計(jì)算機(jī)學(xué)院本科畢業(yè)論文模板(共17頁(yè))

1、 吉林大學(xué)畢業(yè)論文 吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院基于surf的抗視角(shjio)變換圖像匹配算法摘要(zhiyo)：正文(zhngwn)（宋體，小4號(hào)字，1.5倍行間距） 圖像匹配技術(shù)是近代信息處理特別是圖像處理技術(shù)的一個(gè)重要問題，是指根據(jù)參考圖像和實(shí)時(shí)圖像來選定某些特征、相似性準(zhǔn)則及搜索策略進(jìn)項(xiàng)相關(guān)找出場(chǎng)景中同一物體表面的結(jié)構(gòu)點(diǎn)在不同圖像上的投影像素點(diǎn)之間的對(duì)應(yīng)關(guān)系。 圖像匹配是一個(gè)多步驟的過程，不同的匹配算法之間步驟也會(huì)有很大的不同，效果也有較大的出入。 本文首先對(duì)基于小波的圖像匹配、基于sift算法的圖像匹配和基于surf算法的圖像匹配進(jìn)行研究比較。然后對(duì)surf算法進(jìn)行抗視角變換改進(jìn)

2、，本文是采用基于仿射不變?cè)砗蛃urf算法來實(shí)現(xiàn)多角度的圖像匹配，實(shí)驗(yàn)表明該方法對(duì)不同視角的圖像匹配有一定的改善作用。 關(guān)鍵字：SURF，抗視角，小波 ，SIFT，Harris 英文題目Anti-Viewpoint changing Image Matching Algorithmm Based on SURFAuthor:（居右）Tutor:（居右）Abstract正文(zhngwn)（Times New Roman ，小4號(hào)字，1.5倍行間距）Keywords:SURF，Anti-Viewpoint，Wavelet，SIFT，Harris 吉林大學(xué)畢業(yè)論文 目 錄 TOC o 1-3 h

3、z u HYPERLINK l _Toc17187 目 錄 PAGEREF _Toc17187 1 HYPERLINK l _Toc25028 第1章 緒論（黑體(hit)3號(hào)、居中） PAGEREF _Toc25028 2 HYPERLINK l _Toc21601 1.1 圖像匹配的定義(dngy) PAGEREF _Toc21601 3 HYPERLINK l _Toc19068 1.2 課題(kt)研究的背景和意義 PAGEREF _Toc19068 3 HYPERLINK l _Toc4614 1.2 圖像匹配的方法概述 PAGEREF _Toc4614 5 HYPERLINK l

4、_Toc17091 1.3 圖像匹配算法分類 PAGEREF _Toc17091 6 HYPERLINK l _Toc19374 1.4 研究現(xiàn)狀 PAGEREF _Toc19374 7 HYPERLINK l _Toc3066 1.5 章節(jié)安排 PAGEREF _Toc3066 8 HYPERLINK l _Toc29850 第2章 MATLAB和OpenCV PAGEREF _Toc29850 8 HYPERLINK l _Toc20000 2.1 MATLAB介紹 PAGEREF _Toc20000 8 HYPERLINK l _Toc6028 2.2 OpenCV簡(jiǎn)介 PAGEREF

5、_Toc6028 9 HYPERLINK l _Toc18625 參考文獻(xiàn) PAGEREF _Toc18625 11注意：（成稿以后請(qǐng)刪除）使用菜單中“插入”下的“引用”中“索引和目錄”項(xiàng)，選擇對(duì)話框中的“顯示頁(yè)碼”和“頁(yè)碼右對(duì)齊”即可自動(dòng)編排目錄。具體例子所示如上。目錄自動(dòng)顯示后，需將其中不需列出的項(xiàng)目刪除。第一級(jí)采用左對(duì)齊的格式，左縮進(jìn)為0，下一級(jí)與之對(duì)應(yīng)的上一級(jí)向右縮進(jìn)0.74CM目錄部分的頁(yè)碼采用羅馬數(shù)字，宋體小4號(hào)字。 吉林大學(xué)畢業(yè)論文 第 PAGE 17 頁(yè)吉林大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院 緒論(xln)（黑體3號(hào)、居中）隨著圖像匹配技術(shù)在三維重建、圖像融合、模式識(shí)別、圖像搜索、圖像拼接

