1、金字塔的方法来解决图像尺度变换的方面，但是该算法又存在着各种缺陷，所以自从年算法问世以来，不断有人对算法进行着优化和改进，接下来本文将简要介绍几种针对算法的改进算法。基于主成分分析的匹配算法也就是主成分分析技术，是用来降低维度的标准技术，通常使用正交矩阵将将原数据整合到个新的坐标体系中来将数据从高维降到低维。具体使用时，在原高维图像之中各像素样点按所包含的信息量不同，分为第主成分和第二主成分，而技术需要做的就是找出原图像之中的主成分来进行加工处理。算法由和提出，是种基于原理的改进算法，这种算法在算法的基础上对算子进行降维处理。在步骤上大致和算法相似，不同之处就在于算法在生成描述子向量时，选取以特征点为中心的的个的矩形窗口，然后计算在这个。
2、论文附录本文中的实验环境处理器英特尔双核内存记忆科技金士顿操作系统位仿真平台时矩阵变为式,式表示高斯的二阶微分在处图像的卷积，其余式子也表式中示类似的含义，这里就不解释了。为了简化运算，我们需要对矩阵的行列式进行简化式式对于上式，通常来讲的取值在取值不同和所选取的模板尺寸不同时也是不样的，但是为了简化运算，我们通常对采用的经验取值，同时因为的取值对于极大值的选取并没有起到影响，所以在运算时也可当作常数来处理。所以有式成立式据此公式将待处理图像的每个像素点的矩阵行列式的值求出，备用。另外，在进行尺度空间的表达时，算法通过高斯滤波后进行亚采样来改变原图像的大小，算法不这样处理，算法构建尺。
3、文着重介绍算法打下基础。算子的构建步骤，从理论和应用两个方面对算法进行比较细致的解释，这部分也是本文的主体内容。构建算子的步骤大致可以分成构建尺度空间特征点的选取特征点方向的确定特征描述子的生成。构造出来的算子在图像发生尺度变换旋转变换亮度变换的情况下都能保持较好的稳定性。改进算法的研究和，简要说明了两种改进算法与算法在理论上构建算子的区别通过仿真实现，并于算法进行对比。在编写本文时发现的不足之处有到目前为止，算法在图像发生尺度变换旋转变换亮度变换时都能够准确的提取出较为稳定的特征点，但是在图像发生仿射变幻时，匹配成功率率就会明显降低，所以今后有望对算法的这缺陷进行改进。使用算子进行匹配后，虽然可以得到对应特征点的特征关系，但是系统并没。
4、也是在图像中截取出以特征点为中心的矩形区域，此时选取的矩形区域是个边长为的正方形区域，将这正方形区域均匀分成的个子区域，对每个子区域进行以为尺度的小波模板的响应计算，最后统计各个子区域在水平方向和垂直方向上响应的绝对值之和与方向之和作为描述。可以看出，利用上述方法形成的特征描述子是个维的向量，相对于算法的维向量描述足足小了倍，大大简化了匹配时的运算量。其匹配仿真效果如图所示。图基于算法的特征点匹配三种算法的效率比较表格算法效率比较图像变换算法匹配点对运算时间正确率总数正确数原图算法算法算法尺度变换算法算法太原科技大学毕业设计论文通过表发现，算法因为计算的维度较大，所以运算时间较长。算法运算时间相对较短，所以后两种算法确实从定角度上讲提高。
5、式太原科技大学毕业设计论文上式中表示图像的旋转角度。图，则是图像在发生旋转变化后，利用算法提取的特征点的匹配效果。图图像旋转变化太原科技大学毕业设计论文图旋转图像匹配可以看出，图像发生旋转以后，算法提取的特征点仍然具有较好的稳定性。亮度变化亮度变换在灰度图像的处理上被称为灰度变换。灰度的线性变换公式如式式通过改变的取值来是图像的亮度增加或减少。当的取值为正时，原图像的亮度会增加当的取值为负时，原图像的亮度会减少。图就展示了在不同取值下对于图像亮度的影响。图图像亮度变化图，则是图像在发生亮度改变时,利用算法提取的特征点的匹配效果。太原科技大学毕业设计论文图亮度降低图像匹配图亮度提高图像匹配可以看出，在图像亮度发生改变的情况下，算法仍然。
6、空间并不会去尝试改变图像大小，而是采用选取不同的滤波盒子和原始图像利用图像积分进行卷积得到的，要获取不同尺度的图像只需改变盒子滤波器的大小就可以达到目的，大大简化了运算步骤，加快运算速度。在进行特征描述时，算法采用统计特征点周围像素灰度值得梯度分布来获得描述参数，算法则是通过统计特征特征点周围区域的小波特性来分析特征点的方向描述为了满足旋转不变性，就需要为特征点确定方向参数，算法在尺度为的图像内选取以特征点为圆心，半径为的圆形区域是对应尺度，下同，以每的扇形区域为单位统计其小波在水平和垂直方向上的特征情况，随后进行高斯加权。最后选择取之最大的扇形单位方向作为该特征点的主方向。太原科技大学毕业设计论文特征描述子与算法类似，算法在生成描述子。
