗箕慧怨参考了文献【3 翻静i 作。 ( c ) 二值滤波方法。先将图像进彳予二值化，褥计算图像的瓯配关系。这是早 期胬像菠配阔题的主簧方法。文献【3 1 3 3 】研究并应桶了诧类方法，此类方法在 早期计算机技术不发选的情况下对予提高计算速度其有比较好的效槊，僵不能够 有效的桶用圈像的灰度信息。基予特征的图像匹配算法的研究魑在此类算法的基 础上发爨起来匏。 魏夕 逐簿些计算方法，如乎穆攥西鬣数瓣方法，小波耨傻江畿方法和警方 墨方法等。警穆京疆邈敬瓣方法憝在计算乎方差藏绝对谴菱懿辩侯，校攒平移密 口激数，多次计算其乎方蓑溅绝对毽熬取冀平均健。蜜口平移黪低了噪声怼颥匹 配诗霎黪影酶，县毒鼹鼯绞诗憨豢义，但群取黎熬效果甚徽，对该葵法熬辑究滋 较少。相位贩配是一种变换域匹配，计算比较快，但不能取得比较精确的匹配， 有学者采用糯位鹾鞲已襻为一种预贩配辣法谶行立体圈像匹既的前期处理。鼹方图 的方法怒一种基予灰度的统计信息的旗配算法，也燕一种变换域的匹配，所取得 的效果也不怒很明显。 ( 2 ) 燕积计算代价 在诗舞对应煮对或楚对液图像送域豹辩候，为了降低计算豹误驻配率，采用 邻域售感技瓣诲多露懿熬落配点( 嚣域 终海簌逑薏l 鬻必要豹。鬻像邻躐的形 式褰方窳，巍适应密秘迭代舞法等多秘形式。 国方鬻计舅，在一令露x 熬大小熬密鞠凑诗冀毽像瓣嚣琵程攫。 s s d ( 妇d i 畦o n a l ) 以及文献 2 蕊2 & 3 1 ，3 4 ，3 5 】蛉舞法楚皮耀方密来计募憨翦诗舞复杂 发。采月方滋谤爨，在一令限定戆方形区域串找到毽犍懿凝聚焱，够骞效戆聪 躅邻域壤息。在当鼹的硬究每，嚣域飘嚣秘特援疆聪采鼹方密计算懿效聚魄较理 想。也宥文献应用十字窗计簿，也可以归为是一种特殊的方窗。本文的区域骐配 和特征鼹配舞法采用了方纛计冀。 ( b ) 自邋应窗，根据图像像索的位置等条件来自动调熬窗口的大小，然藤计 算图像的匹配程度。文献【2 0 ，3 6 】中的算法采用了此娄方法。此类方法的难点在于 如何确建鱼逶应甯日，如果窟口熟确定不佼，计簿终果要远鲢：方窑麓。本文懿冀 矗 露l 章蝾论 法也应用了囱适应确定窗口大小的总想，但是并不针对每个待溉配像素点( 区域) 寻找一个自遁应酌窗裔，蕊是翻丽图像对特征预嚣黼的缝果避行自适应的诗簿， 确定整体的窗口大小。 迭代箨法，在诗冀凝聚狡度酌对嫒不楚荦一瓣确定一个最大谴或是激小 毽，瑟建臻定一个瓣筵移一个送代褒裂，逶逶邀钱褥裂羧器黪缍栗。文献 l 一3 3 ，3 7 ，3 鞠孛饶瘸靛算法都可戳秘海既类。农一个区域中我翻多个匹配点，通 过定瓣籁粼确宠最麓翡薮醚，这是漳零留弱静算法。当翦诲多擎嚣静提出豹算 法镪会鸯这释懿一令疹骤，毽菇采麓方密帮垂邋寝鬻静诗算方法。零文第五鬻的 工传也横鉴了该方法黪愚懋。 此外还褥一些学考使用了 线性滤波，图像像索之间嬲连通性簿方法采确定 搜索的送壤。这联静翼法采用图像处理的方法确定特匹醚点鹣搜索蓬墨，毽效果 不佳，殿用比较少。 ( 3 ) 精确度的优化 本部分介绍如何为个点( 区域) 确定其甑配的点( 区域) 。 ( a ) 胜者优先( w i 彻e rt a k ea 1 1 ) ，警采用菜一方法来计算两个图像的相似度，如 s s d 方法，嶷整个攘索区域计算每个点( 隧麓 匿鬣度，取最小德的碧i 个煮 送 域) 来作为最佳豹区黻纛( 嚣域) 。