图像匹配中特征点提取算法研究 (毕业设计45页、18332字)
摘要：图像匹配广泛应用于计算机视觉、目标识别、医学图像处理、遥感等领域。特征点的选择是基于点特征匹配算法的一个关键步骤，是机器视觉的关键技术之一。在所有的特征点检测方法的研究中，以角点检测方法的研究最受关注。文章对图像匹配中角点检测算法的理论进行了回顾以及总结，主要对Harris，SUSAN，MIC三种经典算法进行了理论分析，并且基于C＃实现了这三种算子组成的角点检测系统。本文的重点内容是在角点检测系统中，基于图像匹配从参数对角点检测的影响、算法运行时间、识别角点数目以及算子的抗噪能力等几个方面对三种经典的角点检测算法进行对比实验，然后分别作了对应的分析。经过实验分析得出Harris算子是用于图像匹配最适合的角点检测算法。

关键词：角点检测；Harris；SUSAN；MIC
 
 
 
Feature-points Extraction Algorithm Research in Image Matching
Abstract: Image matching is widely used in computer vision, target identification, medical image disposal,remote sensing etc..Selecting the feature-points is a key step in image matching based on point’s feature,and it is one of the key techniques in machine vision.The research of corner detection abtains the furthest attention in all detection methods to the feature-points.This paper attempts to review and summarize the theoreticses of the corner detection methods in image matching,mainly analyses the theories of the 3 classical corner detection algorithms,Harris,SUSAN and MIC.A corner detecting system which is based on the C# is complete.And the system is composed with the above 3 classical corner detection algorithms.The paper’s primary content is that taking contrastive experiments about the 3 classical corner detection algorithms in some aspects,such as the parameter’s effect to the corner detection,the runtime of the arithmetic,the number of recognised corners and the ability of anti-noise and so on based on image matching in this system,and then respectively make corresponding analyses.The result shows that the Harris arithmetic is the best appropriate corner detection algorithm in image matching. 
 
Key words: corner detection，Harris，SUSAN，MIC
 
目　　录
第1章  绪论 1
1.1　课题背景介绍 1
1.2　计算机视觉及图像匹配概述 1
1.3　角点检测的研究现状 2
1.4　本论文研究内容和章节安排 3
第2章  二维图像特征点提取技术 4
2.1  特征点的定义分类及角点的引出 4
2.1.1　特征点的定义及分类 4
2.1.2  角点的引出 4
2.2  二维图像角点检测 5
2.2.1  二维图像角点检测准则 5
2.2.2  二维图像角点检测技术 5
第3章  经典角点检测算法 7
3.1  Harris角点检测算法 7
3.2  SUSAN角点检测算法 11
3.3  MIC角点检测算法 13
第4章　系统实现 16
4.1　开发环境及语言 16
4.2　系统框架及算法实现 16
4.2.1　系统框架 16
4.2.2　算法实现 17
4.2.3　流程图 19
4.3　部分功能代码 23
第5章　基于系统的三种检测算法的实验 25
5.1　检测图像的选择 25
5.2　参数对算法的影响 26
5.2.1　参数的经典范围 26
5.2.2　不同参数下的实验 27
5.2.3　参数对角点提取的影响 28
5.3　执行时间及角点数目检测实验 31
5.3.1　相关实验 31
5.3.2　实验结果分析 33
5.4　各种算子的抗噪性 35
5.4.1　相关实验 35
5.4.2　实验结果分析 36
5.5  算法的比较及分析 36
结论 38
致谢 39
参考文献 40
 
