边缘特征提取及其在图像匹配中的应用研究

优秀本科毕业设计（论文）答辩无忧，值得下载！本科毕业设计论文题 目边缘特征提取及其在图像匹配中的应用研究 专业名称学生姓名指导教师毕业时间 2014 年 6 月 优秀本科毕业设计（论文）答辩无忧，值得下载！毕业 任务书一、题目边缘特征提取及其在图像匹配中的应用研究二、指导思想和目的要求本题目来源于科研，主要学习图像特征的概念及边缘特征的提取，研究常用的图像匹配算法，进而实现相关算法。希望通过该毕业设计，学生能达到：1利用已有的专业知识，培养学生解决实际工程问题的能力；2锻炼学生的科研工作能力和培养学生团队合作及攻关能力。三、主要技术指标1学习图像特征中边缘特征的提取；2掌握基于边缘特征的图像匹配算法；3实现边缘特征的提取及其在图像匹配中的应用。四、进度和要求第 01 周-第 02 周： 参考翻译英文文献；第 03 周-第 04 周： 学习常用的图像特征及其边缘特征的提取方法；第 05 周-第 08 周： 研究基于边缘特征的图像匹配算法； 第 09 周-第 14 周： 编写基于边缘特征的图像匹配算法程序；第 15 周-第 16 周： 撰写毕业设计论文，论文答辩。五、主要参考书及参考资料1. 尼克松. 特征提取与图像处理. 电子工业出版社.2. 李言俊.景象匹配与目标识别技术. 西北工业大学出版社.3. 梁建宁. 特征选取与图像匹配. 复旦大学硕士学位论文.4. 叶耘恺. 基于边缘特征的图像配准方法研究. 重庆大学硕士学位论文.学生 指导教师 系主任 设计论文优秀本科毕业设计（论文）答辩无忧，值得下载！摘要图像匹配（Image Matching）是计算机视觉和图像处理领域中一项非常重要的工作。图像匹配技术是实现图像融合、图像校正、图像镶嵌以及目标识别与跟踪的关键步骤之一，已经广泛应用在图像识别以及图像重建等领域中。简单来说，图像匹配就是找到两幅不同图像之间的空间位置关系。图像匹配主要可分为基于灰度的匹配和基于特征的匹配。本文首先对现有图像匹配的方法进行分类、概括和简要的说明；分析了课题研究的背景，以及对国内外图像匹配的研究状况描述；其次对现有的图像匹配的几种常见算法进行简要说明，其中着重介绍了基于边缘特征的匹配算法。图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息，是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。本文对一些传统的边缘检测方法和近年来广泛受到关注的边缘检测算子进行了介绍。用 Canny 算法检测边缘再进行图像匹配，标出正确位置，先做了理想状态下的匹配，然后做原始图像旋转后的图像匹配，最后对结果进行分析。关键词：图像匹配，边缘检测，边缘特征，图像处理 优秀本科毕业设计（论文）答辩无忧，值得下载！AbstractImage matching is an important research topic in the fields of computer vision and image processing.Image matching technique is one of the key steps to achieve image fusion,image correction,image mosaic,as well as target recognition and tracking and has been widely used in the areas of image recognition and image reconstruction.In a word ,image matching is to find the spatial relationship between the two different images.Image matching can be divided into gray-based and feature-based matching.The paper firstly classified and briefly described the existing image matching methods and analysed the research background .Secondly,the