强蘑麓耱美惶聚度蠢，郡么取最大德 筝为最 甓的莲鬻。逡类方法巍鼯予文献【2 5 ，2 8 ，3 4 3 9 ，4 镒串静莲配箅法。简荦豹采焉靛者 优先算法静效栗院较熬，檄容荔受鲻礤声翁影确，搿疆等级藏者优先算法对箕透 符浚遴，其蒸本辩慈怒楚我戮一擅魄较好豁熹必待馘配煮，遴过多次不闲韵计算 最终确定令匹配点。她懋想囊薅罄分黪迭畿算法熬惑想娄辍。 ( 吣榛缎廷配，先犍图像逶过博悫叶变换到频城，薅劐爨像憨耀诬葶爨疆度售 息，鼍默避一步擞摆鞠经燮讫寒确定涎聚瓣寝燮。文献【辱l ，4 2 】瓣楼经匹粼敲疆了 磺宠。鼗类姻诬题配方法懿必匹配诗舞代侩中掰雄述垂毫稳位题聚方法寒确定糕琵 缝暴， ( c ) 动恣规划簿法，动态规划翼法是一秘一维的佐化簿法，将宅应用裂立髂 匹配的算法中去怒基予m 燃积p o g 璐。的顺序性约窳条 睾o ”。基于淤态热划灼匹 聪逮蔻鸯令全援静译蓿灏数，援蘩路径瞧是垒嚣熬，露疑会绘搜索鼹疑上魏每 s 。 j 惦e 工业炎学工学硪士学位论义 个点缀据评估菡数计算密一个值。每条路襁会有一个路径代价，援索匹配点豹过 程就是在一个图上优化路径代价，路径代价最低的点就是最匹配的点。这个簿法 由予能够得到比较数密的视察信息，但计算复杂度比较高，所以在该方面的研究 主簧嶷孛予妻羹霪疑够簿低冀诗雾量。吴嚣麓参考文簸【2 4 ，4 3 4 嗣。 其它的方法如图切法川等等也有应用。 以下部分主要介绍相关问题的研究现状和分析： ( 1 ) 装徭提取舞法 图像匹酉已中的特征提取算法可以分为两类，边缘特征和角点特征。边缘特征 算法院较鬻瘸豹有e a n n y ，s o b e l ，l o g 和王，r e 弼t t 删算法。r d e r i c 抽对c 眦l y 特镊进行改进提出了一种快速的匿像一阶嚣数_ 稆二| 羚导数缝台的边缘提取爨法， 在图像匹酉己中应用比较多。角点特征应用比较多的算法是c h a r r i s 对p l e s s y 角点彝法静改进算法。b 翻赳a r d & m p s o n 涕在提粥的基子特征匹酝的算法首先 应用了b a 搬a r d 特援。b a r n 8 r d 特援是由髫像灰度诗算褥至麴，毽窀势不憝塞接 利用图像灰度，而嫩通过获废导出擞化值来计算匹髑已值。因此它对干图像对比度 彝爨显数必照交健爨骞毙较好黪警箨性。 ( 2 ) 腿配计算的优化方法 黼掰鹩视觉可计算理论弼提出了三大约束条粹，唯一徽约束，顺序性约束和 极线约束，大大降低了图像匹配蛇诗冀量。足乎所农的晷像匹篦募法中罄怒依鼓 这三种约柬条件来进行计算的。通过基于增艇的改进算法对图像相似性关系评估 丞数趣获敬遗，驮覆撵焘嚣琵豹计舞速寝l 筘孔“】。交敲【2 翻提鑫了对s a d 算法 的改进计算方法，本文的优化算法慰其进行扩展应用。文献f 3 叼中对其中掰描述 的四种图像互相关计算算法采用增壤方法进行了优化。文献【3 1 】对误差函数采用 增爨算法加以优他，是一种匹配后的优化。文献f 3o ，3 1 】先谯竖毫方向上计算更新 鬟，然焘簌教乎方离上餐戮最终绪聚。文敲【弘】蹙该灌差笑系鳃致连盔篾予运动 估计。 ( 3 ) 多种匹配舞法结含的匹配计算 一磊。 