6、等計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用，圖像匹配已經(jīng)成為圖像處理重點(diǎn)研究的一個(gè)方向，本文首先介紹圖像配準(zhǔn)的研究背景和重要意義，然后闡述圖像配準(zhǔn)的國(guó)內(nèi)外發(fā)展現(xiàn)狀，最后(zuhu)給出本論文的研究?jī)?nèi)容。1.1 圖像匹配的定義(dngy)所謂圖像匹配是指在一幅或一批圖像中尋找與給定目標(biāo)圖像相似的圖像或者圖像區(qū)域的過程。通常將已知的目標(biāo)圖像稱作模板圖像，而將待搜索圖像中可能與它對(duì)應(yīng)的子圖稱作待匹配的目標(biāo)圖像。圖像匹配是在來自不同時(shí)間或者不同視角的同一場(chǎng)景的兩幅或多幅圖像之間尋找對(duì)應(yīng)關(guān)系，該技術(shù)屬于計(jì)算機(jī)視覺領(lǐng)域。圖像匹配的具體應(yīng)用包括目標(biāo)或者場(chǎng)景識(shí)別、在多幅圖像中求解3D結(jié)構(gòu)、立體對(duì)應(yīng)和運(yùn)動(dòng)跟蹤等。由于拍攝時(shí)間、

7、拍攝角度、自然環(huán)境的變化，多種傳感器的使用、傳感器本身的缺陷及噪聲等影響，拍攝的圖像在一定程度上會(huì)存在灰度失真和幾何畸變。同時(shí)，圖像預(yù)處理過程會(huì)引入誤差，這都是導(dǎo)致模板圖像與待匹配的目標(biāo)圖像之間存在著一定程度差異的原因。在這種情況下，如何使匹配算法精度高、正確匹配率高、速度快和抗干擾性強(qiáng)，就成為人們關(guān)心的問題1.2 課題(kt)研究的背景和意義 步入(b r)21世紀(jì)這個(gè)信息化的時(shí)代，語(yǔ)言已經(jīng)(y jing)不再是信息的主要形式，數(shù)據(jù)、文字、視頻、圖像等在內(nèi)的多媒體形式已經(jīng)發(fā)展成為信息化的主流。據(jù)不完全統(tǒng)計(jì)，人類對(duì)于外界的信息接受來源70%來自圖像信息，圖像已經(jīng)成為人類活動(dòng)中最常用的信息載體，

8、圖像不但包含了物體色彩、亮度等視覺信息，還有邊緣、細(xì)節(jié)等高頻信息，成為人們獲取外界原始信息的主要途徑。 數(shù)字圖像處理是指對(duì)數(shù)字圖像進(jìn)行變換、濾波、去噪等各種信號(hào)處理運(yùn)算，以滿足不同應(yīng)用場(chǎng)合需求的信號(hào)處理技術(shù)。自20世紀(jì)60年代以來，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)獲得了高速發(fā)展。數(shù)字信號(hào)處理技術(shù)的進(jìn)步為圖像處理開辟了新的道路，使得人們對(duì)圖像進(jìn)行各種各樣的加工處理變得更為方便快捷。至今，圖像處理技術(shù)已被應(yīng)用到包括氣象、通訊、工業(yè)、海洋、地質(zhì)、農(nóng)業(yè)、環(huán)保、生物醫(yī)學(xué)、軍事等各個(gè)領(lǐng)域，在人類社會(huì)的生產(chǎn)生活發(fā)揮著越來越廣泛和顯著的作用。 圖像匹配是在不同條件下對(duì)同一場(chǎng)景得到的兩幅或多幅圖像進(jìn)行

9、對(duì)準(zhǔn)、疊加的過程。同一場(chǎng)景的多幅圖像會(huì)在成像模式、分辨率、灰度屬性、位置（平移和旋轉(zhuǎn)）、非線性變形、比例尺度及曝光時(shí)間等方面存在很多差異。概括來說，圖像匹配問題是以在變換空間中尋找一種特定的最優(yōu)變換，達(dá)到兩幅或多幅圖像在某種意義上的匹配為目的。圖像匹配的數(shù)學(xué)定義可以(ky)描述為待匹配圖像之間的空間變換關(guān)系和色彩變換關(guān)系。根據(jù)圖像的拍攝環(huán)境和拍攝條件的不同，圖像匹配可以分為以下四種基本類型：拍攝(pish)器材不同：從不同傳感器拍攝同一場(chǎng)景，用于獲取更詳細(xì)更復(fù)雜的場(chǎng)景信息。拍攝視角不同：從不同角度拍攝同一(tngy)場(chǎng)景，用于獲取該場(chǎng)景的大視角圖像。拍攝時(shí)間不同：從不同時(shí)間段拍攝同一場(chǎng)景，用于