paper explained several common algorithms of existing image matching ,especially,the algorithm of edge feature-based matching.Edge is one of the most fundamental and significant features.Edge detection is always one of the most classical studying projects of computer vision and image processing field.The fist step of image analysis and understanding is edge detection.The goal of edge detection is to recover information about shapes and reflectance or transmittance in an image.It is one of the fundamental steps in image processing ,image analysis,image patter recognition,and computer vision,as well as in human vision.The correctness and reliability of its results affect directly the comprehension machine system made for objective word. The summary for basic edge detection methods was made.Using Canny method detect edge and then make image matching, finding our the correct location. Firstly, making the matching under the ideal condition; besides, making the image matching of the basic image which was rotated. Finally，analyzing the result.Key words： image matching，edge detection，edge feature，image processing优秀本科毕业设计（论文）答辩无忧，值得下载！目录第一章 绪论 .51.1 课题背景、意义 .51.2 基于特征的图像匹配研究状况 .61.3 各章简介 .7第二章 图像匹配理论和基本方法 .82.1 图像匹配的概述 .82.1.1 图像匹配的概念 .82.1.2 图像匹配方法的一般步骤 .82.1.3 影响图像匹配的主要因素 .92.1.4 基于特征的图像匹配概述 .102.2 图像匹配原理 .112.2.1 数学描述 .112.2.2 空间几何变换 .112.3 基于像素灰度相关的匹配方法 .132.4 基于特征的匹配方法 .142.4.1 基于边缘特征的匹配方法 .162.4.2 图像匹配方法的流程 .16第三章 图像边缘检测与提取 .183.1 图像边缘检测与提取概述 .183.1.1 图像边缘的定义 .193.1.2 图像边缘检测算法的研究内容 .203.1.3 图像边缘检测算法的主要应用 .213.2 图像边缘检测与提取 .223.3 边缘检测与提取主要算法 .243.3.1 Roberts 边缘检测算子 .243.3.2 Sobel 边缘算子 .24优秀本科毕业设计（论文）答辩无忧，值得下载！3.3.3 Prewitt 边缘算子 .253.3.4 Log 边缘算子 .253.3.5 Canny 边缘算子 .27第四章 基于边缘特征的图像匹配 MATLAB 仿真 .304.1 MATLAB 概述 .304.1.1 MATLAB 特点 .304.1.2 MATLAB 主要功能 .304.1.3 MATLAB 在图像处理中的应用 .314.2 基于 MATLAB 的边缘检测 .324.3 基于 MATLAB 的图像匹配 .344.4 基于边缘特征的图像匹配 .374.5 旋转后的图像匹配 .40第五章 全文总结 .42参考文献 .43致谢 .45毕业设计小结 .46优秀本科毕业设计（论文）答辩无忧，值得下载！