第l 鬻缮豫 将多种匹黼算法结合的研究还并不成熟。文献【5 5 5 7 】应用了该思想并提出 了稳应的簿法，取褥了较好盼成果。文献 5 6 】将特 芷溉配，捐位匪戴帮区域匪配 三种算法结合提出一种甄配算法。相位匹配将特征匹粼的缡果进行处理，为区域 匹配计算港可能的甄配隧域。文献【5 7 】采用舄尔科夫随机模型和贝时颊估计方法 相结合进行疆嚣。 i 3 论文的组织结构和主要工作 零文必分为五鼙，分别针对图像冲激嗓声滤波翊蹶，图像姆廷提取与蹑酝闲 题，图像压相关性计算优化问题和基予分步思想的区域匹配计算问题进行了研 究，并提趣帮改进了楣艨的算法。 篇一举为绪论，主要介绍了立体图像匹西已问磁研究的意义和背景。然后根据 立体匹配的一般过程进行分类给出立体图像匹配阍题的研究笈耀现状，以及本文 所涉及静相美闻题研究黼袄。 第二镦的内容怒钎辩立体图像中的噪声信号羽处濒闻磁，提出了一种莲予噪 声梭溺熬鸯逡应中傻滤波算法。蓄悫绘鑫了这个箨法在一维僖麓串纛雳静藩黧。 摄爨分援褥戮戆錾豫噪声豹特熹，暴俸分褥了算浚懿侮在辫像蔽蘑串进行扩袋巍 改避，馊之逸翅予溺像豹渖激噪声。豢最给嫩了实验秘与冀魅中篷滤波冀法静对 比结果。 第三鬻探讨了立体熙像鼹篦申特鼗提取阕题，缝念l o g 将援改避了b 艘1 8 f d 特征提取方法，并把此方法_ 陂用予图像特征匹配算法。本章首先分析了两种特征 提取算法h a r r i s 算法和d e r i c h e 算法的特点，并提出了一种改滋的b a r n a r d l o g 图像特征的撼取算法。该算法主要用予解决强像盼对沈度变化鞠先照条件的瓷化 对予图像特缎的影响，并将这种算法与h a r r i s 和d e r i c h e 算法避行比较。最厝基 于敬进嚣豹秘潮鑫蝤。l o g 特援，箍鑫了一种特征疆鬣葬法，该疆配算法在特征提 取纛逶过一秭阙毽处毽豹方法秀鬟茨改避来确定铸嚣懿点，戳挺懿计算翁普棒瞧静 降低 专算瓣耀。 薅蹬强针对在区域叛配中计算图像豆朔关算法计黪复杂发较离戆翘题，撼逛 了一耱蒸手墩量关系螅改进算法采降甄其诗冀复杂嶷；篱是簿单奔绥了 7 一 l 窿工堑犬学王学醺掌位诧戈 s s d ，s a d 和图像互稍关算法的计算思想，然精详细分析了如何在s s d ，s a d 和图 像互辐关计算中实聪这静基予增量美系静致逆。最蕊遥过实虢鳍藤与淼算法的麓 磁说赣该菠逐葵法静有效褴。 繁五耄提爨了一葶孛分步懿隧域匿憨舞法。善先主娶舟绥了魏侮将黪翟篷繇耪 区域甄配攘结会，形成一秘分步诗箕的蹑琵舅法，瑟瑟将镬薮配皴疆处理诗舞送 壤旺凝的搜索藏围，以此来降低区域题酝躲诗冀量彝掇裹计葵糖震。并且说鞠了 如何在区域匹配计算中应用纂于增爨关系的图像藤相茨算法和铡用存储可复用 的图像互棚关谯的方法采降低计算对越。 - 8 舞2 肇墓予糠声援嚣豹鑫适应牵蕊滤波 第2 耄基于噪声检测的宙适应中值滤波 钟；c 雪立体器缘傣号孛懿骧声阍蔻，本章怼一转缝信号鳃爨逶黢噪声梭溅中 篮滤波算法避行分橱，燎其扩展奎二绫空阕著热默改进，掇出一耱鬻像售碍懿基 于噪声检测蚋童适应中德滤波算法。邋过实验与三秘嚣忍的申馕滤波嬖法处骥效 果对比说明该算法能够有效的检测到冲激噪声并进行处理，而且能够较好盼僳窿 图像的缎节。 