特征匹配模擬實踐報告

遼寧工程技術大學本科生模擬實踐報告書教學單位 專業(yè) 名 稱特征匹配模擬實踐班級測繪14-5 學生姓名 學 號 指導教師 實驗四特征匹配一、 目的要求理解特征匹配的意義、用途；掌握常用的特征匹配的方法，跨接法影像匹配和SIFT并了解相對應的幾何意義。運用VC++、C#、MATLAB其中一種自己擅長的語言，實現(xiàn)運用上述兩種方法的特征匹配算法，并對不同算法得到的提取結果進行對比分析。在很多場合，影像匹配主要用于配準那些特征點線面，這一類算法被稱為特征匹配。有時分為低級特征匹配，有時分為高級特征匹配。二、 基于特征點的影像匹配的策略特征提取采用一定的特征提取算法對左影像進行特征提取。特征點的分布有兩種方式：1.隨機分布2.均勻分布特征點的匹配（1）二位匹配與一維匹配（2）匹配的備選點可選用可采用以下三種方法獲得。（3）特征點的提取與匹配的順序有深度優(yōu)先和廣度優(yōu)先（4）匹配的準則（5）剔除粗差三、 特征點（角點）匹配圖像匹配能夠應用的場合非常多，如目標跟蹤，檢測，識別，圖像拼接等，而角點匹配最核心的技術就要屬角點匹配了，所謂角點匹配是指尋找兩幅圖像之間的特征像素點的對應關系，從而確定兩幅圖像的位置關系。角點匹配可以分為以下四個步驟：1、 提取檢測子：在兩張待匹配的圖像中尋找那些最容易識別的像素點（角點），比如紋理豐富的物體邊緣點等。2、 提取描述子：對于檢測出的角點，用一些數(shù)學上的特征對其進行描述，如梯度直方圖，局部隨機二值特征等。檢測子和描述子的常用提取方法有：sift，harris，surf，fast，agast，brisk，freak，brisk，brief/orb等。3、 匹配:通過各個角點的描述子來判斷它們在兩張圖像中的對應關系，常用方法如flann等。4、 消噪：去除錯誤匹配的外點，保留正確的匹配點。常用方法有KDTREE，BBF，Ransac，GTM等?？缃臃ㄓ跋衿ヅ渖厦娼榻B的基于特征的影像匹配雖然首先選擇其周圍信息量大的點進行匹配，但是對于影像的幾何變形依然無能為力，而由于影像的幾何變形，使得左右影像的相似性受到影響，從而也影響到判別的成功率，原武漢大學張祖勛教授提取的跨接法影像匹配，能夠先改正幾何變形，在進行影像相似性判斷，從而克服影像幾何畸變對影像匹配的影響。對于二維影像，跨接法的影像匹配窗口是邊緣線為界限所形成的不規(guī)則窗口，在核線影像的情況下是曲邊梯形，兩條邊緣線即曲SIFT匹配方法的提出為了排除因為圖像遮擋和背景混亂而產(chǎn)生的無匹配關系的關鍵點，SIFT的作者Lowe提出了比較最近鄰距離與次近鄰距離的SIFT匹配方式：取一幅圖像中的一個SIFT關鍵點，并找出其與另一幅圖像中歐式距離最近的前兩個關鍵點，在這兩個關鍵點中，如果最近的距離除以次近的距離得到的比率ratio少于某個閾值T，則接受這一對匹配點。因為對于錯誤匹配，由于特征空間的高維性，相似的距離可能有大量其他的錯誤匹配，從而它的ratio值比較高。顯然降低這個比例閾值T，SIFT匹配點數(shù)目會減少，但更加穩(wěn)定，反之亦然。Lowe推薦ratio的閾值為0.8,但作者對大量任意存在尺度、旋轉和亮度變化的兩幅圖片進行匹配，結果表明ratio取值在0.4?0.6之間最佳，小于0.4的很少有匹配點，大于0.6的則存在大量錯誤匹配點，所以建議ratio的取值原則如下：ratio=0.4：對于準確度要求高的匹配；ratio=0.6：對于匹配點數(shù)目要求比較多的匹配；ratio=0.5：一般情況下。個人心得體會：康仲林：通過本次實驗，我理解了特征匹配的意義、用途；掌握常用的兩種特征匹配的計算，包括：SIFT算子和跨接法影像匹配，并了解各匹配相對應的幾何意義。王杰龍：通過本次實驗，我對特征匹配有了進一步的了解，通過親自實驗，對特征匹配的效果有了初步的認識，在以后的學習中，會更進一步的學習。白永峰：學習了影像匹配理論知識以后，我以此為基礎，做了有關影響匹配的模擬實踐，使用matlab軟件，運行了老師給的影響匹配程序，收獲頗多。然而，在運行程序的過程中也遇到了許多問題，比如程序運行之后很長時間都不出結果，此問題困擾了我們許久，許多同學都遇到了這樣的問題，于是我們互相討論研究，向學習好的同學尋求幫助，最后也解決問題。通過模擬實踐，我對知識的理解和認識更加穩(wěn)固，可謂受益匪淺。曹蘇陽：通過這次實習，讓我更加清晰的認識了攝影測量學這門學科，進一步了解了相關軟件的操作和使用，鍛煉了我的動手能力。在實習過程中不免出現(xiàn)些錯誤和困難，但是我們都沒有因此而放棄。我個人覺得在實習過程中細心是非常必要的。本次實習讓我深深體會到，理論指導實踐這一真理。只有實踐才能檢驗所學的知