第一章 绪论数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是熟学的发展；三是广泛的农牧业、林业、环境、军事、工业和医学方面的应用需求的增长。图像匹配技术是数字图像处理领域的一项重要研究，并已在计算机视觉、虚拟现实场景生成、航空航天遥感测量、医学影像分析、光学和雷达跟踪、景物制导等领域得到了广泛的应用。图像匹配是图像处理的一个基本问题。简单的说，图像匹配就是找到两幅不同图像之间的空间位置关系。对同一物体或场景使用不同的传感器、在不同的关照条件下以不同的摄像位置和视角获得的图像一般都会不同，其差异可能表现为不同的分辨率、不同的灰度属性、不同的位置平移和旋转、不同的大小缩小和放大、以及其他的非线性变化部分物体被遮挡等。1.1 课题背景、意义当今社会是信息社会，各种媒体各种工具相互交存于社会的方方面面，而图像在其中有占据了极其重要的地位。图像具有包含信息量大、直观、容易理解以及吸引人注意等优点，是人们感知和认识外部的重要载体，人们生活中离不开图像。图像可以分为模拟图像和数字图像。模拟图像一般用照相机等来获取，模拟图像可以用一个连续函数来描述，所以模拟图像也可以成为：连续图像处理。其过程主要借助各种设备对图像进行加工处理。但是模拟图像有处理精度太差，处理方式也不够灵活，处理时间过长等缺点。数字图像时用二进制来表示图像的，是离散的数据集，可以通过数码相机等数字设备来获取。数字图像处理的是数字图像，即是由一组具有颜色、亮度等像数点的集合。数字图像的特点决定了其灵活性，并且以强大的功能成为现阶段图像处理技术的主流。优秀本科毕业设计（论文）答辩无忧，值得下载！数字图像边缘检测技术起源于 20 世纪 20 年代，当时受条件的限制一直没有取得较大进展，直到 20 世纪 60 年代后期电子技术、计算机技术有了相当的发展，数字图像边缘检测处理技术才开始进入了高速发展时期。经过几十年的发展，数字图像边缘检测处理技术目前己经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重要领域，多年来一直得到世界各科技强国的广泛关注。 在最近的 10 年发展尤为迅速，每年均有数以百计的新算法诞生，其中包括 canny 算法、小波变换等多种有相当影响的算法，这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路 7。 图像匹配的研究涉及到多方面，包括图像采集、图像分割、图像处理、特征提取等方面，并且与计算机视觉、多维信号处理和数值计算方法紧密结合。它也是一些图像分析技术的基础。正是因为图像匹配应用的广泛性，新的要求和新的应用逐步产生，使得图像匹配算法的研究逐步加深。数字图像处理的主要应用领域包括：（1）图像传输、电视会议、电视电话、视频和多媒体系统等等。（2）军事、公安、档案等其它方面的应用军事目标的侦查、制导和警戒系统、自动火器的控制及反伪装；公安部门的现场照片、指纹、印章、人像等的进一步处理和辨识；历史文字和图片档案的修复和管理；以及其它方面图像信息的显示、记录、处理和文字自动识别等。（3）遥感分航空遥感和航天遥感。遥感图像需要用图像处理技术加工处理并提取有用的信息。可用于地质、矿藏勘探和森林、水利、海洋、农业等资源的调查；自然灾害预测预报；环境污染监测；气象卫星云图处理以及用于军事目的的地面目标识别。（4）数字图像处理还应用于工业生产中的产品质量检测、生产过程的自动控制、计算机辅助设计与制造、医学和农业等各个方面。现代数字图像边缘检测处理的目标有三：可视化、自动化和定量化。1.2 基于特征的图像匹配研究状况在过去的几十年里，图像采集设备发展惊人，大量图像信息的获取增加了优秀本科毕业设计（论文）答辩无忧，值得下载！对自动匹配技术的需求。尽管早在 1983 年 Ghaffary 就发表了关于匹配的综述，但是内容基本上市针对相关算法的。第一篇影响深远的综述性文章由 1992 年Brown 发表。特别针对医学图像匹配的在文献中有阐述，而在文献中概括了遥感图像匹配的方法。