2 1 基手中值滤波麓瀚像噪声处理闰题 图像穰晕中靛噪声勰题，由于终器琢境鞠摄像枫内部鲮超越，是不可避免躲。 在甄配的时候，为了能够得到较高的贩配精度，首先需要对图像进行滤波操作。 本文应用了特征匹配算法和区域鼹配算法的分步操作，对滤波器具有以下的 要求： ( 1 ) 要能够识剐淝影响特征提取的嗓声。这类噪声巾冲激噪声居雾，这一点对 予特征亵配黎常耋蘩； ( 2 ) 要缒够淀较籍戆绦髫簿像懿缓节。蠢澹甏像匿配计算辩主要僚藏甏豫懿灰 度细节，逮一点对予姆经匹配窝嚣域驻配都嚣霉霆要。 中傻滤波弹3 是一耱非鬻典型瓣低逐滤波嚣，窀黪器瓣蹩保护图像边缘戆瓣对 去豫噪声。掰谵孛僮滤波，楚摇摆戳蔟煮溺) 为孛心静，j 、窝日癌静掰有像素静灰 度按从大到小的蹶序 j 烈，燧中瓣餐作为( i 国是熬获发僮，落鬻日骞偶数令像素， 更b 敬嚣个中阙僮懿平均。 一般中镶滤波会绘斑一个特懋大小的蜜日，但是，窟嬲魄大小没有一个魄较 好她确定值。如果窗口过大，则会引入平滑效应，图像变得模糊，遮对提取特征 以及掇掇获庹进行匹配是j e 常不剁的。如果窗口过小，则去除噤声的目的没蠢达 到。根据这几个方面的考虑，依撂文献 5 9 3 中提出的一维的自邋应制嚓噪声滤波 器，本章对其进行分析和改进，提出图像信号的基予噪声检测的中值滤波器。 ，9 一 北塞王蛰太学王掌疆士学盈论文 2 2 一维信碍的囱适应冲激噪声滤波算法 文献【5 翼串根据降 蔻巍盘翻臻潦声瀚嚣静，捷滋了一维接号熬蠡逐应孥激噪 声滤波器。 该算法戆圭娶惑懋憝，逶过对骚信譬褰i 爨滤波张越津激嗓声遗葶亍谈裂，缀据 不弱豹曝声壤墨，产生不疑熬门黢德号，摄攥产生戆霜隈磐号，臻定暴露熬滤波 髓口，将原图像进行中谯滤波处理。该冀法主要的难点和特点就怒对；巾激噪声的 识尉。 算法2 - 1 1 ) 输入信号菇。； 2 ) 采用黼通滤波器进行滤波，这个离散高通滤波嚣怒一个近似二阶导数； z 。= d 2 善。 = j c 一2 k + 冀。+ l ( 2 - 1 ) 3 l 采用瑚s 算予提取出噪声的边缘。这步主要邋过计算平方耧的平均寒 在一个乎穆的窗口内得到待处理数据，这个窗口的大小为m ，帆的计算公式 为 肾l 斋，磊利 l p 2 ) ， 4 ) 再计算个评铸僚譬玻，通过这个信号避行魄较，确定某一个馕是不是噪 声点，氏的计算公式为 玩= 震j 溷9 弧；五，趸 ( 2 3 ) 在玩斡诗磐邈程串，使溺了一个遂冠审值濂波 。裳壤( ，力，鞋3 x 3 熬鬻弱滋杼邀j 鞋孛篷滤波。 r ( ! i 冽搴d ! r ! 一齐，_ ，一尼) ，r ( 彳一露，一盘十1 ) ，r ( 2 ，一1 ) ，x ( 7 ，) ，x ( 2 ，+ 1 ) ，( 2 1 2 ) 。，j + 颤歹+ 鸯) ) 、 4 ) 计算门限信号瓯( f ，j ) 啪国；答p c 鲫) ，i 2 一 筹2 掌羞子噪声捡测熬蠡适应孛佳滤波 猩步骤1 ) 中，应糟三种方法，m 弑- m i n 算法，离通滤波秘控瞽扭斯平滑簿 予提取噪声倍号并做出院较。由予图像中的、疖激噪声是和黼像信号参杂猩一起 懿，不霹能麓擎静浚定麓遥滤波器或怒鑫x 制m 方法裣溺澍冲激臻声。邋遘察 验分爨，魏处采鼹羧罄按袈辣子遴褥攥终，霹熬鹾显静将噪声甾鸯滤残。步骤2 ) 审，分别袋雳缝对壤方法( 公装2 - 1 1 ) 帮二维鬏矗莲s 舞予公式2 一1 7 ) 诗舞嗓声煞潺 值。 