学海网

毕业论文-基于改进SURF算法的高精度稳像检测算法研究，共36页，15792字，附开题报告等
主要内容
在用 SURF 算法提取特征点进行匹配时，有大量的特征点未进行匹配，分
析发现，这些特征点所含信息量较低。因此，本项目用原 SURF 算法检测特征
点，然后计算检测出来的特征点的信息量，去掉信息量低的特征点，减少特征
点匹配时间，以提高配准速度。
衡量信息量大小的标准很多，如梯度、熵、配准度等，其中香农熵是较好
的信息量大小的衡量标准，然而，香农熵也有其局限性，因它只考虑了像素值
离散的情况，而本项目中还需考虑特征区域像素值的分布情况。因此，对香农
熵作了如下 2 个方面的改进：1 ）在一幅图像中，由于待选特征点是比周围点
hessian 值大的像素点，特征点邻域是凸邻域，所以特征点邻域中由外向中心方
向，离特征点越近，像素值应该越大。2）为使算法更好地适应图像的旋转，特
征点应具有旋转不变性。
SURF 匹配算法中判断参考图像（假设有 N1个特征点）中第 i 个特征点是
否与配准图像（假设有 N2 个特征点）中某个特征点匹配，要计算参考图像中
第i 点与配准图像中所有 N2 个特征点的欧氏距离并排序，这需要计算1×64 向
量和64×N2 向量的乘积得到1× N2维向量，并对该向量排序。当计算参考图像
中所有N1个特征点的匹配关系时，需要重复如上操作 N1 次，当 N1 和 N2 都很
大时，计算很耗时，算法效率低。
为了提高图像配准精度，就不能存在以下情况，即在参考图像中用某种尺
度检测出来的特征集中的2个特征点，其中一个对应配准图像中用某种尺度检测
出来的特征集中的某一特征点，而另一个则对应配准图像中用另一种尺度检测
出来的特征集中的某一特征点。因此，本项目提出采用特征子集配准方法，找
到特征点匹配个数最大的特征集对应组，并把这种特征集对应的特征点匹配关
系作为图像的特征点匹配关系，计算配准转换矩阵，实现配准。用这种方法可
减少特征搜索区域，增加正确匹配数，减少匹配计算时间。并将SURF匹配算法

中文提要
本文研究的内容是基于改进SURF算法的高精度稳像检测算法，研究的背景来源于工程实践项目。
运动矢量检测算法的精度直接关系到最后稳像精度的高低，是项目研究中的一个关键问题。在用特征匹配法提取运动矢量参数时，需要考虑到提取特征和特征定位的精确性，而SURF算法是一种基于快速鲁棒特征的匹配算法，它是一种针对 SIFT 运算速度慢的缺陷而对其进行全面改进并获得成功的加速算法，它不但在计算速度上有了很大的提高，而且在抗尺度变化、旋转、光照、仿射、几何变换等方面都有较好的表现。
针对视频设备在动载体上出现的不稳定视频输出，研究一种改进的高精度运动矢量检测算法；通过采用SURF算法获得参考图像和当前图像中的兴趣点及其匹配关系，利用随机抽样一致性(RANSAC)算法消除误匹配对并过滤掉由前景物体局部运动带来的全局运动矢量误差，从而获得高精度的运动估计矢量。
本文利用改进的SURF算法作为图像匹配的特征提取算法，研究积分图像提取算法的改进，提出用信息量扩展 SURF 检测算子和分特征集匹配方法，通过阈值量化提高合适匹配点的置信度，提高算法配准速度和性能，最终通过实验仿真验证了算法的有效性。
关键词：SURF；图像配准； 稳像检测

目 录
第1章 绪论
1.1 课题的研究背景和意义…………………………………………………1
1.2 项目理论与实际意义……………………………………………………3
1.3 国内外发展现状……………………………………………………………5
1.4 本文的主要工作和论文结构…………………………………………8
第2章 SIFT算法简介
2.1 高斯尺度空间概述………………………………………………………11
2.2 SIFT算法……………………………………………………………………11
2.3 SIFT特征描述子及其在特征匹配上的应用……………… 11
2.4 本章小节………………………………………………………………………17
第3章 RANSAC消除SIFT错误匹配
3.1 RANSAC算法介绍………………………………………………………………18
3.2 RANSAC算法在消除错配中的应用…………………………………18
3.3 本章小节……………………………………………………………………………19
第4章 SURF算子的提取与匹配
4.1 SURF算子提取过程……………………………………………………20
4.2 SIFT与SURF的比较………………………………………………………23
4.3 SURF提取实验…………………………………………………………… 23
4.4 本章小节………………………………………………………………………24
第5章改进SURF算法在图像配准中的应用
5.1 特征点检测算法的改进…………………………………………………25
5.2 特征点匹配算法的改进………………………………………………25
5.3 实验结果与分析……………………………………………………………… 26
5.4 本章小节……………………………………………………………………………30
结论 …………………………………………………………… 31
参考文献 ……………………………………………………… 32
致谢 …………………………………………………………… 33
附录 …………………………………………………………… 34

本文主要工作和论文结构
本文主要工作
针对视频设备在动载体上出现的不稳定视频输出，研究一种改进的高精度运动矢量检测算法；通过采用SURF算法获得参考图像和当前图像中的兴趣点及其匹配关系，利用随机抽样一致性(RANSAC)算法消除误匹配对并过滤掉由前景物体局部运动带来的全局运动矢量误差，从而获得高精度的运动估计矢量。本项目利用改进的SURF算法作为图像匹配的特征提取算法，研究积分图像提取算法的改进，提出用信息量扩展 SURF 检测算子和分特征集匹配方法，通过阈值量化提高合适匹配点的置信度，提高算法配准速度和性能，并最终在MATLAB上实现。运动矢量检测算法的精度直接关系到最后稳像精度的高低，是项目研究中的一个关键问题。在用特征匹配法提取运动矢量参数时，需要考虑到提取特征和特征定位的精确性，而SURF算法是一种基于快速鲁棒特征的匹配算法，它是一种针对 SIFT 运算速度慢的缺陷而对其进行全面改进并获得成功的加速算法，它不但在计算速度上有了很大的提高，而且在抗尺度变化、旋转、光照、仿射、几何变换等方面都有较好的表现。因此，项目拟选用该算法，并针对特征区域像素分布简单时，图像旋转、光照变化等会使图像特征点检测率下降现象，给出一种信息量扩展 SURF 检测算子的改进方法，通过阈值量化提高特征点的鲁棒性，提高算法的匹配精度。
本文涉及的研究内容主要包括：
（1）研究了基于特征点的图像配准方法，对常见的特征点进行研究。
（2）研究了SIFT图像特征提取和匹配算法，给出了SIFT算法的实现原理和步骤，并给出了SIFT算子的匹配步骤。
（3）研究RANSAC算法对于消除错误匹配的原理并给出了仿真验证。
（4）在SIFT算子的基础上，研究了SURF标准的SURF算子的提取过程。
（4）改进SURF算子在图像配准中的应用。
论文结构
第一章：绪论。主要介绍本课题的研究背景和意义，本项目的理论和实际意义，并给出了国内外的发展现状。最后，给出了本文的研究内容。
第二章：SIFT算子。介绍了SIFT算法的基本思想和SIFT关键点描述子的生成步骤以及SIFT算法用于图像特征匹配
第三章：RANSAC算法消除SIFT错误匹配。
第四章：SURF算子的提取与匹配。
第五章：改进SURF算子在图像配准中的应用。
第六章：总结和展望。本章总结了全文的工作和研究成果，指明了研究中的不足之处，最后明确了以后研究的重点和方向。