另一方面，根据 Institute of Scientific Information（ISI ）的调查数据表明，最近 10 年里至少有超过 1000 篇的学术论文在研究图像匹配问题。那些在 92 年之前就发表的算法，很多至今仍然在使用。2002 年网上公布的美国申请专利中，图像匹配相关部分就有超过 50 项，IBM 和 GE 等大型跨国企业甚至有自己的工作组专门研究医学图像匹配问题。而在最近的国际顶级学术会议上都有关于匹配的专题讲座，这足以看出对图像匹配问题的相关程度。一方面匹配问题炙热，另外也说明仍然有许多技术难题没有解决且急需解决。匹配问题的定义本身很简单，然而图像内部结构的复杂性使得匹配的精确性、鲁棒性很难得到准确地检验。这也解释了为什么上千种算法中，几乎找不到通用的、一劳永逸的算法 13。近几年来，随着图像分割、边缘检测等技术的发展，基于边缘、轮廓和区域的图像匹配方法逐渐成为匹配领域的研究热点。边缘是图像的基本特征之一，也是比较固定的特征，它蕴含了图像丰富的内在信息。迄今已有很多边缘检测方法，如 Roberts 算子、Soble 算子、Log 算子、Canny 算子和应用小波变换等。1.3 各章简介第 1 章说明了本文研究课题的背景及意义，简单简绍了图像匹配的概念以及基于特征的图像匹配的概念；第 2 章主要介绍图像匹配的理论和几种基本方法；第 3 章介绍了图像的边缘检测与提取，主要简绍了几种边缘检测算法；第 4 章主要是做边缘检测算法的仿真和图像匹配的仿真；第 5 章全文总结。优秀本科毕业设计（论文）答辩无忧，值得下载！第二章 图像匹配理论和基本方法2.1 图像匹配的概述2.1.1 图像匹配的概念图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心定作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配就是找到两幅不同图像之间的空间位置关系。图像匹配技术是实现图像融合、图像校正、图像镶嵌以及目标识别与跟踪的关键步骤之一。图像匹配的研究涉及到多方面，包括图像采集、图像分割、图像处理、特征提取等方面，并且与计算机视觉、多维信号处理和数值计算方法紧密结合。它也是一些图像分析技术的基础。正因为图像匹配应用的广泛性，新的要求和新的应用逐步产生，使得图像匹配算法的研究逐步加深，出现了快速、稳定、鲁棒性好的匹配算法，因此对现有匹配算法展开分析对于实际工程提高图像处理质量和识别精度具有非常重要的意义。一般来说，图像的模板匹配技术主要可以分成基于灰度值的方法以及基于特征提取的方法两大类。灰度匹配的基本思想：以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点。特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征） ，对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法 3。优秀本科毕业设计（论文）答辩无忧，值得下载！2.1.2 图像匹配方法的一般步骤由于待配准图像的多样性，我们不可能设计出一种适合所有图像的通用的配准方法。每种配准方法不仅要考虑图像之间几何畸变假定的类型，而且还要考虑图像退化的影响、需要的配准精度等。不过，大多数配准方法都包含以下四个步骤： （1）特征提取。从参考和输入图像中提取共有的特征，如闭合边界区域、轮廓、边缘、重心、线交叉点和端点等。 （2）特征匹配。对两幅图像中的所提取的特征点(控制点)进行匹配。 （3）变换模型参数估计。选择几何变换模型并且根据匹配特征对估计出变换参数。 （4）图像重采样和变换。根据估计出的变换参数对输入图像实行坐标变换。由于图像变换后的坐标不为整数，还必须选择适当的插值技术进行灰度插值。图像配准的每一个步骤都有自己需要解决的难题。首先，我们应该确定哪种特征适合于待配准的图像。而这种特征应该是在图像中频繁出现且易于提取，并且有一定的区分度的。特征提取的方法应该有好的定位精度，并且对图像退化是不敏感的。在理想状况下，即使图像细节受图像退化影响，同一场景的各个投影都应该可以提取出相同的特征。 特征匹配遇到的问题一般是由特征提取或图像退化影响引起的。由于不同的成像条件和传感器的光学敏感性，相关的特征可能不是完全相同的。我们在选择特征提取算法和相似性度量准则时必须考虑到这些因素。