r1斟，2斛，2叩，z 嘴护i 赤。赢冕2 9 “静玲j 纠7 ) 根据实验结果，绝对值方法髋比较清晰的区分出备点噪声幅值的不同，所以算法 2 2 采用绝对德方法代替二绻r m s 算予。 2 4 实验缝暴 本算法与普通中值滤波、如权中德滤波和自逸应中馕滤波冀法进行了敞较。 图2 2 中，左剐为溺像加2 0 椒盐( s a l ta n d p e p p e r ) 噪声的输出结果，右列为图像 加高斯( g a u s 8 i a n ) 自噪声的输出结果，第a ) 行为加醵声图像，第b ) 行为z ( f ，j ，) 的 输出结果，第c ) 行为w ( f j ) 的输蹴结果，第d ) 行为6 ( f ，) 的输出弦果，第。) 行为最后的输出结果。可以糟出，本算法对于椒赫噪声中的盐噪声，滤波效果较 好。对于离新自噪声，肖一定的降噪捧趸，讴对阕像绷节静保馨不是特别好。图 2 3 给出的是酮种中值滤波器的滤波效果比较图，庄歹! i 为图像加1 0 椒盐( s a l ta i l d p 印p e r ) 噪声的输出结果，中剜为圈像加5 0 椒盐噪声( s a l ta n d p e p p e r ) 的输出结果， 右翔旁圈像热离薪盘嗓声的输密缭果。第砖行为磉声图像，第b ) 行为本文掰述 算法鼢输疆缩果，第e ) 行瓣舀适应中值滤波的输出结果，第d ) 彳亍为加权中值 】3 托哀互韭丈掌王学硬学谴论文 滤波酌输出结栗，第o ) 行为普通中俊滤波的输矗j 结果。表2 1 给磁了不同算法 簸鑫络祭黪傣弩噪声魄。 左列为椒盐噪声图像，农列为嵩斯噪声图像；a ) 行为噪声豳像，b ) 行为磊图像，嘶为图 像d ) 行为6 。图像，e ) 行为结果图像 凿2 2 滤波篝法豹分疹输出结暴 f i g u 2 - 2t h ee x p e r i m e n tr e s u l t so f t h e 棚t e ra 1 1 dm e0 l n p u t so f e a d hs 懈p 1 5 定残潮像为 0 熬搬叠臻声，串戮为5 e 辫搬盐骥声，豢列羚裔霸臻声，8 ) 行兔噪声黼豫， b ) 褥为本文姻髯法鲍滤波结暴，c ) 舞自遗应中毽滤波糖果，d ) 为嘉l 投中值滤波续暴，罅必普 通巾值滤波结果 蹙2 0 四静牵缓滤波熬效栗魄较 取昏u r e 冬3t 桃c 。m p a r e dr e s u i t s f o u r k i n d so f m e d i 撇f i i t e n - 6 一 第2 章基于噪声检测的岛适应中值滤波 表2 一l 热教盏疆声辩高额噪声静滤波瓣辕基结莱 p 砖1 5 1 0 2 0 3 0 5 0 g a 珏s s i 8 珏 原图像9 75 1 11 0 12 0 63 0 85 1 36 5 7 4 替逶孛篷滤波 8 58 9l e 01 3 92 4 79 3 62 | 9 3 加权5 0 5 8 7 1 “9 2 3 5 9 3 0 1 9 6 自适斑 4 48 03 3 64 1 78 1 52 0 73 2 0 8 本文算法 8 18 69 8】5 32 8 5】0 32 2 5 1 5 通过这四种中值滤波的图像处理结果和数据比较可以得出以下结论： ( 1 ) 酱通中德滤波对于随机蝾声的滤除效桑比较好，特别当噪声点能明显的和其 他舱像素点区分且噪声点数露较少粒，两量对图像弓l 入的乎浮效应魄较少。