10、獲取圖像中場(chǎng)景的變化情況。場(chǎng)景和場(chǎng)景模型圖匹配：場(chǎng)景模型多為場(chǎng)景的數(shù)字表示，如地理信息系統(tǒng)（GIS）中的數(shù)字高程圖等。匹配場(chǎng)景和場(chǎng)景模型的目的在于場(chǎng)景中定位模型，或在模型中定位場(chǎng)景，或者對(duì)場(chǎng)景和模型作對(duì)應(yīng)的比較。 根據(jù)Brown的總結(jié)，圖像匹配往往看成是以下幾種要素的結(jié)合： 1.特征空間：定義特征集合用于實(shí)現(xiàn)圖像間的匹配，特征集是從參考圖像和待匹配圖像中提取出來的集合，即從參考圖像和輸入圖像中提取共有的特征，如輪廓、交叉點(diǎn)、邊界區(qū)域、重心、邊緣等； 2.搜索空間：在參考圖像的特征與待匹配圖像的特征之間建立可能的對(duì)應(yīng)變換關(guān)系的集合。 3.搜索策略：用于選擇可以計(jì)算的變換模型。使得匹配在處理過程中

11、逐步達(dá)到精度要求； 4.近似性度量：評(píng)價(jià)對(duì)搜索空間中獲得的一個(gè)給定的變換所定義(dngy)的待匹配數(shù)據(jù)與參考數(shù)據(jù)之間的匹配程度，進(jìn)一步反映匹配結(jié)果的好壞。 圖像匹配的每一個(gè)步驟都有值得研究和需要解決的難題，研究和討論整個(gè)圖像匹配算法時(shí)，通常會(huì)從以上四個(gè)方面(fngmin)進(jìn)行考慮。1.2 圖像匹配的方法(fngf)概述 圖像匹配的流程如下：首先對(duì)兩幅圖像進(jìn)行特征提取獲得特征點(diǎn)；其次通過進(jìn)行相似性度量找到匹配的特征點(diǎn)對(duì)；然后通過匹配的特征點(diǎn)對(duì)得到圖像空間坐標(biāo)變換參數(shù)，最后由坐標(biāo)變換參數(shù)進(jìn)行圖像配準(zhǔn)。其中特征提取是配準(zhǔn)技術(shù)中的關(guān)鍵，準(zhǔn)確的特征提取為特征匹配的成功提供了保障。因此，尋求具有良好不變性

12、和準(zhǔn)確性的特征提取方法，對(duì)于匹配精度至關(guān)重要。圖像配準(zhǔn)的方式可以概括為相對(duì)配準(zhǔn)和絕對(duì)配準(zhǔn)兩種：相對(duì)配準(zhǔn)是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖像與之配準(zhǔn)，其 HYPERLINK /view/261065.htm t _blank 坐標(biāo)系統(tǒng)是任意的；絕對(duì)配準(zhǔn)是指先定義一個(gè)控制網(wǎng)格，所有的圖像相對(duì)于這個(gè)網(wǎng)格來進(jìn)行配準(zhǔn)，也就是說分別完成各分量圖像的幾何校正來實(shí)現(xiàn)坐標(biāo)系的統(tǒng)一。1.3 圖像匹配算法分類1.3.1 基于圖像灰度的匹配算法圖像的所有信息都被包含(bohn)在圖像灰度值信息中，基于灰度的匹配算法一般情況下不需要對(duì)圖像進(jìn)行預(yù)處理，直接利用圖像本身的灰度統(tǒng)計(jì)信息來度量圖像的相似程度

