sift特征開(kāi)題報(bào)告

基于sift角點(diǎn)特征的圖像配準(zhǔn)問(wèn)題研究

專(zhuān)業(yè)班級(jí)數(shù)學(xué)與應(yīng)用數(shù)學(xué)10-01

學(xué)生姓名龍婷

指導(dǎo)教師王曉峰

目錄本課題的目的及意義。國(guó)內(nèi)外研究現(xiàn)狀分析。本課題的任務(wù)、重點(diǎn)內(nèi)容、實(shí)現(xiàn)途徑。完成本課題所需工作條件。本課題工作安排及進(jìn)度。附錄一、本課題的目的及意義1、目的

圖像配準(zhǔn)是圖像處理的一個(gè)基礎(chǔ)問(wèn)題。它可以處理多個(gè)領(lǐng)域的很多際問(wèn)題,如不同傳感器獲得的信息融合；不同時(shí)間、條件獲得圖像的差異檢測(cè);成像系統(tǒng)和物體場(chǎng)景變化情況下獲得的圖像的三維信息獲取;圖像中的模式或目標(biāo)識(shí)別等。但是迄今為止還沒(méi)有十分滿意的圖像配準(zhǔn)方法，所以這方面的問(wèn)題一直都是研究的熱點(diǎn)。2、意義

1.在實(shí)際應(yīng)用中,圖像配準(zhǔn)有著重大的應(yīng)用價(jià)值。2圖像配準(zhǔn)的應(yīng)用相當(dāng)廣泛：(1)計(jì)算機(jī)視覺(jué)與模式識(shí)別(2)醫(yī)學(xué)圖像分析(3)生物醫(yī)學(xué)(4)語(yǔ)音識(shí)別、機(jī)器人學(xué)、文學(xué)、計(jì)算機(jī)輔助設(shè)計(jì)(CAD)、計(jì)算機(jī)輔助制造(CAM)等從以上方面可以看出，圖像配準(zhǔn)技術(shù)的應(yīng)用前景十分廣闊，深入研究圖像拼接技術(shù)有著很重要的意義。二、國(guó)內(nèi)外研究現(xiàn)狀分析1.1、國(guó)外：

1、1996年由RichardSzeliski提出基于運(yùn)動(dòng)的圖像配準(zhǔn)模[1]，采Levenberg-Marquardt迭代非線性最小化方法(簡(jiǎn)稱(chēng)LM算法)，通過(guò)求出圖像間的幾何變換關(guān)系來(lái)進(jìn)行圖像配準(zhǔn)。2、2000年，ShmuelPeleg等人提出了自適應(yīng)的圖像配準(zhǔn)模型[2]，它是根據(jù)相機(jī)的不同運(yùn)動(dòng)，自適應(yīng)選擇配準(zhǔn)模型，通過(guò)把圖像分成多個(gè)狹條圖像進(jìn)行多重投影來(lái)完成圖像的配準(zhǔn)。3、2003年，M.Brown在ICCV會(huì)上發(fā)表了一篇名為RecognisingPanoramas的文章[3]，文中使用了基于不變量技術(shù)[4]的SIFT算法[5]進(jìn)行圖像配準(zhǔn)，算法完全自動(dòng)完成且效果較好。2.2、國(guó)內(nèi)：

1、1997年，王小睿等分別利用序貫相似度檢測(cè)（SSDA）和歸一化積相關(guān)兩種相似性度量方法[6]，實(shí)現(xiàn)圖像的配準(zhǔn)。2、2003年，封靖波等提出了一種基于相似曲線的配準(zhǔn)方法[7]。

3、2004年，趙向陽(yáng)、杜立民提出了一種基于特征點(diǎn)匹配的圖像自動(dòng)配準(zhǔn)算法[8]，其中使用了Harris算法[9]提取角點(diǎn)并進(jìn)行匹配。4、2005年，侯舒維、郭寶龍針對(duì)現(xiàn)有基于灰度級(jí)相似的圖像配準(zhǔn)方法的缺點(diǎn)，提出了一種圖像自動(dòng)配準(zhǔn)的快速算法[10]。三、本課題的任務(wù)、重點(diǎn)內(nèi)容、實(shí)現(xiàn)途徑

3.1任務(wù)：

1.查閱10篇以上的相關(guān)文獻(xiàn)資料，

2.翻譯20000字符以上的外文專(zhuān)業(yè)資料；

3.撰寫(xiě)開(kāi)題報(bào)告；

4.撰寫(xiě)畢業(yè)論文，字?jǐn)?shù)在10000以上，對(duì)整個(gè)課題重點(diǎn)研究的內(nèi)容和關(guān)鍵問(wèn)題的探討、相應(yīng)解決思路的提出和對(duì)試驗(yàn)整體上的概括與總結(jié)。3.2重點(diǎn)內(nèi)容：