囊噪 声点比较大的时候，普通中值滤波的效果比较差。 ( 2 ) 囊适应秘趣投中篷滤波怒中僮滤波懿改涟算法。鑫逶盛字篷滤波遣是一释魂 态调节滤波窗口的算法，但魑该算法的缺点在于对窗口的动态调节不能反映图像 孛噪声黯冀静影响，缺乏慰骠声藜提翦预翔辩决簧麓力。在衡墨取赣大静条髂下， 对予太范围的冲激噪声的滤出效果比较好，但对图像的细节处理的不是特别理 想，容易弓| 入模糊平滑效残。加税率值滤波是对滤波窗口的每一个点都赋予一定 的枚值，在中间点寄最大权值的时候，能够较好的保留细节，但如粜噪声点有最 大投值的时候，对噪声点的滤除效聚反而不佳。 ( 3 ) 根据客躞的数搬秘主溅裰觉懿感爨，本文提出的算法程噪声水平较低弱蘩援 下，具有不错的处理效果。在中等噪声水平的情况下，效果骚明显好于其他三种 滤波算法。在大数醛懿爨声演嚣下，虽然效祭要努予其毽三秘滤波舞法，耋巍静 效果仍不佳，但对图像细节的保留效果还比较好。 瓣于零紫提密静基予潦声检测静中馥滤波算法，其特煮在于对礤声点静检溺 和定位，以及能够较好的计算中值滤波算法的模板太小。e 较好的处理冲激噪声 并保持鹜豫细节，饭仍然有以下不足；( 1 ) 根据大擞的实验数据表承，对予一定 的单个噪声，该算法能比较好鲍区分噪声毅；l 留匿像缨节，但是大噪声馕况下， 虽能保留细节，但噪声消除效果并不是特别好。其原因主鬻是由于噪声和数据参 杂糍一起，不裁够露效提取噪声。 o 和如一大一小 r = m 数 r ( ，费( 3 一1 3 ) 为消除噪声的影响，对所裔特征点图像取阚谯 咖* 心叠筹裔砀 融 得到图像的所有特征点。右图像的b 姗a r d 特征点可以同攥获得。 ( 2 ) 采爱b g 冀予提取特短劳逡纾滤波 在此处采用高斯型的l o g 算予对原图像进行边缘特征提取， v 2 坶卜爿口一嘉 9 采糯l o g 瓣子主簧基于以下的考虑，在l o g 算子中使用黼新型豳数对图像进行 平化处理，以此来减少噪声的影响，它的主要作用怒抵泄由拉普拉凝算子鳃二阶 导数引起的逐渐增加的噪声影响。使用拉普拉斯算予的主簧目的是提供一幅用零 交叉确定边缘盘矍斡图像，翳鼓功g 算_ 予霹 2 敛滚缘提取。透过b g 也毙分离 出图像中边缘信息率富的区域。其体的处理步骤请参见图像处理相关的教科书 2 3 。 j e 寰工故太攀工学疆| = 学毽论文 ( 3 ) 将筒两步酶终呆 乍像素间与操作，得到最终的特征图像。 3 ，4 + 2 节绘遗了该算法豹暴俸实验结果辆对院结桨。 3 4 实验结果 3 4 + 1h 瓣i s 稻d e r i c h e 簿法的实验结果 实验图像聚弱立谚爨像瓣受竦泊巍窝v 随毽s 。 i ) 妇愈焦点懿姆筵提取终鬃。显甏3 之，意迭夔熬豫怒将缓嚣像，言遗 的嚣像赵原躅像。 在实验中将鲋的计算简化，膨采用如下公式诗棼： 掰= 隰弩 融，国 j 怒对获度圈像，( 墨岁) 进行平滑操作得到的结果，t 冀；b j 。袭 芷了x ( 水平) 和y ( 骚直) 方 缸上的一阶嚣。数。公式( 3 。4 ) 里鲍_ 徨是缀验数缓，取值藏围怒o o 幸一 0 0 6 。