我们所选择的特征提取算法对于不同的特征必须要有足够的可分辨性，并且不受图像细节轻微变化和图像退化的影响。只有这样，特征匹配算法的健壮性和有效性才能得到保证。 在变换模型参数估计时，我们应该根据具体情况选择适当的几何变换模型，然后根据匹配特征对估计出变换参数。在这一步骤中，特征提取算法的精确性、特征匹配的可靠性和可以接受的大致误差都是我们应该考虑的问题。 最后，在图像变换的时候，我们选择既要考虑需要的精度，又要考虑计算的复杂度。在大多数情况下，选择最邻近插值和双线性插值就能满足要求。对于一些特殊的情况，我们还要选择更精确的插值方法 7。优秀本科毕业设计（论文）答辩无忧，值得下载！2.1.3 影响图像匹配的主要因素根据已知模式的图像在一幅陌生图像中寻找对应该模式的子图像被称为匹配。由于传感器噪声、光照、目标移动和变形、成像过程中视角改变或者环境的改变会使同一场景在不同条件下投影所得到的二维图像会有很大的差异。为解决图像畸变带来的匹配难度，人们基于以下四个要素提出了许多匹配算法：（1）特征空间特征空间是由参与匹配的图像特征构成的，特征可以是灰度值，也可以是边界、轮廓、表面、显著特征、统计特征、高层结构描述与句法描述等。选择合理的特征可以提高匹配性能、降低搜索空间、减小噪声等不确定性因素对算法的影响，提高适应性；（2）相似性度量相似性度量指用什么来确定待匹配特征之间的相似性，它通常是某种代价函数或者是距离函数的形式。经典的相似性度量包括相关函数和 Minkowski 距离，最近人们又提出了 Hausdorff 距离，互信息作为匹配度量；（3）搜索空间图像匹配问题是一个参数的最优估计问题，待估计参数组成的空间即搜索空间，成像畸变的类型和强度决定了搜索空间的组成和范围；（4）搜索策略搜索策略是用合适的搜索方法在搜索空间中找出平移、旋转等变换参数的最优估计，使得图像之间经过变换后的相似性最大。搜索策略有穷尽搜索、分层搜索、模拟退火算法、Powell 方向加速算法、动态规划法、遗传算法和神经网络法等 7。2.1.4 基于特征的图像匹配概述基于特征的图像匹配方法要是首先要对待匹配图像进行特征提取，再利用提取到的特征完成两幅图像特征之间的匹配，通过特征的匹配关系建立图像之间的配准映射变换。由于图像中存在很多种可以利用的特征，因而产生了多种基于特征的方法。文献报道中常用到的图像特征有：特征点（包括角点、高曲率点等）直线段、边缘、轮廓、闭合区域特征结构以及统计特征如矩不变量、重心等等。而图像的低级别特征主要有点、面及边缘特征等。但是面特征提取优秀本科毕业设计（论文）答辩无忧，值得下载！比较麻烦，耗时多，因此基于特征的匹配算法主要是研究利用特征点和边缘特征进行匹配。本文主要研究边缘特征。前面已经介绍了现有的一些基于特征的图像匹配方法。通过对这些方法的研究，我们发现尽管它们有较强的有效性和可靠性，有些还可以达到较高的配准精度。但是这些方法一般存在两大问题：方法的适用性较差和计算量较大。这为这些方法在不同领域中的应用带来了不便。如何提高配准方法的适应性和减小配准方法的计算量将成为研究的热点之一。 在基于边缘特征的图像配准中有两个重要的环节：一是边缘特征点的提取，二是相似性度量，即特征匹配准则。边缘特征点提取的准确性及定位的精确程度将对相似性度量产生影响。换言之，选择不同的特征匹配准则将对边缘特征点提取有不同的要求。两者都是基于边缘特征的图像配准的关键。2.2 图像匹配原理2.2.1 数学描述我们定义两幅具有偏移关系（包括平移、旋转、缩放）的图像分别为参考图像和待匹配图像，并用二维数组 和 表示图像相应位置处的灰),(1yxf),(2f度值。则两幅图像在数学上有如下变换关系：（2-1）),(),(12shfgf其中 h表示二维空间坐标变换， 表示灰度或辐射变换，描述因传感器类型的不同或辐射变形说引入的变换。匹配的目的就是要找出最佳坐标、灰度变换参数。通常意义的匹配只关心位置坐标的变化，灰度或辐射变换可以归为图像预处理部分 10。2.2.2 空间几何变换最常见的几何变换包括简单刚体变换、仿射变换、投影变换、透视变换和全局多项式变换。简单刚体变换指物体或者镜头的运动不影响成像物体保持相对尺寸和形状，一般由平移、旋转和尺度三种变换合成。仿射变换比刚体变换更具有一般性，在更复杂的畸变下仍然能保持很好的数学特性。投影、透视变换针对的是物体在不同距离条件下成像所产生的畸变，通常需要知道物体成像时离镜头的具体距离才能有效的匹配。