13、，從而實(shí)現(xiàn)兩幅圖像的匹配?；趫D像灰度的匹配算法不需要提取圖像特征，一般直接利用圖像全部的灰度信息。所以該算法能提高匹配的魯棒性和精度。但由于在基于圖像灰度的匹配算法在匹配過程中會(huì)引入匹配點(diǎn)周圍的像素點(diǎn)信息，沒有經(jīng)過預(yù)處理和篩選所以將會(huì)造成大量的數(shù)據(jù)處理信息。計(jì)算(j sun)量將會(huì)增大，計(jì)算時(shí)間增長(zhǎng)，匹配速度減慢。1.3.2 基于圖像(t xin)特征的匹配算法基于圖像特征的匹配算法是目前應(yīng)用最為廣泛的方法。該方法的步驟為：首先對(duì)圖像進(jìn)行預(yù)處理，然后提取出圖像的特征，最后建立兩幅圖像之間的對(duì)應(yīng)關(guān)系。在提取圖像特征的過程中，我們通常提取圖像的點(diǎn)特征，最后建立兩幅圖像之間的對(duì)應(yīng)關(guān)系。在提取圖像特

14、征過程中，我們一般提取圖像的點(diǎn)特征、邊緣特征和區(qū)域特征。特征匹配的數(shù)據(jù)處理方法很多，需要用到諸多如矩陣的運(yùn)算、梯度的求解、泰勒展開和傅里葉變換等數(shù)學(xué)運(yùn)算?；趫D象特征的匹配方法的出現(xiàn)是圖像匹配技術(shù)的一大進(jìn)步，它克服了基于圖像灰度匹配方法的缺點(diǎn)，提高了圖像匹配的效率和速度。但是由于該匹配方法采用的是提取圖像的特征點(diǎn)進(jìn)行匹配而不是圖像的像素，從而大大降低了計(jì)算量，減少了計(jì)算時(shí)間；同時(shí)，特征點(diǎn)具有尺度、旋轉(zhuǎn)等不變性，對(duì)圖像的位置、尺度、旋轉(zhuǎn)變換具有更高的匹配精度；而且，基于特征的匹配具有很好的抗噪效果，并在圖像發(fā)生灰度變化，形變以及遮擋等情況下也能有較好的匹配效果。所以基于圖像特征的匹配越來越受到人

15、們的重視，在實(shí)際生活中得到了廣泛應(yīng)用。1.4 研究(ynji)現(xiàn)狀國(guó)外從二十世紀(jì)六十年代開始在圖像匹配領(lǐng)域進(jìn)行研究，但直到十九世紀(jì)八十年代才開始引起(ynq)學(xué)者們的關(guān)注。到上世紀(jì)末，單模圖像匹配問題已基本解決，但多模圖像匹配由于涉及模式和領(lǐng)域的復(fù)雜性，仍然需要密切關(guān)注。國(guó)際上對(duì)圖像匹配技術(shù)做過調(diào)查，其結(jié)論是十九世紀(jì)八十年代初技術(shù)就明顯增加。而國(guó)內(nèi)從十九世紀(jì)九十年代初才開始踏足此領(lǐng)域。與灰度相關(guān)的匹配算法是圖像匹配算法中比較經(jīng)典算法之一，很多匹配技術(shù)都是以它為基礎(chǔ)進(jìn)行延伸和擴(kuò)展。圖像匹配最早在美國(guó)70年代從事的飛行器輔助導(dǎo)航系統(tǒng)、武器投射系統(tǒng)的末制導(dǎo)以及尋地等應(yīng)用研究中提出。80年代后，在很多

16、不同(b tn)領(lǐng)域都有大量圖像匹配技術(shù)的研究，如遙感領(lǐng)域，模式識(shí)別，自動(dòng)導(dǎo)航，醫(yī)學(xué)診斷，計(jì)算機(jī)視覺等。由此可見，圖像匹配技術(shù)經(jīng)過多年研究，不論國(guó)內(nèi)外，發(fā)展的都非常迅速，已經(jīng)取得了許多研究成果。圖像匹配算法的強(qiáng)魯棒性、圖像匹配的高精度、圖像匹配的自動(dòng)化以及圖像匹配算法的配準(zhǔn)速度一直以來都是圖像匹配領(lǐng)域所不斷追求的目標(biāo)。1.5 章節(jié)安排本文分為5章，每章安排如下：緒論部分，介紹了本課題研究的背景、意義和研究現(xiàn)狀以及 本文的篇幅結(jié)構(gòu)。：介紹實(shí)驗(yàn)所用的環(huán)境MATLAB和 OpenCV。：對(duì)基于小波變換的圖像匹配、基于sift算法的圖像匹配和基于surf算法的圖像匹配的介紹。：詳細(xì)介紹了基于SURF算