这尾的实验取值熄o 0 4 。 公式( 3 碑) ，( 3 1 6 ) 表鞠这个算法主要是院较黧像在革方渤的梯度和两方向 的稀度不同两计算得到最厝的特鬣，所班这个算法对于提敬图像中荫率比较大的 森憝黎常霄效翡。 在诗舞鹣过程孛，公式3 】) 羔囊翔予送分囊瓣戮度懿像素逡缀，最蘑缀据需 要焦点熬数强谩寇一个耀毽寐区分簸努翡受熹特锰。 应当指出的是，这个算法的特点柱子它能够褥至像素级蟥嶷的燕点像鬟。逶 过质处瓒可以褥到贬像素驰糖度，但邀不是本文研究的内寒，典体靛算法霹以参 见文献“。 ( 2 ) r d e r i c h e 算法的特征掇取结果。见豳3 3 。 在这个冀法中，d e 娃e h e 主要废瘸了遽归滤波器寒处理姆缎的撬取愦提，试 验结果袭明谯递归滤波器来处理多缩放图像的边界掇取情况是非常肖效的。豫且 在其算法中递归滤波器能够有效的降低计算量。 2 4 - 燕3 章蒸乎改述b 搿嚣8 f d 特糍熬匿像匹嚣纂法 矗) 图为n u s b ) 圈为弘诚u b 拄 蠲3 2h 瓤五s 角点撬取和艨强像的对院情况 f i g u r e3 也t h er e s u l t so f m e h a l t i s 啦酬妞l + a ) 戈器数涵a 磅为v e n 毽s 网3 - 3r - d e r i c h e 算法的特征提取结果 滔3 * 3 强e s u l t so f t r 蝠c h e 撼g 商娃嫩 - 2 5 j e 燕王业大学工举骥士学位论支 3 4 2 改进b a r n a r d l o g 算法的特征提取结果 奉葛给惑了三个承爨采说羁b a 臻8 撼一己o q 将缝静提取效襞，熬下实验终莱 芹分析。图3 4 是标准情况下两幅图像的特微提取效果，中阅的一列是b a 黼a 燃 特征魄提取结粜，农边的悬b a m a r d l o g 特征的提取效果。可以爨继 b 锄甜d l o g 算予提取的特征较少，童要是因必l o g 算予消除掉可能鹋噪声倍号 和非边缘特征的b a r n a r d 特征。 左墨鸯原圈像，中凌羲先8 a 撙8 堪姆薤塑像，蠢强舞b 锄a 撼l o g 砖锺鹫像：辩秀t s 溶妇鼬 b ) 为v e n u s 墅3 4 转a 瓣d l o g 特瑟疆驳祷况等藤圈德翦魄较 f i 鲫3 * 4 n ee x p e 触蚰t 阳s u l 协o f t h e b a r n a r d l o g 翻3 - 5 是翔幽l b a 图像在光照条件私图像对沈度发生变能的游候图象特征的 提取情况，表弼是条件变化君的图像；中翔怒b a r n a r d 特征豹提敝情况；右列怒 毛o g 将翟豹鬟取媾戮。矗) 行是滗嚣港疆豹结栗；b ) 行蹩光繇减弱煞绪莱；e ) 行 是对院度穗强豹结栗；韪) 行怒对毙发减弱静缩栗。在这个系聚阉豫中，b a m a r d 一2 6 第3 睾蒸予竣避b 8 嫩d 特撼静鍪椽莲蕺舞法 特征的提取基本上没有发生变化，b a 删嘲一l o g 特征在光照增强( 舀3 5a ) 行) 靛懿侯咯驻苓怒，箕德懿三柩蓬豫袭鞠，特征挺激静 蠢况蒸零上没蠢发生交纯。 左列为原图像，中列为b a r n a r d 特征，右列为b a m 封