多项式变换则是全局变换下最一般的情优秀本科毕业设计（论文）答辩无忧，值得下载！况。如果需要考虑图像内非刚性物体的因素，则弹性变换模型更加实用 13。一下将具体介绍几种重要的变换数学模型（1）刚体、仿射变换模型仿射变换时匹配中最常用的一类转换模型，由平移、旋转、尺度的笛卡尔变换构成，属于全局刚体变换，具有将平行线转换成平行线和有限点映射到有限点的一般特性。若点 ， 分别为基准图像与模板图像中对应的两点，则有：),(1yx),(2（2-2） 12cosinyxtxyx其中，s 为尺度变换旋转方程为：（2-3）cosinR是需要求出的精确旋转角，tyx),(T为平移分量。仿射变换式：（2-4）1102yatyxyx则是更一般的形式，除了尺度、平移、旋转外，它还考虑了畸变中的倾斜、纵横比变换。（2）透视变换透视变换时三维空间到二维空间的映射。若 ),(0zyx为三维场景内的一点，那么它在二维平面的对应点 ),(1yx如下表示：（2-5）fzx01（2-6）fy01其中 f 表示相机镜头焦距。（3）投影变换优秀本科毕业设计（论文）答辩无忧，值得下载！若场景由三维空间中一相对于图像平面倾斜的平面构成，这是便需要投影变换将场景平面映射到水平的图像平面上。以 ),(,1yxp分别表示场景平面与图像平面内的对应两点，两者的映射关系如下表示：（2-7）33211ayxap（2-8）33231ypp2.3 基于像素灰度相关的匹配方法基于灰度相关的匹配算法，即对待匹配的两幅图像以一定的灰度阵列按某种或几种相似性度量顺次搜索匹配的方法，其匹配性能主要取决于相似性度量及搜索策略的选择。匹配窗口大小的选择也是影响匹配性能的一个重要因素，当景物存在遮挡或者图像不光滑时，选择大窗口容易出现错误的匹配，尔小窗口又不能满足强度的变化，因此为了达到最好的匹配效果，可以自动适应调整匹配窗口的大小。基于灰度相关的匹配算法直接利用图像的灰度进行匹配，可以利用图像的所有信息，但需要处理很大的信息量，计算复杂而且容易出错，很难达到实时匹配的要求，而且对图像间的细微差别很敏感。所以该算法抗噪声及其他抗干扰能力比较差，只能用于对具有相同外界条件的两幅图像进行匹配 23。设参考图像 Xij 的大小为 ，输入图像 Yij 的大小为 ,其中nmNMMm，Nn。Y(a,b) ij 表示输入图像以（a，b）为中心，与参考图像大小相等，对应(i， j)位置的像素灰度。相关算法有：（1）不变矩匹配法；不变矩匹配算法用两个图像之间七个不变矩之间的相似性来描述相似度。现在如果令实时图的不变矩为 Mij=1，2，.7，并且令实验位置（u，v）上的基准子图的不变矩为 Ni（u ，v） ，j=1 ，2，.7，则两图之间的相似度可以用任一种相关算法来度址，其中 R（u，v）是实验位置（u，v）上的不变矩的相关值。优秀本科毕业设计（论文）答辩无忧，值得下载！（2-9）2/1717271 ),(/),(),(iiii vuMvuvuR（2）灰度的绝对差值法（AD);模板 N 在图像 M 上平移，搜索窗口所覆盖的子图记作 Mij，i，j 为子图的左上角顶点在图 M 中的坐标。最简单的基于灰度值的方法是利用灰度的绝对差值（AD）即计算模板与搜索子图灰度值的 L1 距离：（2-10）Nnmji mnNji1, ,)(),(D）（其中 S,T 分别代表图像各个像素的灰度值,m,n 代表各个像素的坐标。D(i，j)值越小，表示两个像素块越相似。这种方法虽然计算比较简单，但是它对噪声非常敏感。显然，此种算法的时间复杂度是 O(M2N2),一旦搜索图的灰度发生变化，算法将可能会失效。（3）差方和法（SSD）这种方法是计算模板与所属子图灰度值的 L2 距离：（2-11）Nnmji mnNMji1 2, ),()(),(D基于灰度值的匹配方法的主要特点是计算简单，但是由于计算相似度时往往涉及到待匹配单元的每个像素的灰度值，所以导致整个匹配搜索过程要消耗巨大的计算量。基于灰度的匹配算法存在如下几个缺陷：（1）对图像灰度变化比较敏感，尤其是非线性的关照变化，将大大降低算法的性能；（2）计算复杂度高；（3）对目标的旋转，形变以及遮挡比较敏感。利用灰度信息匹配方法存在着各种缺陷，实际工作中一般都有一定的速度要求，所以这些方法很少被使用 11。