17、法的圖像匹配級(jí)對(duì)于抗視角圖像匹配的改進(jìn)。：介紹了對(duì)匹配(ppi)結(jié)果的比較。：對(duì)本文的工作進(jìn)行了總結(jié)并對(duì)今后(jnhu)的研究方向進(jìn)行了展望。（主要闡述選題的理論和實(shí)際意義及研究背景、文獻(xiàn)綜述、研究現(xiàn)狀、研究思路、實(shí)驗(yàn)設(shè)計(jì)、采用的技術(shù)方法和手段(shudun)、論文的整體結(jié)構(gòu)安排等。）第2章 MATLAB和OpenCV2.1 MATLAB介紹 作為和Mathematica、Maple并列的三大數(shù)學(xué)軟件。其強(qiáng)項(xiàng)就是其強(qiáng)大的矩陣計(jì)算以及仿真能力。要知道Matlab的由來就是Matrix+Laboratory=Matlab，所以這個(gè)軟件在國(guó)內(nèi)也被稱作矩陣實(shí)驗(yàn)室。每次MathWorks發(fā)布Matlab

18、的同時(shí)也會(huì)發(fā)布仿真試驗(yàn)，他們所主要使用的仿真軟件Simulink。Matlab提供了自己的編譯器：全面兼容C+以及Fortran兩大語(yǔ)言。所以Matlab是工程師，科研工作者手上最好的語(yǔ)言，最好的工具和環(huán)境。Matlab已經(jīng)成為廣大科研然預(yù)案的最值得信賴的助手和朋友！ 目前MATLAB產(chǎn)品族可以用來進(jìn)行：數(shù)值分析 數(shù)值和符號(hào)計(jì)算 工程與科學(xué)繪圖 控制系統(tǒng)的設(shè)計(jì)與方針 數(shù)字圖像處理 數(shù)字信號(hào)處理 通訊系統(tǒng)設(shè)計(jì)與仿真 財(cái)務(wù)與金融工程.Simulink是基于MATLAB的框圖設(shè)計(jì)環(huán)境，可以用來對(duì)各種動(dòng)態(tài)系統(tǒng)進(jìn)行建模、分析和仿真，它的建模范圍廣泛，可以針對(duì)任何能夠用數(shù)學(xué)來描述的系統(tǒng)進(jìn)行建模，例如航空航

19、天動(dòng)力學(xué)系統(tǒng)、衛(wèi)星控制制導(dǎo)系統(tǒng)、通訊系統(tǒng)、船舶及汽車等等，其中了包括連續(xù)、離散，條件執(zhí)行，事件驅(qū)動(dòng)，單速率、多速率和混雜系統(tǒng)等等。Simulink提供了利用鼠標(biāo)拖放的方法建立系統(tǒng)框圖模型的圖形界面，而且Simulink還提供了豐富的功能塊以及不同的專業(yè)模塊集合，利用Simulink幾乎可以做到不書寫一行代碼完成整個(gè)動(dòng)態(tài)系統(tǒng)的建模工作。2.2 OpenCV簡(jiǎn)介(jin ji) OpenCV是一個(gè)用于圖像處理、分析、機(jī)器視覺方面的開源函數(shù)庫(kù)。無論是做科學(xué)研究，還是商業(yè)應(yīng)用，OpenCV都可以作為你理想(lxing)的工具庫(kù)，因?yàn)?，?duì)于這兩者，它完全是免費(fèi)的。該庫(kù)采用C及C+語(yǔ)言(yyn)編寫，可以