1.明確sift特征方法在圖像配準(zhǔn)中的應(yīng)用，在此基礎(chǔ)上弄清課題的研究意義；

2.掌握?qǐng)D像sift點(diǎn)特征算法；3.結(jié)合sift特征匹配方法,對(duì)圖像拼接和圖像三維重建展開(kāi)研究；

3.能夠用MATLAB軟件實(shí)現(xiàn)；

4.總結(jié)該方法達(dá)到的效果；5.將sift特征點(diǎn)向量匹配中最近的歐幾里得距離d1與次近歐幾里得距離d2的比率替換為d1與d2到dn平均距離的比率與原方法進(jìn)行比較；6.撰寫(xiě)畢業(yè)論文。

3.3實(shí)現(xiàn)途徑：

1.利用學(xué)校圖書(shū)館的維普、萬(wàn)方數(shù)據(jù)庫(kù)、CNKI數(shù)據(jù)庫(kù)等收集有關(guān)sift角點(diǎn)特征的圖像配準(zhǔn)問(wèn)題研究方面的文獻(xiàn)和信息；

2.掌握有關(guān)sift角點(diǎn)特征的圖像配準(zhǔn)問(wèn)題方面的有用文獻(xiàn)，分析常用的解決方法的利弊之處；

3.提出改進(jìn)方法，用matlab進(jìn)行實(shí)現(xiàn)，與原方法進(jìn)行對(duì)比；

4.在撰寫(xiě)畢業(yè)設(shè)計(jì)過(guò)程中，加強(qiáng)與導(dǎo)師的交流，遇到問(wèn)題及時(shí)與老師溝通、討論，并在老師的指導(dǎo)下一步步完成課題任務(wù)。

五、完成本課題所需工作條件1.需要在計(jì)算機(jī)環(huán)境下進(jìn)行。2.需要在圖書(shū)館的專(zhuān)業(yè)英語(yǔ)詞典和相關(guān)資料。3.需要用matlab進(jìn)行編程。4.需要與指導(dǎo)老師及時(shí)溝通交流。本課題工作安排及進(jìn)度編號(hào)課程名稱(chēng)工作任務(wù)安排周數(shù)進(jìn)度1基于sift角點(diǎn)特征的圖像配準(zhǔn)收集文獻(xiàn)資料1至4

完成2基于sift角點(diǎn)特征的圖像配準(zhǔn)撰寫(xiě)開(kāi)題報(bào)告和文獻(xiàn)綜述5至6

完成3基于sift角點(diǎn)特征的圖像配準(zhǔn)撰寫(xiě)論文提綱、撰寫(xiě)論文初稿7至10正在進(jìn)行4基于sift角點(diǎn)特征的圖像配準(zhǔn)修改并撰寫(xiě)論文二稿，指導(dǎo)教師審閱、修改11至125基于sift角點(diǎn)特征的圖像配準(zhǔn)修改并撰寫(xiě)論文三稿、指導(dǎo)教師審閱、修改13至146基于sift角點(diǎn)特征的圖像配準(zhǔn)定稿，提交論文15至157基于sift角點(diǎn)特征的圖像配準(zhǔn)論文答辯16至16六、附錄[1]RichardSzeliski.Videomosaicsforvirtualenvironments.IEEEComputerGraphicsandApplications,1996.16(2):22-30.[2]PelegS,RoussoB.Mosaicingonadaptivemanifolds.IEEETransactionsonPAMI,2000.22(10):735-739.[3]M.Brown,DGLowe.RecognisingPanoramas.ProceedingsofIEEE

InternationalConferenceonComputerVision2003.1218-1225.[4]M.BrownandD.Lowe.InvariantFeaturesfromInterestPointGroups.InProc

ofthe13thBritishMachineVisionConference,Cardiff,and2002.253-262.[5]K.Mikolajczyk,C.Schmid.Scale&Affineinvariantinterestpointdetectors.InIJCV,2004.1(60):63-86.[6]王小睿,吳信才,李軍.模擬退火算法的改進(jìn)策略在模板匹配上的應(yīng)用[J].小型微型計(jì)算機(jī)系統(tǒng),1997,18(8):32-37.[7]封靖波,蘇志勛,劉秀平.一種基于相似曲線的全景圖自動(dòng)拼接算法[J].

計(jì)算機(jī)學(xué)報(bào),2003,26(11):1604-1608.[8]趙向陽(yáng),利民.一種全自動(dòng)穩(wěn)健的圖像拼接融合算法[J].中國(guó)圖形圖像學(xué)

報(bào),004.9(4):417-422.[9]C.Harris,MS