特征匹配模拟实践报告.docVIP

辽宁工程技术大学 本科生模拟实践报告书 教学单位 测绘学院 专 业 测绘工程 名 称 特征匹配模拟实践 班 级 测绘14-5 学生姓名 学 号 指导教师 实验四 特征匹配 一、目的要求 理解特征匹配的意义、用途；掌握常用的特征匹配的方法，跨接法影像匹配和SIFT并了解相对应的几何意义。 运用VC++、C#、MATLAB其中一种自己擅长的语言，实现运用上述两种方法的特征匹配算法，并对不同算法得到的提取结果进行对比分析。 在很多场合，影像匹配主要用于配准那些特征点线面，这一类算法被称为特征匹配。有时分为低级特征匹配，有时分为高级特征匹配。 二.基于特征点的影像匹配的策略 1.特征提取 采用一定的特征提取算法对左影像进行特征提取。特征点的分布有两种方式：1.随机分布2.均匀分布 2.特征点的匹配 （1）二位匹配与一维匹配（2）匹配的备选点可选用可采用以下三种方法获得。（3）特征点的提取与匹配的顺序有深度优先和广度优先（4）匹配的准则（5）剔除粗差 三、特征点（角点）匹配 ? ? 图像匹配能够应用的场合非常多，如目标跟踪，检测，识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系。角点匹配可以分为以下四个步骤：1、提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点（角点），比如纹理丰富的物体边缘点等。2、提取描述子：对于检测出的角点，用一些数学上的特征对其进行描述，如梯度直方图，局部随机二值特征等。检测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：通过各个角点的描述子来判断它们在两张图像中的对应关系，常用方法如 flann等。4、消噪：去除错误匹配的外点，保留正确的匹配点。常用方法有KDTREE，BBF，Ransac，GTM等。 四.跨接法影像匹配 上面介绍的基于特征的影像匹配虽然首先选择其周围信息量大的点进行匹配，但是对于影像的几何变形依然无能为力，而由于影像的几何变形，使得左右影像的相似性受到影响，从而也影响到判别的成功率，原武汉大学张祖勋教授提取的跨接法影像匹配，能够先改正几何变形，在进行影像相似性判断，从而克服影像几何畸变对影像匹配的影响。 五、SIFT匹配方法的提出 ? ? 为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高。显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然。? ? ? Lowe推荐ratio的阈值为0.8，但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配，结果表明ratio取值在0. 4~0. 6 之间最佳，小于0. 4的很少有匹配点，大于0. 6的则存在大量错误匹配点，所以建议ratio的取值原则如下: ratio=0. 4：对于准确度要求高的匹配； ratio=0. 6：对于匹配点数目要求比较多的匹配； ratio=0. 5：一般情况下。 六.个人心得体会： 康仲林：通过本次实验，我理解了特征匹配的意义、用途；掌握常用的两种特征匹配的计算，包括：SIFT算子和跨接法影像匹配，并了解各匹配相对应的几何意义。 王杰龙：通过本次实验，我对特征匹配有了进一步的了解，通过亲自实验，对特征匹配的效果有了初步的认识，在以后的学习中，会更进一步的学习。 白永峰：学习了影像匹配理论知识以后，我以此为基础，做了有关影响匹配的模拟实践，使用matlab软件，运行了老师给的影响匹配程序，收获颇多。然而，在运行程序的过程中也遇到了许多问题，比如程序运行之后很长时间都不出结果，此问题困扰了我们许久，许多同学都遇到了这样的问题，于是我们互相讨论研究，向学习好的同学寻求帮助，最后也解决问题。通过模拟实践，我对知识的理解和认识更加稳固，可谓受益匪浅。通过这次实习，让我更加清晰的认识了摄影测量学这门学科，进一步了解了相关软件的操作和使用，锻炼了我的动手能力。在实习过程中不免出现些错误和困难，但是我们都没有因