7、行窗口内每个像素点在水平方向和竖直方向上的梯度从而生成的描述向量对每个特征点假设我们提取出个特征点都进行上述处理后就形成个行列的矩阵，计算矩阵的特征值特征向量和协方差选取前个特征向量形成行列的投影矩阵利用矩阵和矩阵相乘生成维的特征描述子。太原科技大学毕业设计论文算子的维度是，通过以上步骤处理以后提取出的算子的维度通常会保持在维以下。可以很明显到感觉到，利用算法可以很好的达到对于算子的降维描述，我们随后会通过电脑模拟仿真来验证这算法对于运算速度的改进情况电脑仿真效果如图。图基于算法的特征点匹配基于快速鲁棒性特征的图像匹配技术算法是由三位来自苏力世界联邦理工学院的学者于年在欧洲计算机视觉国际会议上发表的。该算法运用到积分图的概念，对于图像上。
8、素点的积分图就是其对应图中像素点的左上角所有像素值之和，其定义式式,式式中,对于像素点,的积分图。,原图像,处的像素点通常计算机在处理这运算时采用迭代的方式式来计算,式,式介绍完积分图之后，下步，我们将探讨算法和算法的不同。算法和算法的区别主要体现在构造尺度空间上。通过前面的章节我们了解到，算法通过构造尺度空间，而算法则是利用来构造尺度空间。前面的章节我们已经介绍过了的矩阵式太原科技大学毕业设计论文,,式算法在构造矩阵前，首先需要对图像进行高斯滤波，滤波后在进行矩阵的运算，此,,柯杉,王博亮,黄晓阳种改进的算法及其在医学图像配准中的应用厦门大学学报自然科学版,熊英,马惠敏维物体特征的提取与应用中国图象。
9、垂直方向上均匀的拉伸或压缩。图图像尺度变化在二维空间中，假设点,在经过尺度变化之后变换到,那么其对应的变换关系可以由下式来表达太原科技大学毕业设计论文式上式中水平方向上的伸缩系数垂直方向上的伸缩系数图，则是图像在发生尺度变化后，利用算法提取的特征点的匹配效果。图放大图像匹配图缩小图像匹配从仿真效果可以看出，即使图像的尺度发生变化，算法仍然能够稳定地提取匹配特征点。旋转变化旋转变化也就是刚体变换，幅图像在经过刚体变换后，图中各点之间的距离不发生改变，同时也不影响原图像的直线平行垂直关系，如图所示。在二维空间内，假设点,经过刚体变换后变换到,点，那么其对应关系可由下式表达。
10、比较稳定的寻找到对应的特征点。算法的特点以及优劣势分析算法的优点算子反映了图像的局部特征，在图像发生尺度变化旋转变化亮度变化时依然具有相当程度的稳定性。算子抗噪能力强，般来说，即使是在有噪声干扰的情况下依然可以准确提取太原科技大学毕业设计论文出良好的特征点。算子包含信息比较丰富，即使用画面比较复杂的图像中，仍然可以较为准确的进行匹配。算子提取方便，即使是在较为简单的图像中仍然能够提取出较多的特征点。算子具有可拓展性，可以很好的和其他向量结合。算法的缺点由于计算设计到大量的梯度运算，生成的算子维数过大，因而在实际使用匹配特征时耗时过长，不能快速成型无法满足实时性要求。第章改进算法算法在提取图像的不变特征方面有着较好的优势，特别是通过采用图。
11、算法效率提高了算法的实时性。但是算法的匹配正确率最低，匹配效果差。运算效率虽然得到了极大的改善，可是仍然无法满足实际应用时的实时性要求，因此，未来仍需对这类算法进行进步的优化改善。其性能见表表格算法性能第章总结与展望本文首先分析了计算机视觉的发展背景和现状，引入了现如今应用非常广泛的算法，并具体介绍了与算法相关的信息。本文主要对以下几个方面进行了研究常见的特征点提取算法的比较。通过计算机模拟仿真来比较算子算算法旋转变换算法算法算法亮度变换算法算法算法算法用时尺度变化旋转变化亮度变化般优秀优秀般良好良好良好良好优秀般般优秀太原科技大学毕业设计论文子算子对于特征点的提取效果，并对其优劣进行比较。这部分内容主要是为了突出算法所具有的优越性，为。
12、形学报,,,,,,张婷,肖玉洁,基于的特征点提取的算法改进信息通信美冈萨雷斯,,美伍兹,数字图像处理第三版北京电子工业出版社,杨帆,王志陶,张华精通图像处理经典算法版北京北京航空航天大学出版社,左飞数字图像处理原理与实践版北京电子工业出版社,太原科技大学毕业设计论文致谢在论文完成之际，衷心的感谢我的到导师王庆刚教授的悉心指导，在论文的编写过程中，王庆刚老师给予了我极大的帮助，并对我的论文提出了许多宝贵意见，王老师渊博的知识体系敏捷的思维丝不苟的工作态度，都无不体现移位教育工作者的更显精神和科研工作者的严谨态度，这令我永生难忘，并且将对我个人在未来的学习和工作中产生深远影响。再次谨向尊敬的王庆刚老师表达我最真挚的谢意。太原科技大学毕业设计。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
（基于数字图像处理的SIFT算法的研究）