魚眼圖像特征匹配方法研究.pdf

1、圖像對應點匹配是指確定不同圖像間對應同一空間點的圖像點。在幾乎所有的計算機視覺問題（如運動估計、物體識別、目標檢測、三維重建等）中，圖像對應點的匹配都是一個關鍵步驟，因此，這一問題也是計算機視覺中的一個核心問題。目前國內外在此領域雖然取得了豐碩的研究成果，但大都集中于透視圖像。魚眼圖像具有較大的視場范圍，在現(xiàn)實中具有重要的應用價值，但由于其非線性變形嚴重，使得對應點匹配更加困難。
　　本文圍繞如何匹配魚眼圖像間的對應點問題做了一些

2、研究，并取得了一定的研究成果。所完成的主要工作有:
　　1.研究了魯棒估計策略對線性參數(shù)估計問題的影響，并提出了一種實用的魯棒估計方法。遠離圖像中心的區(qū)域比靠近圖像中心的區(qū)域變形更嚴重，數(shù)據(jù)噪聲更大，但這些區(qū)域的數(shù)據(jù)對參數(shù)估計非常重要?；谶@樣的觀察，我們合理地假設不同區(qū)域的數(shù)據(jù)噪聲不同，并給出了一種從受噪聲干擾的數(shù)據(jù)集中逐漸選擇越來越多內點的策略。使用這種策略，一方面可以得到更多的數(shù)據(jù)點，這對噪聲數(shù)據(jù)下的線性估計問題是非常有利的

3、，另一方面，數(shù)據(jù)集中包括了更多的遠離圖像中心的數(shù)據(jù)點。這兩方面都使得運動參數(shù)的最終估計在精確度和穩(wěn)定性上得到了明顯提高。
　　2.編程實現(xiàn)了文獻中三種典型的輪廓特征點提取方法，并對這三種方法進行了實驗分析和比較。這三種方法分別是，輪廓極值曲率點的檢測方法，輪廓彈性極小值點的檢測方法，輪廓多尺度視覺曲率點的檢測方法。從檢測正確性、參數(shù)設定、算法執(zhí)行效率三方面分析得出，視覺曲率點檢測算法優(yōu)于其它兩種檢測算法。
　　3.提出了一種

4、魚眼圖像對應點匹配框架，并給出了一種具體的實施方法。由于魚眼圖像變形嚴重，直接采用傳統(tǒng)的基于仿射不變量的方法往往只能得到較少的對應匹配，一般來說不能滿足實際應用的需要。我們提出的匹配框架的主要思想是:首先采用基于仿射不變量的方法得到一定的初始匹配，并初步估計幾何約束模型;盡管這個模型不是很精確，但可以指導后續(xù)過程得到更多的特征匹配，并可以逐步更新約束模型，最終得到穩(wěn)定的結果。實驗結果表明，這種匹配方法可以得到大量可靠的，穩(wěn)定的圖像特征點