數(shù)字圖像的快速匹配技術研究.pdf

1、圖像匹配就是尋找不同時間、不同傳感器或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像之間相同部分對應關系的過程,它已經被廣泛地應用于遙感數(shù)據(jù)分析、計算機視覺、圖像處理等領域.當今圖像匹配技術的發(fā)展趨勢是更快的匹配速度、更高的匹配精度和更強的魯棒性,尤其在地形匹配,網絡檢索,運動目標跟蹤以及工業(yè)實時監(jiān)測等領域中都需要實時性很強的圖像匹配算法來處理,如何在保證精度的情況下,提高匹配速度,具有很強的理論意義和使用價值.本文的主

2、要研究方向是如何在保持圖像匹配的精度的情況下,實現(xiàn)圖像的快速匹配.
　　目前關于圖像快速匹配技術的研究主要分為兩個方面:基于硬件的快速匹配技術研究和基于軟件的快速匹配技術研究。對于基于軟件的快速匹配技術的研究大部分是對算法本身的改進,主要是設法減少匹配特征信息數(shù)或者改進匹配策略以減少時間消耗、加速圖像匹配,典型的如分層搜索技術、序貫相似度算法、灰度組合法、采用多子區(qū)相關匹配、幅度排序相關算法等.然而通過改進算法本身改進來加速圖像匹

3、配的方法,其加速的程度是有限的.隨著 GPU等計算機硬件的高速發(fā)展,處理器計算速度的不斷提高,通過硬件方式對圖像匹配進行加速成為一種非常有效的方法,目前已有的研究成果主要基于FPGA,多核系統(tǒng),Platform,GPU等硬件的支持.
　　綜合以上方面的考慮,本文在深入研究圖像匹配技術發(fā)展現(xiàn)狀和GPU通用計算的基礎上,重點研究了基于SUSAN算子的SIFT改進算法—SUSAN-SIFT和基于統(tǒng)一計算架構(CUDA)實現(xiàn)圖像匹配過程加

4、速的方法.尺度不變特征變換(SIFT)的改進算法SUSAN-SIFT,該算法用SUSAN算子替代三元二次函數(shù)擬合和Hessian矩陣保留關鍵點,并對關鍵點按吸收同值核區(qū)(USAN)區(qū)域和關鍵點極值屬性進行分類;在基于CUDA實現(xiàn)圖像匹配算法的基礎上,對SUSAN-SIFT算法的進行適當調整重構并移植到GPU上運行.
　　通過實驗對比分析表明,首先SUSAN-SIFT算法在保證正確匹配率的情況下,降低了特征提取和特征匹配的復雜度,較