20、在windows,linux,macOSX系統(tǒng)上面運(yùn)行。該庫(kù)的所有代碼都經(jīng)過優(yōu)化，計(jì)算效率很高，因?yàn)?，它更專注于設(shè)計(jì)成為一種用于實(shí)時(shí)系統(tǒng)的開源庫(kù)。OpenCV采用C語(yǔ)言進(jìn)行優(yōu)化，而且，在多核機(jī)器上面，其運(yùn)行速度會(huì)更快。它的一個(gè)目標(biāo)是提供友好的機(jī)器視覺接口函數(shù)，從而使得復(fù)雜的機(jī)器視覺產(chǎn)品可以加速面世。該庫(kù)包含了橫跨工業(yè)產(chǎn)品檢測(cè)、醫(yī)學(xué)圖像處理、安防、用戶界面、攝像頭標(biāo)定、三維成像、機(jī)器視覺等領(lǐng)域的超過500個(gè)接口函數(shù)。同時(shí)，由于計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)密不可分，該庫(kù)也包含了比較常用的一些機(jī)器學(xué)習(xí)算法。或許，很多人知道，圖像識(shí)別、機(jī)器視覺在安防領(lǐng)域有所應(yīng)用。但，很少有人知道，在航拍圖片、街道圖片（例如g

21、ooglestreetview）中，要嚴(yán)重依賴于機(jī)器視覺的攝像頭標(biāo)定、圖像融合等技術(shù)。近年來，在入侵檢測(cè)、特定目標(biāo)跟蹤、目標(biāo)檢測(cè)、人臉檢測(cè)、人臉識(shí)別、人臉跟蹤等領(lǐng)域，OpenCV可謂大顯身手，而這些，僅僅是其應(yīng)用的冰山一角。 OpenCV特點(diǎn)： 開源圖像處理算法庫(kù) 跨平臺(tái)的中高層API（windows/linux） 共享免費(fèi)（商業(yè)/非商業(yè)） 速度快，使用方便 可擴(kuò)展性好，包括底層和高層的開發(fā)包三種(sn zhn)算法的簡(jiǎn)介3.1 基于小波變換(binhun)的圖像匹配3.1.1 小波變換(binhun)的概念小波變換(Wavelet Transform)屬于時(shí)頻分析的一種。傳統(tǒng)的信號(hào)(圖像也可

22、看作是信號(hào))分析是建立在傅立葉變換基礎(chǔ)之上的。由于傅立葉分析使用的是一種全局變換，要么完全在時(shí)域，要么完全在頻域，因此無法同時(shí)表述信號(hào)的時(shí)頻局域性質(zhì)。而這種性質(zhì)恰恰是非平穩(wěn)信號(hào)(尤其是遙感圖像)最根本和最關(guān)鍵的性質(zhì)。為了分析和處理非平穩(wěn)信號(hào)，人們對(duì)傅立葉分析進(jìn)行了推廣乃至根本性的革命，提出了一系列新的信號(hào)分析理論：短時(shí)(加窗)傅立葉變換、時(shí)頻分析、小波變換等。小波變換是一種信號(hào)的時(shí)間頻率分析方法，它具有多分辨率分析的特點(diǎn)。而且在時(shí)頻兩個(gè)特征域都具有表征信號(hào)局部特征的能力，是一種窗口形狀可以改變、時(shí)間窗和頻率窗都可以改變的時(shí)頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在

23、高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率。小波變換具有變焦性、信息保持性和小波基選擇的靈活性等優(yōu)點(diǎn)。所謂小波就是滿足可容性條件的具有特殊性質(zhì)的函數(shù)，或稱小波基函數(shù)。而小波變換就是選擇適當(dāng)?shù)幕拘〔ɑ蚍Q母波。通過對(duì)基本小波平移、伸縮而形成一系列的小波，然后將欲分析的信號(hào)投影到由平移、伸縮小波構(gòu)成的信號(hào)空間之中。這種平移、放大和縮小是小波變換的一個(gè)特點(diǎn)，因而可以在不同的頻率范圍，不同的時(shí)間(空間)位置對(duì)信號(hào)進(jìn)行分析。3.1.2 匹配過程：1. 基準(zhǔn)圖像和待配準(zhǔn)圖像的預(yù)處理；2. 對(duì)基準(zhǔn)圖像和待配準(zhǔn)圖像進(jìn)行小波變換；3. 對(duì)基準(zhǔn)圖像進(jìn)行邊緣特征點(diǎn)提取；4. 從最低分辨率開始進(jìn)行特征點(diǎn)匹配，同時(shí)