2.4 基于特征的匹配方法基于特征的匹配算法根据两幅图像相同特征的集合关系计算匹配参数，而图像的低级别特征主要有点、面、及边缘特征等。但是面特征提取比价麻烦，耗时多，因此基于特征的匹配算法主要研究利用特征点和边缘特征进行匹配。图像特征分为两类，第一类是局部特征，比如说角点、边缘点、短的边缘或者线段、小块区域等；第二类是全局特征，通常由几个多边形或是几个对象优秀本科毕业设计（论文）答辩无忧，值得下载！内容更为复杂的描述构成。特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间的匹配对应关系，通常使用的特征基元有点特征、边缘特征和区域特征。特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅里叶变换和泰勒展开等数学运算。基于特征的匹配方法主要涉及到两个关键步骤：（1）特征提取：正如上文提到的，图像特征分为局部特征和全局特征。有些方法采用角点作为局部特征，也有些方法采用线段，比如通过提取高分辨率遥感城市图像中的道路作为特征来匹配也可以是边缘、轮廓、小块区域等其他更为复杂的特征，比如以多边形区域作为匹配特征。而全局特征就是局部特征的组合。常用的特征提取与匹配方法有：模型法、几何参数法、几何法、边界特征法、信号处理法、傅氏形状描述法、统计方法、形状不不变矩法等。（2）特征匹配：特征匹配是指在两幅图像的特征之间建立对应关系的过程。特征匹配方法涉及到对特征描述的定义和特征匹配策略两点。对特征描述的定义即如何量化地描述一个特征，一个好的特征描述定义应该尽量做到以下几点：来自两幅图像的特征应该就有几何不变性，特征值受噪声的影响应该小；要使特征值尽量分散,既不同的特征就应该有不同的特征值，才可以避免歧义性；一个特征有多个特征可匹配，要使特征的描述尽量简单，过于复杂的描述会增加计算复杂度。在多数情况下这几点是矛盾的，所以一个好的特征描述定义应该很好的权衡好这几点问题。特征匹配策略是指如何快速准确地找到特征之间的对应关系。常用的基于特征的匹配算法又 距离匹配法、最小均方误差匹配、金字塔小波匹配等，以及现在很热门的 SIFT 算法。在无法对图像变形的原因简单建模的情况下，经常都采用基于特征的方法进行匹配。例如，对从不同视角对一个有地形起伏的场景拍摄的多幅图像进行匹配，通常无法知道地形起伏的准确描述图。这是就可以在两幅图像中寻找一些易于辨识的对应点作为参考位置，进行图像匹配。这类方法一般包括三个阶段：（1）计算并提取图像的特征集；（2）将这些特征作为控制结构，寻找两幅图像间控制结构的映射关系；（3）建立控制结构的空间域的几何变换，通常利用最小二乘原则建立一个优秀本科毕业设计（论文）答辩无忧，值得下载！二维多项式函数来对几何变换进行拟合。按用到的图像特征的不同来分类，可以分为基于点、基于矩（Moment-based） 、基于边缘、基于相似性判据最优化的方法等 18。基于控制点的匹配方法：也称为点映射法（Point-mappingLandmark-based） ，即控制结构为图像中的显著点。控制点也可以是用户提供的，也可以由算法估计，然后对控制点进行匹配，估计几何变换参数并进行匹配。基于矩的匹配方法：控制结构式图像或局部图像的不变矩，根据不变矩特性进行目标间的匹配。常用的有一阶矩、二阶矩。基于边缘的匹配方法：控制结构是图像的边缘，通过利用边缘的长度、方向等信息来实施边缘间的匹配。基于相似性判据最优化地方法：选择一个几何变换并以各种参数值加于一幅图像上，对每一个值，结合另一幅图像评价由相似性判据提取的控制结构。这样就表明了控制结构匹配的程度，由此可以由判据的最优值来实现匹配。这种方法后来也归结于基于弹性模型的方法。就控制点来说，可以分为累不和外部两种。外部控制点指一些与图像数据本身没有关系的便于识别的特征点，通常是为了达到匹配目的而加入的。如医学上作 MRI 成像和 CT 成像的时候，可以在病人身体表面固定几个小金属架，这样才 MRI 和 CT 图像中都可以很容易的找到这些点，并以这些点为位置参照，来确定其它点的位置。相比之下，内部控制点指那些来自图像数据本身的特征点。根据特征点的提取方式又可分为人工干预和自动提取两种。典型的控制点有角点、路线交叉点、曲率最大点等。2.4.1 基于边缘特征的匹配方法 在基于边缘特征的图像匹配中有两个重要的环节：一是边缘特征的提取，二是相似性度量，即特征匹配准则。