改进sift算法在图像配准中的应用

《改进sift算法在图像配准中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201431111902分类号TP301密级公开硕士学位论文改进SIFT算法在图像配准中的应用学位申请人易飞指导教师杨晟院副教授学院名称信息工程学院学科专业软件工程研究方向图形图像处理技术二〇一七年五月二日ApplicationofImprovedSIFTAlgorithminImageRegistrationCandidateYiFeiSupervisorShengyuanYang-AssociateProfessorCollegeInformationEngineeringInstituteProgramSoftwareEngineeringSpe

2、cializationGraphicImageProcessingDegreeMaster'sDegreeUniversityXiangtanUniversityDate2ndMay2017湘潭大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文

3、的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日摘要图像配准(Imageregistration)是图像处理中的一种重要的处理技术，一般指将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于计算机视觉、遥感图像处理等领域。图像配准技术主要分为基于区域与基

4、于特征的两种技术，其中，后者相对于前者的图像配准技术要好，目前主流的图像配准技术也是基于特征的。基于特征的图像配准技术主要研究内容包括图像特征提取和特征匹配，目前算法的研究重点和改进目标主要都基于这两个方向，所以对于图像特征的研究具有重大意义。由Lowe在1999年提出的SIFT算法是图像特征提取算法中鲁棒性比较好的一种算法，也是目前比较成功的一种算法，这种特征提取算法能够进行良好的平移，并且对光照、尺度变化保持不变性。由于SIFT算法具备很多优良的特点，已经成为了图像配准领域中一个研究热点。本文主要针对SIFT算法的不足之处，进行分析，提出一种改进方法。本文先详细介绍了关

5、于图像特征提取与图像配准的理论知识。然后，针对图像特征提取的几种角点提取算法进行对比分析。提出了一种新的降维模型，来降低SIFT算法的时间复杂度。经过了不同实验数据分析与验证，改进的SIFT算法具备良好鲁棒性，同时提高了SIFT算法的运行效率。关键词：特征提取；鲁棒性；图像配准；SIFT算法；特征匹配IABSTRACTImageregistrationisanimportantprocessingtechniqueinimageprocessing.Itusuallyreferstotheprocessofmatchingorsuperimposingtwoormoreim

6、agesacquiredatdifferenttimes,differentsensorsorunderdifferentconditions.Ithasbeenwidelyusedincomputervisual,remotesensingimageprocessingandotherfields.Imageregistrationtechnologyismainlydividedintotwokindsoftechnologybasedonregionandfeature-based,inwhichthelatterisbetterthantheformerimager

7、egistrationtechnology,thecurrentmainstreamimageregistrationtechnologyisalsobasedonthecharacteristics.Themainresearchcontentsoffeature-basedimageregistrationtechnologyincludeimagefeatureextractionandfeaturematching.Theresearchfocusofthecurrentalgorithmandtheimp