24、在最低分辨率上，選取一定數(shù)量的特征點(diǎn)，利用角度歸一化相關(guān)系數(shù)和交叉相關(guān)迭代算法確定基準(zhǔn)圖像和待配準(zhǔn)圖像之間的角度。5. 利用從最低分辨率得到(d do)的角度和匹配特征點(diǎn)對(duì)，知道下一級(jí)高分辨率位置；6. 經(jīng)過上述匹配，最終得到特征同名點(diǎn)對(duì)，選擇仿射變換模型(mxng)，求解變換模型參數(shù)；7. 進(jìn)行坐標(biāo)(zubio)變換和灰度重采樣。3.2 基于SIFT算法的圖像匹配3.3 基于SURF算法的圖像匹配SURF算法的具體(jt)實(shí)現(xiàn)與改進(jìn)測(cè)試結(jié)果(ji gu)與比較總結(jié)(zngji)與展望參考文獻(xiàn)Mehmed Kantardzi. 數(shù)據(jù)挖掘-概念模型方法和算法(sun f)M. 北京: 清華大學(xué)出

25、版社, 2003: 12-13.韓家煒, 孟小峰. Web挖掘(wju)研究J. 計(jì)算機(jī)研究與發(fā)展, 2001, 38(4): 405-410.Han H, Pei J. Freespan: frequent patten-projected sequential pattern miningC. In Proceedings of the 2000 International Conference on Knowledge Discovery and Data Mining ( KDD00 ). Boston: MA, 2000, 355-359.鐘永江. 中學(xué)物理數(shù)字化教學(xué)資源開發(fā)(kif

26、)與應(yīng)用方法研究D. 東北師范大學(xué). 2008.正文用5號(hào)宋體字；圖表編號(hào)及標(biāo)題采用5號(hào)黑體字。具體說明：參考文獻(xiàn)的著錄均應(yīng)符合國(guó)家有關(guān)標(biāo)準(zhǔn)（按GB771487文后參考文獻(xiàn)著錄格式執(zhí)行）。以“參考文獻(xiàn)”居中排作為標(biāo)識(shí)；參考文獻(xiàn)的序號(hào)左頂格，并用數(shù)字加方括號(hào)表示，如1，2，以與正文中的指示序號(hào)格式一致。每一參考文獻(xiàn)條目的最后均以“”結(jié)束。各類參考文獻(xiàn)條目的編排格式及示例如下。1連續(xù)出版物序號(hào)主要責(zé)任者文獻(xiàn)題名J 刊名，出版年份，卷號(hào)(期號(hào)) ：起止頁(yè)碼例如：1毛峽，丁玉寬圖像的情感特征分析及其和諧感評(píng)價(jià)J 電子學(xué)報(bào), 2001，29(12A) ：1923-19272 Mao Xia, et al

27、. Affective Property of Image and Fractal DimensionJ. Chaos, Solitons & FractalsUK， 2003:V15 905-9102專著序號(hào)主要責(zé)任者文獻(xiàn)題名M 出版地：出版者，出版年：起止頁(yè)碼例如(lr)：3 劉國(guó)鈞，王連成圖書館史研究(ynji)M 北京(bi jn)：高等教育出版社，1979：15-18 ，313會(huì)議論文集序號(hào)主要責(zé)任者文獻(xiàn)題名A主編論文集名C出版地：出版者，出版年：起止頁(yè)碼例如：4 毛 峽繪畫的音樂表現(xiàn)A 中國(guó)人工智能學(xué)會(huì)2001年全國(guó)學(xué)術(shù)年會(huì)論文集C 北京：北京郵電大學(xué)出版社, 2001：739-7404學(xué)位論文序號(hào)主要責(zé)任文獻(xiàn)題名D 保存地：保存單位，年份例如：5 張和生地質(zhì)力學(xué)系統(tǒng)理論D 太原：太原理工大學(xué)，19985報(bào)告序號(hào)主要責(zé)任文獻(xiàn)題名R 報(bào)告地：報(bào)告會(huì)主辦單位，年份例如：6 馮西橋核反應(yīng)堆壓力容器的LBB分析R 北京：清華大學(xué)核能技術(shù)設(shè)計(jì)研究院，19976專利文獻(xiàn)序號(hào)專利所有者專利題名P 專利國(guó)別：專利號(hào)，發(fā)布日期例如：7 姜錫洲一種溫?zé)嵬夥笏幹苽浞桨窹 中國(guó)專利：881056078，1983-0