第1章  绪  论
1.1　课题背景介绍
机器视觉被广泛应用于工业自动化生产，宇航航空，医学图像分析，机器人自动导航，交通安全以及国防。双目视觉测量技术是机器视觉的热点技术之一，它可以快速准确地获得被测物体表面的点云数据，是逆向工程的前提。图像匹配中特征点提取算法是机器视觉的关键技术之一，目前广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。近20年来，特征点的提取受到了研究者们的广泛关注。在所有的特征点检测方法的研究中，以角点检测方法的研究最受亲睐。本题目为国家中小企业创新基金项目(06C26225100462)提供支持。
1.2　计算机视觉及图像匹配概述
计算机视觉是人类视觉的模拟。客观世界是一个三维的空间世界，而人眼所获得的景物图像都是二维的。但是人的视觉系统具有将获取的图像信息转变为立体视图的功能，能从二维图像中感受三维世界，获得三维信息。立体视觉正是根据这个原理, 探求从2D图像中恢复3D空间信息的方法，达到从图像认识世界的目的[14]。
作为一门学科，计算机视觉开始于50年代末60年代初，四十多年的发展至今仍然没有统一的理论。50年代末60年代初的研究重要集中在二维景物图像的分析。在计算机视觉的基本研究中的许多重要进展是在80年代取得的。这个时期Marr提出了第一个计算机视觉领域的理论框架――计算机视觉理论[6]。人们普遍认为，计算机视觉这门科学的形成与Marr的视觉理论有着密切的关系。这一理论把视觉过程看作一个信息处理的过程，并提出对于信息处理过程的研究应该分为三个不同的层次，即计算理论层次，表达与算法层次，硬件实现层次。这一理论强调视觉的目的是从图像中建立物体形状和位置的描述，把视觉过程主要规定为从二维图像信息中定量地恢复出图像所反映场景中的三维物体的形状和空间位置，即3D重建(reconstruction)。Marr建立的视觉计算理论，是视觉研究中迄今为止最为完善的视觉理论，使计算机视觉研究有了一个比较明确的体系，大大推动了计算机视觉研究的发展。
现在计算机视觉已成为一门不同于人工智能、图像处理、模式识别等相关领域的成熟学科。已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 同时，视觉也是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能、自主系统中不可分割的一部分。
图像匹配是图像分析和处理的基本问题，是三维重建方面的关键技术之一。图像匹配可以认为是在不同时间或相同时间、从不同视角或相同视角对同一场景拍摄的两幅或者多幅图像进行的空间域上的匹配过程[4]。简单地说，图像匹配就是建立两幅图像之间的对应关系，确定相应的几何变换参数，对两幅图像中的同一目标进行匹配。将图像特征从一幅图像到另一幅图像匹配起来，这个过程称为序列图像特征的跟踪，也可以称为序列图像的匹配。            
图像的匹配是许多计算机视觉应用的基础，如摄像机定标、三维重建、目标的识别和跟踪等。近几年在许多领域中，都对图像配准进行了大量的研究，比较有代表的是：模式识别、自动导航、遥感领域、医学诊断、计算机视角等。由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，使拍摄的图像不仅受到噪声的影响，而且存在严重的灰度失真和几何畸变。在这种条件下，匹配算法如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性强以及并行实现成为人们追求的目标。
由于本设计主要是对角点检测技术的学习和研究，所以对计算机视觉以及图像匹配等方面就不再作过多的介绍。
1.3　角点检测的研究现状
在基于特征点的图像匹配中，特征点的提取是最重要却又是最困难的一步。实际应用中，有时是由人工来选择特征点的。人工的方法需要由有经验的专家来进行，当要选择的特征点较多时，费时费力且易于出现差错。所以，近 20 年来，研究自动提取图像中的特征点一直受到研究者们的关注。前文也已经提到，目前在所有的特征点检测方法的研究中，角点因具有信息量丰富、便于测量和表示、旋转不变和不随光照条件改变而变化而成为许多特征匹配算法的首选[5]。
在一些应用中使用角点进行处理，可以减少参与计算的数据量，同时又不损失图像的重要灰度信息，而且角点在图像匹配中也有很重要的意义，利用角点特征进行匹配可以大大提高匹配的速度。角点作为输入可应用于3D建模、3D 对象跟踪等领域，尤其在实时处理中有很高的应用价值。在实现摄影测量自动化和遥感影像匹配中，提取角点特征具有重要意义。
1.4　本论文研究内容和章节安排
本文详细介绍了各种二维图像角点检测方法，并主要针对三种经典的角点检测方法，对其进行了归纳和分类。同时基于C#实现了这三种算法的相应程序的编写，并基于这个系统将这三种经典的角点检测算法进行了对比，分析各种算法的效果。
论文章节安排如一下：
第一章在绪论中介绍了计算机视觉和角点检测的研究现状。
第二章分析总结了二维图像特征点提取技术。
第三章给出了三种经典的角点检测算法的原理。
第四章学习了实现算法的开发环境以及语言基础。给出了算法的流程以及系统的框架，并且基于该语言环境实现了三种算法的实验系统。
第五章对三种检测算法进行各方面的实验以及对实验结果的进行了比较分析。
最后，作为本文的结束语，对全文的工作进行了总结。