基于精度控制的圖像配準(zhǔn)算法研究.pdf

1、圖像配準(zhǔn)是圖像處理領(lǐng)域的一個(gè)基本問(wèn)題，它在計(jì)算機(jī)視覺(jué)、模式識(shí)別和圖像重建等諸多領(lǐng)域有著廣泛的應(yīng)用。近年來(lái)，隨著圖像配準(zhǔn)在多媒體數(shù)據(jù)庫(kù)管理、行人檢測(cè)、搜索引擎等應(yīng)用領(lǐng)域的擴(kuò)展，如何盡可能提高匹配質(zhì)量、特別在滿足配準(zhǔn)精度與可靠性前提下進(jìn)一步提高圖像配準(zhǔn)的速度，已成為該領(lǐng)域研究的熱點(diǎn)課題。
　　目前，以灰度信息直接度量圖像區(qū)域之間的相似程度的圖像配準(zhǔn)算法、以不變矩作為統(tǒng)計(jì)特征的基于形狀的圖像配準(zhǔn)算法和建立特征點(diǎn)間仿射變換模型的基于空間的

2、圖像配準(zhǔn)算法，分別適用于不同配準(zhǔn)精度要求的應(yīng)用領(lǐng)域。本文正是以圖像配準(zhǔn)中的精度控制為主線，針對(duì)以上圖像配準(zhǔn)算法進(jìn)行了深入系統(tǒng)地研究。主要研究工作及成果如下:
　　1.利用灰度信息構(gòu)造了感知哈希序列用以直接度量圖像間相似程度。常用的基于灰度信息構(gòu)造感知哈希序列方法因在圖像邊緣灰度鄰域值變化大，直接導(dǎo)致感知哈希序列對(duì)圖像旋轉(zhuǎn)變化敏感。本文提出的基于感知哈希的內(nèi)容檢測(cè)算法CDPH利用SOBEL邊緣檢測(cè)和哈希表實(shí)現(xiàn)對(duì)相同感知哈希內(nèi)容的快速

3、配準(zhǔn)，實(shí)驗(yàn)結(jié)果表明該算法的平均計(jì)算時(shí)間減少14％以上。
　　2.研究并分析比較了Zernike矩與偽Zernike矩在冗余度、抗噪性和重建性等特性的區(qū)別，針對(duì)矩特征配準(zhǔn)算法中的匹配點(diǎn)無(wú)法保障前提正確性的情況，利用迭代加權(quán)改進(jìn)了目標(biāo)函數(shù)匹配的最小值，提高了偽Zernike矩特征配準(zhǔn)算法的配準(zhǔn)精度。本文提出的ILSM算法利用矩定義與維數(shù)分解方式，確定基于偽Zernike矩的分階數(shù)配準(zhǔn)參數(shù)，提高了配準(zhǔn)速度。將之應(yīng)用到光字符識(shí)別(OCR)

4、中，識(shí)別率超過(guò)95％。
　　3.k-means聚類算法以特征點(diǎn)之間的歐式距離作為相似度度量，本文針對(duì)在大型數(shù)據(jù)集中的應(yīng)用效果提出具有相同時(shí)間與空間復(fù)雜度的重復(fù)迭代最鄰近點(diǎn)算法RIN。實(shí)驗(yàn)結(jié)果表明，RIN算法比k-means算法將EER曲線性能提高了7.3％的效率。更重要的是，RIN算法得到的樣本集比利用k-means算法得到的樣本集視覺(jué)上更符合后續(xù)配準(zhǔn)的要求，同時(shí)樣本數(shù)量較少，需要的存儲(chǔ)空間僅為k-means算法一半。