边缘特征提取的准确性及定位的精确程度将对相似性度量产生影响。换言之，选择不同的特征匹配准则将对边缘特征提取有不同的要求。本文中基于边缘特征的图像匹配方法首先选择适当的图像区域作为匹配子图，再对配准子图进行特征的提取，利用 Canny 算法提取边缘特征。在提取边缘后对匹配子图和匹配图像区域的像素点进行比较，匹配子图和该图各区域的优秀本科毕业设计（论文）答辩无忧，值得下载！像素矩阵一次相减，再求出绝对值的和，最终找出最小的一个，确定该区域的坐标并在原图中框出。2.4.2 图像匹配方法的流程本文用到图像匹配方法的过程可以分为以下四个步骤：步骤 1：选择配准区域，在待配准图像中选取典型局部配准区域作为特征子图。步骤 2：边缘检测，用 Canny 算法对匹配子图和原图进行边缘检测。步骤 3：特征匹配，用匹配子图和原图相应区域的像素矩阵一一相减，求出最相似的一个区域。步骤 4：确定该区域的位置并在原图中框出。优秀本科毕业设计（论文）答辩无忧，值得下载！第三章 图像边缘检测与提取3.1 图像边缘检测与提取概述数字图像边缘检测技术起源于 20 世纪 20 年代，当时受条件的限制一直没有取得较大进展，直到 20 世纪 60 年代后期电子技术、计算机技术有了相当的发展，数字图像边缘检测处理技术才开始进入了高速发展时期。经过几十年的发展，数字图像边缘检测处理技术目前己经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重要领域，多年来一直得到世界各科技强国的广泛关注。 数字图像边缘检测处理技术在最近的 10 年发展尤为迅速，每年均有数以百计的新算法诞生，其中包括 canny 算法、小波变换等多种有相当影响的算法，这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路。 现代数字图像边缘检测处理的目标有三：可视化、自动化和定量化： （1）可视化:当图像被采集并显示时，这些图像通常需要改善以便观察者更容易解释它们。感兴趣的目标必须突出或者图像各部位之间的对比度需要增强处理。自从像 CT 和 MRI 等三维成像手段问世以来，可视化，特别是三维结构的可视化受到极大的关注。 （2）自动化:旨在使一些日常的或繁琐的工作自动化。例如，根据一个染色体分布的显微图像自动确定染色体核型的系统，从一个血液涂片自动生成白优秀本科毕业设计（论文）答辩无忧，值得下载！细胞分类计数报告的系统。这些应用的特征是要求最小的人工干预，全自动完成分析工作。关于白细胞分类计数应用，市售系统是在 1970 年开发成功的。但今天这项任务是以完全不同方式（采用流式白细胞计数技术）自动完成。 （3）定量化:有关定量化的图像边缘检测的例子有：测量动脉狭窄的程序以及用电子显微镜观察组织切片中特殊成分的定位和定量（如血色素沉着症中的铁元素） 。在这些应用中，人工介入是允许的，因为处理时间的长短在这些应用中并不是主要矛盾。 数字图像边缘检测处理，即用计算机对图像的边缘进行处理，这一技术是随着计算机技术发展而开拓出来的一个新的应用领域，汇聚了光学、电子学、数学、摄影技术、计算机技术等学科的众多方面。图像边缘检测处理作为一门学科已经被美国数学学会列为应用数学的一个研究分支。在其短暂的发展历史中，已经被成功的应用在几乎所有与成像有关的领域。近年来，图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来。它以众多的学科领域为理论基础，其成果又渗透到众多的学科中，成为理论实践并重，在高新技术领域中占有重要地位的新兴学科分支 12。3.1.1 图像边缘的定义边缘无疑是图像中最显著和直观的特征，它存在于图像的目标区域和背景之间，对应着图像中更抽象的信息和匹配时比区域匹配更少的计算量。图像的边缘主要表现为图像局部特征的不连续性，是图像中灰度变换比较剧烈的地方。图像的边缘划分为阶跃状和屋顶状。阶跃状边缘中边缘两边的灰度值有明显的变化；而屋顶状边缘中边缘位于灰度增加与减少的交界处。在数学上可以利用灰度的导数来描述边缘点的变化，对阶跃状边缘、屋顶状边缘分别求其一阶、二阶导数。为了求取边缘方向直方图，需要提取图像中目标的边缘。基于形状的图像检索技术对于边缘的定位要求很高，这将会直接影响到最终的检索效果。在讨论边缘检测方法之前，首先介绍一些术语的定义。 （1） 边缘点：图像